本測試共涉及兩類杏仁，類別標識分別為1和2。每類種子樣本包含1袋。
需求：實現對上述兩類杏仁的有效區分。
測試方案設計：
分別采集400-1000nm、900-1700nm的高光譜數據，將數據分為訓練集和測試集兩份，訓練集用于構建分類模型，最后將模型應用于測試集進行真實場景下的預測驗證。
本次測試采用高光譜設備進行測量
• 高光譜相機覆蓋400-1000nm和900~1700nm波長范圍
• 線性推掃成像方案
• 照明光源采用鹵素光源
• 樣品放置在水平位移臺上
杏仁400-1000nm光譜曲線
獲取2種杏仁高光譜數據（400-1000nm），觀察光譜曲線，可以看出1和2兩種杏仁在400-700nm之間無明顯差異，但在800-1000nm有差異。
杏仁900-1700nm光譜曲線
獲取2種杏仁高光譜數據（900-1700nm），從圖中可以看出兩種杏仁在1200nm附近有一定差異，2號的吸收谷更深一些。
400-1000nm圖像分類結果
將2種杏仁訓練集使用算法1，2進行建模分類后處理。結果如下圖，整體來看兩種算法都能對圖像實現較好區分，算法1效果優于算法2。
900-1700nm圖像分類結果
將2種杏仁訓練集使用算法1，2進行建模分類后處理。結果如下圖，整體來看兩種算法都能對圖像實現較好區分，算法1效果優于算法2。
總結：
1、400-1000nm 和 900-1700nm波段相機均能對兩類杏仁分類。
2、算法1綜合表現優于算法2，在數據處理、特征提取和分類決策上更具優勢，能更好地適應杏仁分類需求。
建議：
當前樣本量較少，建議后期采集大量樣本，采用平均光譜建模，提升模型穩定性和準確性，提高分類準確率和泛化能力。
1