论文部分内容阅读
通过对光谱仪采集的340～1 030 nm柑橘健康与感染黑斑区域光谱进行分析,在探明健康和黑斑病不同症状光谱特性的基础上,提出主成分分析结合特征排序的方法,选择出可识别染病与健康样本的最优波长（525 nm）建立SMO分类模型;基于序列浮动前向选择方法优选出4个特征波长（678、740、794、879 nm）,建立C4.5算法识别柑橘黑斑病3种症状的方法。试验结果表明,用525 nm波长建立的SMO分类模型对健康和染病果样本的识别率达99.37%,硬斑型、破裂型和黑斑型症状的识别率分别为81.85%、71