基于SMOTE-UVE-SVM的小麦种子纯度高光谱图像检测

为了解决基于高光谱成像技术的小麦种子纯度检测过程中样本不均衡及波段信息冗余导致纯度检测模型性能下降的问题,提出了一种融合合成少数类过采样技术(SMOTE)、非信息变量剔除(UVE)和支持向量机(SVM)的种子纯度高光谱检测模型。该模型利用SMOTE算法对小麦种子少数类(杂质)样本进行扩充,改善样本的不均衡性;同时利用UVE对高维的高光谱特征进行选择,并构建SVM模型作为分类器,以进一步提高分类的性能。结果表明,5类小麦种子的平均准确率、精确率和负样本检出率分别达到95.98%、94.94%和89.32%,较传统方法分别提高了3.89%、7.18%和12.42%。所提出的方法在基于高光谱成像技术的小麦种子纯度检测中具有较好的应用前景。

基于高光谱图像的小麦种子纯度/含水量检测系统

为了满足小麦种子纯度和含水量检测的现场应用需求,实现集图像采集,数据分析,模型更新,结果输出于一体的自动化系统检测,借助高光谱图像技术,开发了小麦种子纯度/含水量自动检测系统;所开发系统硬件层面以STM32芯片为控制核心,配合SHT20温湿度检测模块、光源控制模块和步进电机驱动模块,实现操作环境信息获取、平台运动控制、光源功率和高光谱相机焦距调整;利用上位机实现高光谱图像的实时采集和STM32控制模块的信息交互;利用Python语言编写软件操作平台的后台逻辑和人机交互界面;系统采用偏最小二乘回归模型实现对小麦种子含水量的检测(决定系数为0.943、均方根误差为0.81%)、采用偏最小二乘鉴别模型实现对小麦种子纯度的检测(准确率为96.5%,精确率为93.0%,召回率为93.0%);所设计的小麦种子纯度/含水量检测系统具有功能完善、操作简便、可扩展性强等优点,为促进高光谱图像技术在小麦种子质量检测领域的现场应用提供了可能。