農業行業
本研究應用了900-1700nm的高光譜相機，可采用杭州彩譜科技有限公司產品FS-15進行相關研究。短波近紅外高光譜相機，采集速度全譜段可達200FPS,被廣泛應用于成分識別，物質鑒別，機器視覺，農產品品質，屏幕檢測等領域。
我國紅景天屬植物資源豐富，有73種2亞種7變種，占全世界紅景天資源的85%左右，但是由于紅景天藥材的需求不斷增加，紅景天野生植物資源逐漸減少以及其植物來源的復雜性，市場上紅景天藥材的假冒偽劣產品層出不窮。其中，大花紅景天和狹葉紅景天雖為同屬植物，但是臨床應用有明顯差異，大花紅景天有益氣活血、通脈平喘的功效國，而狹葉紅景天有清熱解毒、消腫的作用。而且，現代研究表明，大花紅景天和狹葉紅景天雖然具有相似的化學成分，如紅景天苷、酪醇、沒食子酸、咖啡酸、對香豆酸等，但在化學成分含量上存在較大的差異。因此，迫切需要建立一種能夠快速、有效鑒別大花紅景天和狹葉紅景天的方法。
高光譜成像技術是近年來發展迅速的一種結合了成像和光譜技術的無損檢測新技術。在高光譜圖像中，可以同時提取目標樣本的光譜信息和圖像信息圖。高光譜成像技術具有光譜分辨率高、信息量更全面、成本低廉、操作簡單、準確度高等一系列優點，因此被廣泛地應用于植物的品質檢測和品種鑒別。
本文基于高光譜成像技術結合PLS-DA與神經網絡模式識別方法，利用高光譜成像技術提取大花紅景天和狹葉紅景天的反射光譜信息，經過光譜預處理后分別采用載荷系數法、連續投影算法和競爭自適應重加權算法方法對高光譜數據進行降維，建立基于全波長和特征波長的大花紅景天和狹葉紅景天的偏最小二乘判別分析、概率神經網絡和廣義回歸神經網絡模式識別模型，實現對大花紅景天和狹葉紅景天的無損、快速和準確的分類與鑒別，以保障紅景天臨床用藥的安全、有效，并為紅景天藥材的質量控制、品種鑒別和臨床應用奠定基礎。
本文基于高光譜成像技術結合PLS-DA與神經網絡模式識別方法，建立了大花紅景天和狹葉紅景天的無損、快速和準確的分類與鑒別方法。采用波長范圍為900~1700 nm的高光譜成像系統進行大花紅景天和狹葉紅景天的反射光譜采樣，在經過MSC方法進行光譜預處理后，分別運用X-LW、SPA 和CARS方法提取特征波長簡化識別模型，分析比較基于全波長和特征波長建立的PLS-DA、PNN和GRNN 識別模型對大花紅景天和狹葉紅景天分類性能的影響。
研究結果表明，CARS算法優于SPA算法和X-LW方法，且基于全波長和CARS提取的特征波長分別建立的PLS-DA、PNN和GRNN識別模型能達到最優的判別效果，6種模型對所有紅景天樣本的訓練集和測試集的分類的正確率均達到100%.因此，建立的基于高光譜成像技術結合PLS-DA與神經網絡模式識別分析方法，能夠實現大花紅景天和狹葉紅景天的無損、快速和準確的分類與鑒別，為紅景天藥材的質量控制、品種鑒別和臨床應用奠定基礎。
