摘要
本发明公开了一种基于高光谱成像技术的番茄黄化曲叶病无损检测方法及装置,方法包括:获取番茄叶片样本的高光谱成像数据;对所述高光谱成像数据进行黑白校正,并进行感兴趣区域提取;对提取感兴趣区域后的高光谱数据进行预处理;对预处理后的高光谱数据进行特征提取,以获取对特征贡献量最大的关键波长;建立SVM模型、PLS‑DA模型和GBM模型,使用经处理的高光谱数据对三种模型进行训练,得到训练好的分类模型;利用训练好的分类模型进行番茄黄化曲叶病的检测。本发明通过运用高光谱成像技术无损地获取待测番茄植株样本的高光谱数据,并运用包括机器学习在内的建模方法对数据进行特征提取和分类,以便高效准确地获取番茄黄化曲叶病分类结果。
技术关键词
番茄黄化曲叶病
高光谱成像技术
无损检测方法
感兴趣区域提取
梯度提升机
构建机器学习模型
光谱成像设备
数据
连续投影算法
特征选择
主成分分析算法
样本
支持向量机模型
校正
计算机程序指令
波长
模型训练模块
系统为您推荐了相关专利信息
半监督学习优化
梯度提升机
酿酒工艺
智能告警系统
强化学习算法
鸡肉蛋白质含量
无损检测方法
拉曼光谱数据
偏最小二乘回归模型
连续投影算法
有限元分析模型
损伤特征
指数
巡检系统
风险巡检方法
固态硬盘数据
掉电保护方法
机器学习模型
梯度提升机
线性回归模型
CT图像分割方法
局部纹理特征
图像分割模型
上下文特征
感兴趣区域提取