高光谱成像结合SHAP辅助机器学习鉴别茜草属物种与产地

方法

高光谱成像、SNV预处理、SVM建模，并用SHAP筛选关键波长。

发现

物种与产地识别准确率分别达97.7%和97.0%，SHAP筛出60个波长仍达94.0%。

机会点

可将SHAP可解释特征选择迁移到田间作物物种与产地溯源，并探索便携式高光谱设备落地。

以高光谱成像结合机器学习鉴别3种茜草物种及6个产地茜草，按采集批次划分训练与测试集并重复10次随机划分。SNV-SVM物种与产地识别准确率达97.7%和97.0%；SHAP筛出60个波长使输入减少84.8%，准确率仍达94.0%。