来源：期刊VIP网 时间：
作者：谷传凯;褚璇;刘洪利;韦鸿钰;牟英辉;马稚昱;
单位：仲恺农业工程学院机电工程学院;华南农业大学工程学院;
摘要：为了无损、快速地实现金线莲叶片中多糖与黄酮含量水平的判别，本研究以在不同光周期下（10、12、14、16、18、20 h/d）栽培的金线莲为样本，通过高光谱技术获取叶片像素光谱数据，运用传统机器学习（PCALDA与PCA-SVM）与深度学习方法（1D CNN及其优化方法）构建了相应的判别模型。结果表明，1D CNN模型在训练集、验证集与独立测试集上的判别准确率优于PCA-LDA与PCA-SVM模型，分别为99.99%与99.89%、99.98%与99.78%、91.62%与87.92%。通过在1D CNN模型中引入Dropout层，模型的泛化能力得到增强，多糖与黄酮含量水平在独立验证集上的判别准确率分别提升至98.92%与95.67%。基于此，本研究进一步构建了多糖与黄酮含量水平的可视化图像，通过颜色直观展示了不同含量水平的判别结果。研究证实了高光谱技术可用于评估金线莲叶片中多糖与黄酮的含量水平，研究结果可为金线莲的品质控制提供技术支撑。
关键词：无损检测;;深度学习;;机器学习;;金线莲;;多糖与黄酮含量
基金资助：国家自然科学基金青年科学基金项目（32102087）;; 广州市科技计划项目（2023A04J1667）
