一种结合高光谱和支持向量机分类的苎麻品种识别方法技术

本发明专利技术提出一种结合高光谱和支持向量机分类的苎麻品种识别方法，包括以下步骤：样本收集及高光谱测量、样品集划分、PCA特征提取、SVC识别模型建立和确定最佳模型；本发明专利技术通过采用网格搜索法确定提取特征分别建立Linear、Polynomial、RBF和Sigmoid核函数的SVC苎麻高光谱品种识别模型的方法，模型识别正确率可以达到95%以上，具有可靠有效的且快速、简便的优点，提高了基于高光谱的苎麻品种识别、辅助育种、为实现苎麻的高产优质及麻田精准管理的理论依据和关键技术支撑，可以缩短苎麻品种识别周期，减少人力物力消耗。

A Ramie Variety Recognition Method Based on Hyperspectral and Support Vector Machine Classification

The invention provides a method of Ramie Variety recognition combining hyperspectral and support vector machine classification, which includes the following steps: sample collection and hyperspectral measurement, sample set partition, PCA feature extraction, SVC recognition model establishment and determination of the best model; the method of using grid search to determine extraction features to establish Linear, Polynomial, RBF and Igmoid kernel functions of SVC ramie respectively. The method of hyperspectral variety identification model has the advantages of reliability, efficiency, rapidity and simplicity. It improves the theoretical basis and key technical support for the recognition of ramie varieties based on hyperspectral, assistant breeding, high yield and quality of ramie, and the precise management of ramie fields. It can shorten the identification period of ramie varieties and reduce the loss of manpower and material resources. Consumption.

【技术实现步骤摘要】
一种结合高光谱和支持向量机分类的苎麻品种识别方法
本专利技术涉及苎麻品种识别的
，尤其涉及一种结合高光谱和支持向量机分类的苎麻品种识别方法。
技术介绍
苎麻属荨麻科苎麻属的多年生宿根型草本植物，是我国的特产，被誉为中国草。我国是世界上主要产麻国之一，拥有最丰富的苎麻品种资源，苎麻种植面积和原料产量占世界的95%以上，在国民经济中，苎麻一直有着较高的经济地位，当前，我国苎麻品种的类型，主要有按种植区域划分的生态类型、按植物学形态划分的形态类型、按产量和品质划分的经济生态类型和按生育期划分的熟期类型等。传统的苎麻品种的识别主要依据种植区域划分的生态类型、按植物学形态划分的形态类型、按产量和品质划分的经济生态类型和按生育期划分的熟期类型等标准，再依靠人工经验进行识别，这些识别方法耗时长、成本高、主观性强，且准确率低，不适于用大量的苎麻品种筛分识别，一些利用高光谱进行作物识别的研究成果虽然已有不少，但是针对不同基因型苎麻的高光谱特性和提取（选择）有效的光谱特征来建立苎麻品种识别的模型仍然较为缺乏，一些利用支持向量机分类SVC的方法进行定性分类识别的研究虽然也很多，但支持向量机分类中核函本文档来自技高网...

【技术保护点】
1.一种结合高光谱和支持向量机分类的苎麻品种识别方法，其特征在于：包括以下步骤：步骤一：样本收集及高光谱测量收集不同品种的苎麻，作为苎麻样本，然后将苎麻样本采用便携式地物光谱仪和便携式地物光谱仪配套的手持叶夹式叶片光谱探测器在苎麻样本叶片上选择4个采样点测量进行高光谱数据采集，采样点数据做断点校正后再取平均值作为该苎麻样本的叶片高光谱数据；步骤二：样本集划分在上述步骤一中不同品种的苎麻样本的叶片高光谱数据采集后，将不同品种的苎麻样本的叶片高光谱数据按照2:1的比例随机分配，依次标记为成建模集和预测集；步骤三：PCA特征提取采用PCA提取苎麻样本的叶片特征，选择所有特征值大于1的成分作为PCA主...

【技术特征摘要】
1.一种结合高光谱和支持向量机分类的苎麻品种识别方法，其特征在于：包括以下步骤：步骤一：样本收集及高光谱测量收集不同品种的苎麻，作为苎麻样本，然后将苎麻样本采用便携式地物光谱仪和便携式地物光谱仪配套的手持叶夹式叶片光谱探测器在苎麻样本叶片上选择4个采样点测量进行高光谱数据采集，采样点数据做断点校正后再取平均值作为该苎麻样本的叶片高光谱数据；步骤二：样本集划分在上述步骤一中不同品种的苎麻样本的叶片高光谱数据采集后，将不同品种的苎麻样本的叶片高光谱数据按照2:1的比例随机分配，依次标记为成建模集和预测集；步骤三：PCA特征提取采用PCA提取苎麻样本的叶片特征，选择所有特征值大于1的成分作为PCA主因子或方差累计贡献率达到85%-95%的前n个主因子作为PCA主因子；步骤四：SVC识别模型建立在化学计量软件Unscrambler中利用SVC算法将上述步骤三中提取后的PCA主因子特征变量从方差累积贡献率≥85%第n个主因子开始，依次增加PCA主因子个数，然后分别与不同的SVC核函数及核函数的最佳参数进行组合，然后进行分析后建立多个识别苎麻品种的模型，获得最佳特征变量个数、SVC核函数和参数组合；步骤五：确定最佳模型将步骤二中的预测集的预测数据代入步骤四建立的各种组合的模型中，评价并识别预测结果，获取最佳参数组合的模型。2.根据权利要求1所述的一种结合高光谱和支持向量机分类的苎麻品种识别方法，其特征在于：所述步骤一中样本收集采用地方品种、选育品种、不同蔸型、不同成熟期和不同产量的样本，样本收集选择9种苎麻品种，并且在苎麻样本旺长期采集苎麻样本的叶片高光谱数据，每个品种采集162个叶片高光数据，9个品种共生成1458个叶片样本高光谱数据。3.根据权利要求2所述的一种结合高光谱和支持向量机分类的苎麻品种识别方法，其特征在于：9种所述苎麻品种分别为金沙枸皮麻、毕节圆麻、湘潭鸡骨白、沅江黄壳早、平塘大刀麻、中苎1号、邵阳4号、双峰大叶麻和绥宁青麻。4.根据权利要求1所述的一种结合高光谱和支持向量机分类的苎麻品种识别方法，其特征在于：所述步骤一中高光谱数据采集时，避开苎麻样本叶片的主叶脉，高光谱数据采集时先将手持叶夹式叶片光谱探测器的叶片夹持器夹紧被测苎麻样本的叶片所测部位，再用手持叶夹式叶片光谱探测器的探头测定苎麻样本的叶片高光谱，苎麻样本的叶片采样点选择在叶片主叶脉两边，叶片主叶脉两边各选择2个采样点，...

【专利技术属性】
技术研发人员：曹晓兰，崔国贤，
申请(专利权)人：湖南农业大学，
类型：发明
国别省市：湖南,43