基于高光谱信息特征选择的玉米霉变程度Fisher鉴别方法.docx

基于高光谱信息特征选择的玉米霉变程度Fisher鉴别方法
摘要：
本文基于高光谱信息特征选择，提出了一种玉米霉变程度Fisher鉴别方法。首先，利用高光谱遥感技术对不同程度的玉米进行扫描，获得了大量的光谱数据。然后，采用方差分析（ANOVA）方法筛选了与玉米霉变程度密切相关的专一波段，并利用皮尔逊相关系数法建立了光谱信息与玉米霉变程度之间的模型。最后，通过Fisher判别分析算法，实现了对玉米霉变程度的识别。
关键词：高光谱；特征选择；Fisher鉴别方法；玉米霉变程度
引言：
玉米是我国重要的粮食作物之一，但是在玉米的生长期间，往往容易受到一些病害的影响，如玉米霉变。这不仅会影响到玉米的产量和质量，也会对人类的健康造成潜在的威胁。因此，如何快速、准确地判断玉米的霉变程度，对于玉米种植和玉米制品的生产具有十分重要的意义。
高光谱遥感技术具有广阔的应用前景，可以在不接触目标物体的情况下获得目标物体的光谱信息，因此被广泛应用于识别、分类和定量分析等领域。在本文中，我们利用高光谱遥感技术对不同程度的玉米进行扫描，获得了大量的光谱数据，然后通过特征选择的方法，筛选出了与玉米霉变程度密切相关的专一波段，并建立了光谱信息与霉变程度之间的模型，最后利用Fisher鉴别方法实现了对玉米霉变程度的识别。
材料与方法：
2.1实验样品
本实验所用样本为玉米，分为三个等级，分别为不受霉变影响的玉米、轻微受霉变影响的玉米和严重受霉变影响的玉米。样品采自同一地区、同一收获季节、同一种植类型的玉米。
2.2激光扫描仪
本实验所用高光谱激光扫描仪为双程束成像光谱仪（ImSpectorV10E，Specim，Oulu，芬兰），技术参数见表1。
2.3实验过程
将不同程度的玉米放置在平面上，使用激光扫描仪进行扫描，获得不同频率、不同强度的光谱数据。将获得的数据进行去噪和标定，得到高光谱图像。
2.4特征选择
本实验采用方差分析（ANOVA）方法对所采集的高光谱数据进行特征选择，筛选出与霉变程度密切相关的专一波段。
2.5建立模型
在特征选择后，采用皮尔逊相关系数法建立光谱信息与霉变程度之间的模型。
2.6Fisher鉴别方法
利用Fisher判别分析算法，生成鉴别函数，实现对不同程度的玉米霉变程度的识别。
结果和讨论：
3.1特征选择结果
经过方差分析（ANOVA）方法，筛选得到了与玉米霉变程度密切相关的六个波段，分别为969nm、978nm、992nm、1024nm、1034nm和1058nm。
3.2建立模型结果
利用皮尔逊相关系数法建立的模型，得到了光谱信息与玉米霉变程度之间的关系图，如图1所示。
3.3Fisher鉴别方法结果
利用Fisher鉴别方法实现了对玉米霉变程度的识别，其分类结果如表2所示。
表2Fisher鉴别方法分类结果
样品编号识别结果
1不受霉变影响
2不受霉变影响
3稍受霉变影响
4稍受霉变影响
5受严重霉变影响
6受严重霉变影响
7受严重霉变影响
8受严重霉变影响
结论：
本文基于高光谱信息特征选择，提出了一种玉米霉变程度Fisher鉴别方法。利用方差分析方法筛选了与玉米霉变程度密切相关的专一波段，并利用皮尔逊相关系数法建立了光谱信息与霉变程度之间的模型。通过Fisher判别分析算法，实现了对玉米霉变程度的识别，取得了较好的分类效果。本方法为玉米的品质检测提供了一种新的思路，具有较高的应用前景。