تواجه طرق الكشف التقليدية عن مرض اليرقان الأصفر في الحمضيات مشاكل مثل انخفاض الدقة وضعف الاستقرار، يقترح هذا المقال طريقة تمييز مرض اليرقان الأصفر في الحمضيات باستخدام الطيف القريب من الأشعة تحت الحمراء تعتمد على الانحدار ذو الزاوية الأقل مدمج مع آلة التعلم القصوى النواة (Least angle regression combined with kernel extreme learning machine، LAR-KELM(RBF)). تقوم هذه الطريقة بمعالجة بيانات الطيف من خلال تحويل الموجة الصغيرة، ثم يتم اختيار طول موجة الطيف باستخدام خوارزمية الانحدار ذو الزاوية الأقل (LAR)، وأخيرًا يتم تصنيف العينات باستخدام آلة التعلم القصوى النواة (KELM(RBF)). تم استخدام بيانات طيف الأوراق القريبة من الأشعة تحت الحمراء للحمضيات في التجارب للتحقق من أداء خوارزمية LAR-KELM(RBF)، حيث وصلت دقة التصنيف إلى 99.91٪ والانحراف المعياري إلى 0.11. أظهرت نتائج التجارب على مجموعات تدريب ذات أحجام مختلفة أن نموذج LAR-KELM(RBF) يتميز بدقة تصنيف أعلى واستقرار أقوى مقارنة بآلة التعلم القصوى (ELM)، آلة التعلم القصوى بتراكب الموجات (SWELM)، الشبكة العصبية العكسية الانتشار (BP(2 طبقات))، KELM(RBF) وآلة دعم المتجهات (SVM)، ويمكن تطبيقه على نطاق واسع في كشف وتمييز مرض اليرقان الأصفر في الحمضيات.

الطيف القريب من الأشعة تحت الحمراء;مرض اليرقان الأصفر في الحمضيات;اختيار المتغيرات;آلة التعلم القصوى النواة;الانحدار ذو الزاوية الأقل