基于近红外光谱和XGBoost模型的玉米幼苗期品种识别

《Food Analytical Methods》：Maize Variety Identification at the Seedling Stage Based on Near-Infrared Spectroscopy and the XGBoost Model

　　

摘要

针对玉米不同品种在幼苗期表型相似性所导致的田间品种识别和精准管理难题，本研究提出了一种将近红外（NIR）光谱技术、基于区间随机蛙（IRF）的特征选择方法和XGBoost模型相结合的玉米幼苗期品种识别方法。首先，采用偏最小二乘判别分析（PLS-DA）分类模型对不同预处理方法进行比较，其中Savitzky-Golay（SG）平滑表现出更优的整体分类性能。随后，仅对训练集应用IRF算法，从228个有效波长变量中筛选出124个特征波长，使变量数量减少了45.61%。筛选所得波长作为XGBoost模型的输入用于品种识别。结果表明，SG-IRF-XGBoost模型在独立测试集上达到了95.83%的准确率、95.07%的宏平均F1分数和97.30%的宏平均精确率，单样本预测时间为0.6460毫秒。本研究证明，近红外光谱技术结合基于IRF的特征选择和XGBoost模型，可作为玉米幼苗期品种快速无损识别的技术参考。

图形摘要