基于高光谱相机成像技术的红景天品种神经网络模式识别方法

　　本研究应用了900-1700nm的高光谱相机，可采用杭州彩谱科技有限公司产品FS-15进行相关研究。短波近红外高光谱相机，采集速度全谱段可达200FPS,被广泛应用于成分识别，物质鉴别，机器视觉，农产品品质，屏幕检测等领域。

　　我国红景天属植物资源丰富，有73种2亚种7变种，占全世界红景天资源的85%左右，但是由于红景天药材的需求不断增加，红景天野生植物资源逐渐减少以及其植物来源的复杂性，市场上红景天药材的假冒伪劣产品层出不穷。其中，大花红景天和狭叶红景天虽为同属植物，但是临床应用有明显差异，大花红景天有益气活血、通脉平喘的功效国，而狭叶红景天有清热解毒、消肿的作用。而且，现代研究表明，大花红景天和狭叶红景天虽然具有相似的化学成分，如红景天苷、酪醇、没食子酸、咖啡酸、对香豆酸等，但在化学成分含量上存在较大的差异。因此，迫切需要建立一种能够快速、有效鉴别大花红景天和狭叶红景天的方法。

　　高光谱成像技术是近年来发展迅速的一种结合了成像和光谱技术的无损检测新技术。在高光谱图像中，可以同时提取目标样本的光谱信息和图像信息图。高光谱成像技术具有光谱分辨率高、信息量更全面、成本低廉、操作简单、准确度高等一系列优点，因此被广泛地应用于植物的品质检测和品种鉴别。

　　本文基于高光谱成像技术结合PLS-DA与神经网络模式识别方法，利用高光谱成像技术提取大花红景天和狭叶红景天的反射光谱信息，经过光谱预处理后分别采用载荷系数法、连续投影算法和竞争自适应重加权算法方法对高光谱数据进行降维，建立基于全波长和特征波长的大花红景天和狭叶红景天的偏最小二乘判别分析、概率神经网络和广义回归神经网络模式识别模型，实现对大花红景天和狭叶红景天的无损、快速和准确的分类与鉴别，以保障红景天临床用药的安全、有效，并为红景天药材的质量控制、品种鉴别和临床应用奠定基础。

　　本文基于高光谱成像技术结合PLS-DA与神经网络模式识别方法，建立了大花红景天和狭叶红景天的无损、快速和准确的分类与鉴别方法。采用波长范围为900~1700 nm的高光谱成像系统进行大花红景天和狭叶红景天的反射光谱采样，在经过MSC方法进行光谱预处理后，分别运用X-LW、SPA 和CARS方法提取特征波长简化识别模型，分析比较基于全波长和特征波长建立的PLS-DA、PNN和GRNN 识别模型对大花红景天和狭叶红景天分类性能的影响。

　　研究结果表明，CARS算法优于SPA算法和X-LW方法，且基于全波长和CARS提取的特征波长分别建立的PLS-DA、PNN和GRNN识别模型能达到最优的判别效果，6种模型对所有红景天样本的训练集和测试集的分类的正确率均达到100%.因此，建立的基于高光谱成像技术结合PLS-DA与神经网络模式识别分析方法，能够实现大花红景天和狭叶红景天的无损、快速和准确的分类与鉴别，为红景天药材的质量控制、品种鉴别和临床应用奠定基础。