Resumen

Se propone un esquema de clasificación espectral de especies de madera novel basado en un clasificador de reglas difusas. La curva de reflectancia espectral visible/cercana al infrarrojo (VIS/NIR) de una sección transversal de muestras de madera fue capturada utilizando un espectrómetro USB 2000-VIS-NIR y un espectrómetro FLAME-NIR. Primero, la curva espectral de madera con bandas espectrales de 376,64779.84 nm y 950-1650 nm fue procesada utilizando el algoritmo de reducción de dimensiones del análisis de componentes principales (PCA). Los datos espectrales de madera se dividieron en dos conjuntos de datos, a saber, conjuntos de entrenamiento y prueba. El conjunto de entrenamiento se utilizó para generar las funciones de membresía y el conjunto de reglas difusas inicial, ajustando la regla difusa para complementar y refinar las reglas de clasificación y formar un conjunto de reglas difusas perfecto. En segundo lugar, se aplicó un clasificador difuso a las bandas VIS y NIR. Se propuso un esquema de fusión de decisión mejorado basado en la teoría evidencial de Dempster-Shafer (D-S) para mejorar aún más la precisión del reconocimiento de especies de madera. Los resultados de la prueba utilizando el conjunto de pruebas indicaron que la precisión de reconocimiento global (ORA) de nuestro esquema alcanzó el 94,76% para 50 especies de madera, lo cual es superior al de los algoritmos de clasificación convencionales y los esquemas de clasificación de especies de madera más avanzados. Este método puede lograr rápidamente buenos resultados de reconocimiento, especialmente utilizando conjuntos de datos pequeños, debido a su baja complejidad computacional y espacial.

• Materias:Fármacos Electroforesis Microespectral Raman Espectro ultravioleta Teledetección
• Subjects:Pharmaceuticals Electrophoresis Microspectral Raman Ultraviolet spectrum Remote sensing
• Palabras claves:Especies de madera; Clasificación espectral; Clasificador de reglas difusas; Curva de reflectancia espectral; Análisis de componentes principales; Funciones de pertenencia
• Keywords:Wood species; Spectral classification; Fuzzy rule classifier; Spectral reflectance curve; Principal component analysis; Membership functions