従来のみかんの黄龍病検出方法は、精度が低く安定性に欠ける問題がある。本論文は、最小角回帰とカーネル極限学習機(Least angle regression combined with kernel extreme learning machine，LAR-KELM(RBF))を組み合わせた近赤外分光法によるみかんの黄龍病識別方法を提案する。この方法は、スペクトルデータをウェーブレット変換で前処理し、最小角回帰(LAR)アルゴリズムでスペクトル波長を選択し、最後にカーネル極限学習機(KELM(RBF))でサンプルを分類する。実験にはみかんの葉の近赤外スペクトルデータを使用し、LAR-KELM(RBF)アルゴリズムの性能を検証したところ、分類精度は最高99.91%、標準偏差は0.11であった。異なる規模の訓練セットによる実験結果は、LAR-KELM(RBF)モデルが極限学習機(ELM)、波形重畳極限学習機(SWELM)、逆伝播ニューラルネットワーク(BP(2層))、KELM(RBF)、サポートベクターマシン(SVM)モデルよりも分類精度が高く安定性が強いことを示しており、みかんの黄龍病の検出識別に広く応用可能である。

近赤外分光;みかん黄龍病;変数選択;カーネル極限学習機;最小角回帰