高光谱成像技术检测油茶果成熟度
准备工作：
由于油茶果成熟度可由表面的形状大小，鲜果质量，以及颜色所推断，因此通过高光谱仪器将油茶果的外部信息可视化。
对高光谱图像进行采集和校正。
查询油茶果的各个指标的公式和表面曲率校正方法。
高光谱数据量极大，这会导致两个问题。第一个是数据中的的某些波长包含了无关的信息，还有一些波长信噪比较低（噪声大）。第二个是波长之间存在多重共线性的问题，数据之间若存在大量线性相关现象则会导致矩阵奇异性的减弱。因此选择了连续投影算法，竞争性自适应加权算法，以及遗传算法。其中连续算法最小化变量之间的共线性，竞争性自适应加权算法
使用KNN，RF，SVM，PLS-DA四个算法。
实验过程和结果
取成熟度从I~V的五个成熟度的油茶果作为样品。
进行曲率校正
使用KNN、RF、SVM、PLS-DA对五种样品使用全波段光谱数据进行分析，SVM模型效果最好。
使用SPA、CARS、GA、CARS-SPA、GA-SPA对五种样品进行全光谱降维，再建立SVM模型进行分析，CARS方法的效果最好。
提取高光谱图像中的颜色特征和纹理特征，分别建立SVM分类模型进行分析，结果是融合颜色特征和光谱特征建立的SVM模型的正确率更高。
创新点
通过建立融合颜色特征和光谱特征的SVM分类模型，让训练集分类正确率有所提高，高光谱技术可以对不同成熟度的油茶果进行较为准确的分类。

高光谱技术结合变量选择方法的甘薯冻害检测研究
准备工作
因产生了冻害之后的甘薯在完好甘薯上没有显著差异，而甘薯的冻害表现又具有滞后性，在贮藏15天后才会腐烂，因此需要高光谱对甘薯内部特征进行识别检测，分析其光谱属性。
挑选没有损伤且大小均一的样本，随机挑选一半作为完好样本，剩余一半作为冻害样本。
取得原始高光谱图像，但需要黑白校正，其公式为：
R=(I_"raw " -I_"dark " )/(I_"white " -I_"dark " )
其中R为校正后图像，Iraw为原始图像，Idark和Iwhite分别为全黑标定图像和全白标定图像。
处理后提取完好和冻害区域，得到样本819个，包括完好组样本343个，冻害组样本476个。在去除噪声之后，保留930~1700nm波段进行研究。
对于