中國(guó)是柚類起源中心和遺傳多樣性分布中心之一，柚類種質(zhì)和品種資源繁多，對(duì)品種(系)的鑒定和識(shí)別較為困難和復(fù)雜?？梢允褂?a href="http://se711.cn/" target="_self">高光譜成像儀鑒別柚類品種。

很多專家學(xué)者已經(jīng)從形態(tài)學(xué)、生物化學(xué)與分子生物學(xué)等方面進(jìn)行了柚類的分類和鑒別研究，但是這些方法繁瑣、成本較高以及耗時(shí)耗力。探索建立一種科學(xué)、簡(jiǎn)單、省時(shí)省力的柚類品種鑒別技術(shù)很有必要。高光譜成像技術(shù)集圖像技術(shù)與光譜技術(shù)于一體，具有波段多、分辨率高、檢測(cè)快速和無(wú)損等優(yōu)點(diǎn)。近年來(lái)，已被用于農(nóng)產(chǎn)品、食品等品種或類別的鑒別研究，如水稻、肉類、西瓜種子等，但有關(guān)利用高光譜成像技術(shù)對(duì)柚類品種的鑒別研究鮮有報(bào)道。

最小二乘支持向量機(jī) (least squares-support vector ma-chine， LS-SVM)由于其優(yōu)越的學(xué)習(xí)能力和自適應(yīng)性被廣泛用于光譜數(shù)據(jù)的分析中17.8.主成分分析(principal compo-nent analysis， PCA)和連續(xù)投影算法( successive projections algorithm， SPA)均能大幅度減少建模所用變量的個(gè)數(shù)，提高建模的速度和效率，使基于 PCA 和 SPA 的 LS-SVM模型在定性分析得到廣泛研究與應(yīng)用9.10]。

利用高光譜成像技術(shù)分別采集葉片上表面和下表面高光譜圖像信息，建立PCA-LS-SVM 和 SPA-LS-SVM 模型對(duì)供試柚類品種進(jìn)行鑒別，探索采用高光譜成像技術(shù)對(duì)柚類品種進(jìn)行快速無(wú)損鑒別的可行性，并對(duì)基于柚類葉片上表面與下表面的光譜信息的建模效果進(jìn)行比較，找出最佳光譜采集面，進(jìn)而用于柚類品種的鑒別研究。以下圖像研究也證明了這種可行性。

?