融合高光谱成像多类特征的名优牛肉种类鉴别

提出一种基于高光谱成像技术鉴别名优牛肉的新方法。首先,测量采集了来自安徽、新疆和西藏三种牛肉的120个样本的高光谱图像。然后,通过感兴趣区域提取、加和平均获得样本的400 nm~1 000 nm波段的反射率光谱,并采用局部二值模式从样本灰度图中提取纹理特征。同时,通过标准化、多元散射校正(MSC)和标准正态变量校正方法去除反射率光谱中的噪声,利用连续投影算法(SPA)、竞争性自适应重加权采样算法以及稳定性竞争自适应重加权采样算法选择重要波长。最后,基于重要波长的光谱信息和纹理特征,采用支持向量机、随机森林和K最邻近算法(KNN)构建牛肉品种分类模型。实验结果表明,融合重要光谱信息和牛肉纹理特征后,基于SPA波长选择的MSC-KNN模型具有最好的分类效果,分类结果的校正集与预测集正确率分别为100%、99.14%。所提方法为实现基于多光谱系统与成像系统的快速、简便的牛肉种类鉴别装置奠定了理论与实验基础。