《表1 基于全波段与特征波段的分类结果》
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
《基于高光谱成像技术的富士苹果轻微机械损伤检测研究》
支持向量机(support vector machine,SVM)是Cortes和Vapnik于1995年首先提出的,它在解决小样本、非线性及高维模式识别中表现出许多特有的优势[18,19]。为了验证特征波段的有效性,本研究将试验组数据按照2∶1随机划分成建模集(320个)和测试集(160个),分别基于全波段和特征波段S1、S2建立SVM损伤分类模型,在模型中使用径向基函数作为核函数,利用3折交叉验证确定最佳参数C和g,C和g的取值范围都设置为[2-5,25],步长都设置为0.2,分类结果如表1所示。可以看出,基于全波段和特征波段S1模型的识别效果基本一致,虽然特征波段S2的数量仅占全波段的2.15%,但对损伤的识别却取得了较好的效果,能够同时满足苹果轻微损伤检测的速度和精度需求。
图表编号 | XD00129219700 严禁用于非法目的 |
---|---|
绘制时间 | 2020.02.28 |
作者 | 沈宇、房胜、郑纪业、王风云、张琛、李哲 |
绘制单位 | 山东省农业科学院科技信息研究所、山东科技大学计算机科学与工程学院、山东科技大学计算机科学与工程学院、山东省农业科学院科技信息研究所、山东省农业科学院科技信息研究所、山东省农业科学院科技信息研究所、山东科技大学计算机科学与工程学院、山东科技大学计算机科学与工程学院 |
更多格式 | 高清、无水印(增值服务) |