10.3964/j.issn.1000-0593.2008.03.023
基于可见/近红外光谱的水稻品种快速鉴别研究
提出了一种应用可见/近红外光谱技术与化学计量学相结合的快速、无损鉴别稻谷品种的新方法.收集了5个品种水稻共150个样本作为实验样本,通过可见/近红外光谱仪扫描这些样本获得了从350 nm到1 075 nm波长范围的光谱信息.将样本的光谱信息进行小波分解以消除高频噪声.将去噪声后的光谱数据经主成分分析压缩成数目较少的新变量(主成分),压缩得到的前4个主成分能够解释99.891%的原始光谱信息.将前4个主成分作为BP神经网络的输入,不同水稻品种值的二进制代码值作为BP神经网络的输出,建立稻谷品种的模式识别模型.模型的预测误差阈值是0.2,模型是3层网络结构,各层的节点分别是4,9和3.150个样本被随机的分成包含100个样本的建模集和50个样本的预测集.结果表明,预测未知的50个样本的正确率达到96%.说明该方法具有较高的鉴别准确度,为稻谷品种的快速无损鉴别提供了一种新的方法.
可见/近红外光谱、化学计量学、稻谷、品种鉴别、无损
28
S123;S511(农业物理学)
国家科技支撑项目2006BAD10A09;国家自然科学基金30671213;国家高技术研究发展计划863计划2007AA102210
2008-05-26(万方平台首次上网日期,不代表论文的发表时间)
共4页
578-581