《表1 基于光谱图像的农作物品种识别研究进展》

  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

《机器学习在农作物品种识别中的应用研究进展》

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

还有使用支持向量机、聚类分析等分类算法。罗微等[19]在PCA和SPA的近红外光谱识别白菜种子品种研究中，使用SPA算法选取的6个特征波长变量来反映白菜种子品种的光谱信息，结合LS-SVM建立分类模型，预测品种识别率均高达100%，为白菜种子品种识别提供了一种新模型。刘双喜等[26]研究基于可见光波段的色彩概率聚类模型的玉米杂交种子识别，采用不同聚类模型对光谱差异显著波段优化后色彩特征进行聚类识别，建立基于SOM、K-means、两步法的3种聚类识别模型，并以多种聚类模型结果为基础，建立基于概率模型的玉米种子品种识别。结果显示该方法可有效识别非亲缘关系和父本亲缘关系的玉米种子，识别率高达98%以上，但对亲缘关系母本识别率仅达75%。