전통적인 감귤 황룡병 검출 방법은 정확도가 낮고 안정성이 떨어지는 문제점이 있다. 본 논문에서는 최소각 회귀와 커널 극한 학습기(Least angle regression combined with kernel extreme learning machine, LAR-KELM(RBF))를 결합한 근적외선 감귤 황룡병 판별 방법을 제안한다. 이 방법은 스펙트럼 데이터를 웨이블릿 변환으로 전처리한 후, 최소각 회귀(LAR) 알고리즘으로 스펙트럼 파장을 선별하고, 최종적으로 커널 극한 학습기(KELM(RBF))를 통해 샘플을 분류한다. 실험은 감귤 잎의 근적외선 스펙트럼 데이터를 사용하였으며, LAR-KELM(RBF) 알고리즘의 성능을 검증했으며, 분류 정확도는 최고 99.91%, 표준편차는 0.11이었다. 다양한 규모의 학습 집합 실험 결과는 LAR-KELM(RBF) 모델이 극한 학습기(ELM), 웨이브폼 중첩 극한 학습기(SWELM), 역전파 신경망(BP(2층)), KELM(RBF), 서포트 벡터 머신(SVM) 모델보다 분류 정확도가 높고 안정성이 강함을 보여주었으며, 감귤 황룡병 검출 및 판별에 널리 활용될 수 있음을 나타낸다.

근적외선 분광법;감귤 황룡병;변수 선택;커널 극한 학습기;최소각 회귀