Традиционные методы обнаружения желтого дракона цитрусовых имеют проблемы с низкой точностью и плохой стабильностью. В данной статье предложен метод распознавания желтого дракона цитрусовых на основе ближней инфракрасной спектроскопии с использованием метода наименьшего углового регрессии, объединенного с ядерной экстремальной обучающей машиной (Least angle regression combined with kernel extreme learning machine, LAR-KELM(RBF)). Этот метод обрабатывает спектральные данные с помощью вейвлет-преобразования, затем выполняет отбор длин волн спектра с помощью алгоритма наименьшего углового регрессии (LAR), и наконец, классифицирует образцы с помощью ядерной экстремальной обучающей машины (KELM(RBF)). Эксперименты проведены на данных ближнего инфракрасного спектра листьев цитрусовых, что подтвердило эффективность алгоритма LAR-KELM(RBF), с максимальной точностью классификации 99.91% и стандартным отклонением 0.11. Результаты экспериментов с различными размерами обучающих наборов показывают, что модель LAR-KELM(RBF) обладает более высокой точностью классификации и устойчивостью по сравнению с экстремальной обучающей машиной (ELM), волновым наложением экстремальной обучающей машины (SWELM), обратной пропагандой нейронной сети (BP(2 слоя)), KELM(RBF) и моделью опорных векторов (SVM), что позволяет широко применять ее для обнаружения и распознавания желтого дракона цитрусовых.

ближняя инфракрасная спектроскопия;желтый дракон цитрусовых;выбор переменных;ядерная экстремальная обучающая машина;наименьший угловой регрессия