将局部学习算法引入到种子的近红外高光谱图像最优波段选择中,并建立偏最小二乘判别分析分类预测模型,实现少波段条件下的玉米种子的快速鉴选。实验共采集了6类样本共720粒的玉米种子在874~1734 nm波段范围内的256幅近红外高光谱图像,利用局部学习算法获得波段的特征权重,并依据特征权重选择了最优波段。实验结果表明局部学习算法可有效获取最优鉴选波段,在13个最优波段条件下,对6组玉米种子可以获得平均纯度为95.97%的鉴选结果,为实现玉米种子的快速鉴选提供了一个合适的技术途径。

将局部学习算法引入到种子的近红外高光谱图像最优波段选择中，并建立偏最小二乘判别分析分类预测模型，实现少波段条件下的玉米种子的快速鉴选。实验共采集了6 类样本共720 粒的玉米种子在874~1734 nm 波段范围内的256 幅近红外高光谱图像，利用局部学习算法获得波段的特征权重，并依据特征权重选择了最优波段。实验结果表明局部学习算法可有效获取最优鉴选波段，在13 个最优波段条件下，对6 组玉米种子可以获得平均纯度为95.97%的鉴选结果，为实现玉米种子的快速鉴选提供了一个合适的技术途径。