摘要
本文使用随机森林算法(Random Forest,RF)和高光谱技术对糯玉米叶片的检测信息进行了玉米品种分类鉴别实验。研究选取了“垦粒一号”“五彩蜜糯”和“银科糯”3个品种糯玉米,利用Field Spec 4光谱仪采集了同一区域的玉米叶片高光谱检测数据,并进行数据预处理、特征提取和分类模型构建。通过RF和CARS(竞争性自适应加权采样,Competitive Adaptive Reweighted Sampling)特征选择方法进行了模型优化,实验结果显示,分类准确率由89.6%提高到91.9%,提升了2.57%;特征波段由2151个降低到30个,降低了98%。实验表明,高光谱技术结合机器学习算法能够准确鉴别糯玉米品种,特征提取能够在保证准确率条件下实现模型轻量化,为农业生产提供了有效的技术支持。
出处
《农业与技术》
2024年第24期51-55,共5页
Agriculture and Technology
基金
吉林省自然科学基金项目“基于高光谱成像的农作物病虫害识别关键技术研究”(项目编号:20220101144JC)。
