1 论文标题：基于近红外光谱与机器学习的圈枝/驳枝陈皮鉴别

2 作者信息：郑惠萍, 郑成勇*：五邑大学数学与计算科学学院，广东 江门

3 出处和链接：郑惠萍, 郑成勇. 基于近红外光谱与机器学习的圈枝/驳枝陈皮鉴别[J]. 光电子, 2025, 15(4): 83-92. https://doi.org/10.12677/oe.2025.154009

4 摘要：圈枝和驳枝是园艺生产中两种重要的育苗方法。这两种方法生产的陈皮在市场上表现出明显的差异，准确区分它们至关重要。然而，传统的识别方法存在主观性强、效率低、准确性差等问题，难以满足大规模识别的需求。为了解决这些问题，本研究比较了三种传统机器学习算法(支持向量机(SVM)、随机森林(RF)和K近邻(KNN))和五种前沿的时间序列深度学习算法(TSMixer、MSDMixer、TimesNet、PatchMixer和TimeMixer)在基于近红外光谱数据区分圈枝陈皮和驳枝陈皮方面的性能。同时，本研究选取了最小最大归一化等多种数据预处理方法，深入探讨了不同预处理方法对各种算法性能的影响。实验结果表明，传统算法适用于对计算资源和时间要求较低的场景，而深度学习算法在数据量充足、计算资源丰富的条件下可以实现更准确的识别。此外，不同的数据预处理方法对算法的性能有显著影响。深度学习算法(如PatchMixer和TimeMixer)和传统算法(如SVM和KNN)在特定的预处理下可以达到或接近100%的平均准确率。本研究不仅为近红外光谱在植物栽培方法识别中的应用提供了实证支持，也为实际应用中的算法选择和数据预处理方法提供了重要参考。