《表2 利用支持向量机回归模型获得的采用不用预处理方法处理后的撕裂强度保持率预测效果》

  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

《高光谱成像技术预测农用乙烯–乙酸乙烯酯塑料棚膜撕裂强度》

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

由于EVAC棚膜样本在高光谱仪扫描过程中易受到随机噪声、表面散射光、杂散光等的影响，获得的原始特征光谱数据一般都含有一定程度的噪声，并呈现出漂移现象，为此采用SG，SNV，1stDeriv和MSC方法对棚膜原始高光谱数据进行预处理。SG预处理方法是基于最小二乘的卷积滤波算法，通过采用多项式实现滑动窗内的最小二乘拟合来消除原始EVAC棚膜样本漫反射光谱中夹杂的噪声信号；SNV预处理方法是通过改变光谱曲线均值和标准偏差的方法将原始光谱曲线正态分布转为标准正态分布以消除原始EVAC棚膜样本漫反射光谱中夹杂的噪声信号；MSC预处理方法则是在标准光谱的基准下通过修正每样本光谱基线的偏移来有效消除EVAC棚膜样本光谱散射影响，增强了与组分响应变量有关的光谱信息；1st-Deriv通过SG卷积求导计算光谱数据的一阶导数来消除原始EVAC棚膜样本漫反射光谱信号基线的漂移现象。表2给出了利用支持向量机回归模型获得的未预处理及上述4种方法预处理后的撕裂强度保持率预测效果。表2的实验结果显示基于1st-Deriv的预处理方法可以获得最佳的预测效果，因此之后建模时均利用1st-Deriv方法预处理原始高光谱数据。