10.3964/j.issn.1000‐0593(2020)01‐0221‐06
可见‐近红外多光谱数据对水稻种子成活率的判定
种子活性受到存储条件的影响很大.收集了真实情况下受到不同存储条件影响的种子,通过发芽实验验证了其成活率存在差异.再从中选择适量的种子样本,采集其单颗种子的可见‐近红外反射光谱,运用不同的光谱预处理技术,结合不同的机器学习建模手段,以区分不同成活率的种子.比较了不同的光谱预处理方法,比如标准反射光谱校正、多元散射校正等.从识别准确度的角度,认为标准反射光谱校正的方法,能够很大程度上提升不同存活率种子的光谱差异性,从而经过机器学习判断达到更高的识别准确度.同时比较了支持向量机、K邻近和距离判别分析等机器监督学习建模方法,发现利用标准反射光谱校正的方法结合距离判别分析,能够对种子样本实现完全准确的判定.更进一步,为了满足实际运用中快速识别的要求,将高分辨率的光谱数据压缩成为低分辨率多通道带通光谱数据,这样可以大大降低的光谱数据长度,节约各种机器学习器在训练和判断中所用的时间.使用简化过后的多通道带通光谱数据判定种子存活率,其识别准确度仍然接近90%.充分说明了,利用多通道宽带光谱数据,并选择合适的机器学习建模方式,足以满足实际选种产业的一般性需求,有潜力作为未来粮种成活率快速鉴别的技术手段.还采用了多种带通宽度以简化光谱,分析比较不同带通宽度对识别精度的影响.总体来说由于带宽增大,数据量减少,识别速度更快,但是识别精度降低.从10~50 nm改变光谱带宽,标准反射校正后的简化光谱的识别精度从87.50%下降到58.75%.在实际运用中,需要权衡识别速率和预期识别精度,合理的选择带宽.验证了根据简化后的可见近红外反射光谱,能够较快速且准确的识别水稻种子存活率,为以后的基于带通滤波片的快速种子存活率识别奠定了基础.
水稻种子、可见近红外光谱、简化光谱、光谱预处理、机器学习、成活率
40
O433.4(光学)
国家自然科学基金项目;国家重点研发项目;江苏省重点研发计划项目
2020-01-18(万方平台首次上网日期,不代表论文的发表时间)
共6页
221-226