中药材甘草高光谱数据采集分类模型

中药材甘草高光谱数据采集分类模型

高光谱分类模型是基于高光谱遥感技术发展而来的机器学习 / 深度学习模型，核心目标是通过分析高光谱图像中数百个连续、窄波段的光谱信息，实现对地表地物（如植被、土壤、水体、矿物、人工建筑等）的精细分类与识别。与传统多光谱遥感（仅几个至几十个离散波段）相比，高光谱数据能捕捉地物独特的 “光谱指纹”，使模型具备更强的区分能力（例如区分不同种类的作物、识别矿物成分、检测植被病虫害等）。

中药材甘草高光谱数据采集分类模型

采集参考Q/EX C 0628-2025标准分类模型

一、检测目的和依据

    使用高光谱技术，采集不同产地中药材甘草真假辨别的光谱数据。

二、样品类别及数量

1.       中药材甘草样本：中药材甘草若干条

三、检测设备和方法

检测设备

1. 400-1000nm高光谱相机

2. 高光谱采集暗箱

3. 黑色托盘（低反射率背景）

4. 辅助材料：

l标签（用于标记中药材甘草不同产地）

采集方式

1. 样品摆放规则：

l中药材甘草：将样品中药材甘草按如图所示摆放。

四、采集结果

1. 数据提供

提供数据格式，每个样品数据包含如下6个格式文件：

l样本400-1000nm原始数据（包含 .dat、.hdr格式）

l样本400-1000nm反射率数据（包含 .dat、.hdr格式）

l样本400-1000nm高光谱图像（.png格式）

l应客户要求：

n另提供200条中药材甘草光谱曲线的excel表格，每种中药材甘草8条数据

n提供采集设备的参数信息

n提供数据采集过程及参数设置

2. 数据展示

中药材甘草

原始光谱分析真⽢草(C1)和假⽢草(C2)的原始平均光谱图像

数据预处理为了进⼀步消除噪声 , 消除位置影响 , 提升特征显著性 , 我们实验了多种预处理⽅法的组合 , 最终选⽤效果最好的预处理⽅式 SGD1 + SNV 对原始进⾏处理 . 预处理后的 C1 和 C2 数据如下图所⽰