[发明专利]基于集成学习的果蔬高光谱品质检测方法

摘要

本发明公开了一种基于集成学习的果蔬高光谱品质检测方法，基于集成学习的果蔬高光谱品质检测方法主要是利用集成学习方法对现有高光谱品质检测算法进行融合，并建立果蔬品质的无损检测方法。该方法首先建立基于bagging+adaboost的集成检测框架，对多种特征波段优选方法，以及光谱数据和品质数据的相关分析方法进行融合，然后在此基础上利用实测的果蔬光谱和品质数据进行训练，得到可用于无损品质检测的预测模型。

主权项

1.一种基于集成学习的果蔬高光谱品质检测方法，其特征在于：开始，选择样本并投入高光谱数据其品质数据，设置并选取若干特征提取的方法，将方法添加到集成学习框架中去，进行分别特征提取；然后由异态集成学习中元学习法针对回归的思想，将每个算法的得到优选波段序号进行加权融合，最终作为融合后得最终提取波段；其次基于bagging+adaboost框架下的多算法高光谱与品质相关分析模型的建立，根据基于集成学习的高光谱和品质相关性分析方法，投入特征高光谱数据、蔬果品质数据；训练数据的设置，默认为训练集为80％，测试集为20％；设置bagging随机抽取比例设置80％‑90％，将高光谱数据和品质数据作为原始数据集，将原始数据集进行若干次随机抽样得到若干次新的数据集，设置并选取若干回归分析方法，将方法添加到bagging+adaboost框架中去，依次对新的数据集进行分别回归建模分析，最后根据评价因子得到最终预测模型。