红外光声光谱技术结合支持向量机鉴别油菜籽品种

采用傅里叶变换红外光声光谱技术对10个品种的油菜籽样本进行品种鉴别。原始光声光谱卷积平滑后,首先采用全谱数据建立支持向量机鉴别模型,当RBF核函数的核参数γ值为0.01时,模型最大预测率为70%。利用方差分析的方法对全谱进行有效波长筛选,筛选后的波长用于建立支持向量机鉴别模型,当γ值取0.1时,模型的识别率和预测率均可达到100%。同时,采用偏最小二乘判别分析建立鉴别模型,作为支持向量机模型的对照,该模型的预测率仅为60%,明显低于支持向量机模型的预测精度。研究表明,红外光声光谱技术结合支持向量机,在油菜籽品种鉴别中有良好的应用性能。