首页|基于高光谱数据的多花黄精产地识别研究

基于高光谱数据的多花黄精产地识别研究

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
该研究分别采集不同产地多花黄精的可见-近红外(VNIR)、短波红外(SWIR)和VNIR+SWIR融合高光谱数据,采用一阶导数(FD)、二阶导数(SD)、Savitzky-Golay平滑(S-G)、标准正态变换(SNV)、多元散射校正(MSC)、FD+S-G、SD+S-G 7种方法对高光谱数据进行预处理,使用随机森林(RF)、线性分类支持向量机(LinearSVC)和偏最小二乘判别分析(PLS-DA)3种算法,分别从省域、县域、乡镇3个空间尺度建立多花黄精产地识别模型.采用连续投影算法(SPA)、竞争性自适应重加权算法(CARS)2种方法筛选特征波段,再根据筛选出的特征波段建立多花黄精产地识别模型.结果表明①VNIR+SWIR融合高光谱数据经过FD预处理,采用LinearSVC建立的产地识别模型准确率最高,省域尺度的产地识别模型准确率最高为99.97％、99.82％;县域尺度的产地识别模型准确率最高为100.00％、99.46％;乡镇尺度的产地识别模型准确率最高为99.62％、98.39％.利用全波段建立的省、县、乡3个不同尺度产地识别模型的准确率均能达到98.00％以上.②CARS筛选出的26个特征波段,经过FD预处理后,采用LinearSVC建立不同空间尺度的产地识别模型准确率最高,省域尺度产地识别模型准确率最高为98.59％、97.05％;县域尺度产地识别模型准确率最高为97.79％、94.75％;乡镇尺度产地识别模型准确率最高为90.13％、87.95％.由26个特征波段建立的不同尺度产地识别模型准确率均能达到87.00％以上.说明高光谱成像技术可从不同空间尺度实现多花黄精产地的准确识别.
Origin identification of Polygonatum cyrtonema based on hyperspectral data

Polygonatum cyrtonemahyperspectralgeographical origin identificationdifferent spatial scalesidentification model

章登停、杨健、程铭恩、王慧、彭代银、张小波

展开 >

安徽中医药大学药学院, 安徽合肥 230012

中国中医科学院中药资源中心道地药材品质保障与资源持续利用全国重点实验室, 北京 100700

多花黄精 高光谱 产地鉴别 不同空间尺度 识别模型

国家中医药管理局中医药创新团队及人才支持计划项目中国中医科学院科技创新工程项目中央本级重大增减支项目国家重点研发计划项目

ZYYCXTD-D-202005CI2021A0390120603022017YFC1701603

2023

10.19540/j.cnki.cjcmm.20230512.103

中国中药杂志
中国药学会

中国中药杂志

CSTPCDCSCD北大核心
影响因子：1.718
ISSN：1001-5302
年,卷(期)：2023.48(16)
  • 17