来源：期刊VIP网 时间：
作者：张冬妍;毛思雨;杨子健;陈诺;吴晨旭;马苗源;
单位：东北林业大学计算机与控制工程学院;
摘要：为实现对榛子霉变的快速无损检测，研究将光谱特征与纹理特征融合并结合机器学习算法建立榛子霉变检测模型。采集400～1 000 nm的榛子样本高光谱图像，对样本的原始光谱使用标准正态变量变换法进行预处理，采用蜣螂优化算法、粒子群优化算法和连续投影算法3种特征波长选择方法对光谱进行特征选择；利用主成分分析法对高光谱图像进行降维，根据图像的贡献大小选择样本的最优主成分图像，结合灰度共生矩阵法提取样本4个角度上的5个纹理特征参数。分别基于样本光谱特征、纹理特征、光谱特征与纹理特征融合三类数据结合K最近邻算法构建榛子霉变检测模型。实验结果表明，基于蜣螂优化算法选择的特征光谱与纹理特征融合并结合K最近邻算法建立的模型效果最好，训练集和测试集准确率分别为99.20%和98.34%,实现了榛子霉变的快速无损检测。
关键词：高光谱成像;;榛子;;霉变;;无损检测;;特征融合;;蜣螂优化算法
基金资助：中央高校基本科研业务费专项资金项目(2572019BF02)
