《表1 不同霉变程度玉米样品LDA模型判别结果》

  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

《基于光谱和图像信息融合的玉米霉变程度在线检测》

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

将玉米样品依据霉变程度划分为3类（未霉变、霉变和严重霉变），分别运用光谱特征波长、图像特征颜色参数及光谱和图像融合信息建立不同霉变程度玉米样品的LDA模型见表1，LDA模型能较好区分不同霉变程度单一霉菌侵染样品，基于光谱特征波长对不同霉变程度样品的建模集准确率均为100%，预测集准确率均在86.7%以上。基于图像特征颜色参数对不同霉变程度样品的建模集准确率除对照组（96.7%）外均为100%，预测集准确率均在86.7%以上。其中对照组样品霉变程度不明显导致样品颜色无较大改变，从而判别准确率较低。基于光谱和图像融合特征参数对不同霉变程度样品的建模集和预测集准确率均为100%。当然，受单一霉菌侵染的模型样本集还较为有限（建模集30个样品，预测集15个样品），还需要进一步补充样品数量提高模型的稳健性。进一步，当对未接种和接种不同霉菌的全部270个样品进行综合建模时，基于光谱和图像融合信息的模型同样取得了较优的效果，建模集和预测集准确率分别为98.3%和91.1%，比单独应用光谱和图像时的准确率分别提高4.4%和8.9%。结果说明，随着储藏过程的进行，样品霉变程度加深，可见-近红外光谱融合图像可有效获取样品的内部和外部整体差异信息，在区分样品霉变程度时展现更高的精度优势。