本测试共涉及两类杏仁，类别标识分别为1和2。每类种子样本包含1袋。

需求：实现对上述两类杏仁的有效区分。

测试方案设计：

分别采集400-1000nm、900-1700nm的高光谱数据，将数据分为训练集和测试集两份，训练集用于构建分类模型，最后将模型应用于测试集进行真实场景下的预测验证。

本次测试采用高光谱设备进行测量

• 高光谱相机覆盖400-1000nm和900~1700nm波长范围

• 线性推扫成像方案

• 照明光源采用卤素光源

• 样品放置在水平位移台上

杏仁400-1000nm光谱曲线

获取2种杏仁高光谱数据（400-1000nm），观察光谱曲线，可以看出1和2两种杏仁在400-700nm之间无明显差异，但在800-1000nm有差异。

杏仁900-1700nm光谱曲线

获取2种杏仁高光谱数据（900-1700nm），从图中可以看出两种杏仁在1200nm附近有一定差异，2号的吸收谷更深一些。

400-1000nm图像分类结果

将2种杏仁训练集使用算法1，2进行建模分类后处理。结果如下图，整体来看两种算法都能对图像实现较好区分，算法1效果优于算法2。

900-1700nm图像分类结果

将2种杏仁训练集使用算法1，2进行建模分类后处理。结果如下图，整体来看两种算法都能对图像实现较好区分，算法1效果优于算法2。

总结：

1、400-1000nm 和 900-1700nm波段相机均能对两类杏仁分类。

2、算法1综合表现优于算法2，在数据处理、特征提取和分类决策上更具优势，能更好地适应杏仁分类需求。

建议：

当前样本量较少，建议后期采集大量样本，采用平均光谱建模，提升模型稳定性和准确性，提高分类准确率和泛化能力。