返回列表
基于高光谱数据降维算法快速识别黄芪药材的产地和产出模式
食品检测
2026/09/21
摘要：为建立一种快速无损的黄芪药材产地和产出模式识别方法，利用高光谱成像系统（（ 光谱范围:400~1000、900~1700 nm，检测时间 15 s），对 80 份不同产地，不同产出模式的黄芪药材进行检验。采集的高光谱数据集高度相关目数量较 大，需要建立稳定可靠的数据降维和分类模型，首先使用归一化、高斯平滑和构建掩模等方法对原始光谱进行预处理， 再分别采用主成分分析（（ PCA）、偏最小二乘法判别分析（（ PLS-DA）和竞争自适应重加权采样（（ CARS）构建高光谱降维 数据集，对降维后的光谱图像和光谱曲线分别使用支持向量机（（SVM），多层神经网络模型（（FFNN）和卷积神经网络（（CNN） 进行训练。结果显示，在对黄芪高光谱图像数据集进行 PIS-DA 之前，应用 CARS 作为变量选择方法，该降维算法在 CNN 测试集中的准确率、精确度和召回率均达到 100%，F 值（（ F -score）和 ROC曲线下的面积值（（ area under the curve 1 1 of ROC，AUC）均达到 1。该方法方便快捷，样品用量少且无损样品，为黄芪药材产地和产出模式的快速识别提供技术 支持。
关键词：黄芪；高光谱；偏最小二乘法判别分析；竞争自适应重加权采样；卷积神经网络
期刊：中国中药杂志
DOI：10.19540/j.cnki.cjcmm.20240827.101
设备：GaiaField
