《表1 基于全波段光谱的SVM分类结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于近红外光谱技术的蔬菜农药残留种类检测》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

生菜样品原始光谱分别经SG、SNV和MSC算法预处理后，比较分析其对原始光谱数据的影响。每类样本按3∶1的比例选取训练集和预测集，采用支持向量机分别进行分类建模分析。原始数据以及不同预处理后的数据建模结果如表1所示。从表1可知，4种不同数据建模结果中原始全波段数据预测效果最差，预测集精度为80%，SNV预处理后的预测效果最佳，训练集精度为100%，预测集精度为93.33%。由SNV预处理后的光谱曲线（图3）可知，SNV可实现原光谱数据的标准正态化，有效地校正样品因散射引起的光谱差异。因此，本研究选用SNV为原始光谱数据的预处理方法。