基于高光谱图像技术的玉米杂交种纯度鉴定方法探索

合集下载

基于高光谱图像的农作物无损检测技术研究

基于高光谱图像的农作物无损检测技术研究

基于高光谱图像的农作物无损检测技术研究一、引言近年来,随着全球人口的增长和城市化进程的加快,农作物产量已成为社会关注的焦点。

在农业生产中,农作物的健康状况对于提高产量和保障粮食安全具有重要意义。

传统的农作物检测方法无法满足现代化高效农业和农业信息化的需求。

基于高光谱图像的农作物无损检测技术成为了当前研究的热点和难点问题。

二、高光谱图像基础知识高光谱图像是一种特殊的图像类型,它在空间和光谱分辨率上都比普通图像高。

一幅高光谱图像是由许多条谱线组成的,在每一条谱线上都记录了该点对应的反射率或辐射亮度。

通过对这些谱线的分析,可以提取出比较精细的光谱信息。

三、农作物无损检测技术农作物无损检测技术是对农作物进行质量评估的一种方法,可以对农作物生长状态进行分析和研究。

传统的检测方法主要依靠人工的观察和测量,效率低下且易受人为因素的影响。

随着技术的发展,基于高光谱图像的农作物无损检测技术逐渐得到了广泛的应用。

1.检测要素农作物生长状态的检测主要包括植被指数、生理生化指标、土壤质量以及农药残留等方面。

其中,植被指数是高光谱图像最常用的指标之一。

植被指数是指通过计算绿色波段与红光波段反射率的比值来反映植被的生长状态。

其他如LAI、NDVI、EVI等指标也常被用来对农作物生长状态进行评估。

2.检测方法(1)特征提取:从高光谱图像中提取与农作物生长状态相关的光谱特征,如植被指数、光谱响应曲线等。

(2)分类方法:将特征进行分类,常用的方法有典型相关分析、支持向量机、人工神经网络、随机森林等。

(3)显著性检测:将特征与背景进行对比,提取特征区域,可以较好地检测植被情况。

四、研究进展基于高光谱图像的农作物无损检测技术在近年来得到了广泛的应用和研究,主要集中在以下几个方面:1.农作物分类利用高光谱图像对农作物的种类进行分类,准确率较高。

常用的分类方法有支持向量机、决策树、随机森林等。

2.农作物生长状态检测通过分析农作物的植被指数、生理生化指标等指标,对其生长状态进行检测和评估。

基于高光谱图像的玉米种子产地与年份鉴别

基于高光谱图像的玉米种子产地与年份鉴别

2 1 4 1 2 2 , C h i n a ; 2 . C o l l e g e o f A g r i c u l t u r e a n d B i o t e c h n o l o g y , C h i n a A g r i c u h u r a l U n i v e r s i t y , B e i j i n g 1 0 0 1 9 3 , C h i n a )
y e a r s o f ma i z e s e e ds .F i r s t , h y p e r s pe c t r a l i ma g e s o f d i f f e r e n t g e o g r a p h i c a l o ig r i n a n d y e a r s we r e a c qu i r e d u s i n g hy pe r s p e c t r a l i ma g i n g s y s t e m.S u bs e q u e n t l y, f o ur s p e c t r a l f e a t u r e s o f e a c h ma i z e
Ge o g r a p h i c a l Or i g i n a n d Ye a r s I d e n t i ic f a t i o n o f Ma i z e S e e d s
Ba s e d o n t he Hy pe r s pe c t r a l I ma g e
基于高光谱图像的玉米种子产地与年份鉴别
王庆 国 ’ , 黄 敏 , 朱 启 兵 , 孙 群。
( 1 . 汀南大学 轻 I 过 程 先 进 控 制 教 箭 最 点 实 验 童 , 院, 北京 1 ( ) 0 1 9 3 ) 苏 无锡 2 1 4 1 2 2 ;2 . 中 农 业 大 学 农 学 生 物 技 术学

基于局部学习的玉米种子近红外高光谱图像鉴选

基于局部学习的玉米种子近红外高光谱图像鉴选
中 图 分 类 号 04 3 9
doi :1 0. 37 8 8 / LO P52 . 0 41 1 02
文 献标 识码

De Seeds by N ea r I nf r ar e d Ray H yper s pec t r a l
W uxi , Ji a ngs u 21 41 2 2, Chi na
A bs t r ac t The l oca l l e a r ni ng a l g or i t hm i s i nt r oduc ed i nt o t he opt i ma l wa ve l e ngt h se l ec t i on of ne a r i nf r a r e d r ay h yper s pec t r a l i ma g i ng o f ma i z e s eed s. Thes e obt ai ned wa ve l e ng t hs a r e us ed t o de ve l op a di s c r i mi na t i on m od el c oupl ed wi t h par t i al l ea s t s q ua r e s d i s c r i mi na nt a na l y s i s t o i m pl e me nt t he r api d d i s c r i mi na t i on o f m ai z e s e e ds us i ng
l e s s w ave l eng t hs . 25 6 ne ar i nf r ar ed r ay h ype r s pe c t r a l i m ag e s be t we en 87 4-1 7 3 4 nm wav el en gt h ar e ac q ui r ed us i ng

高光谱成像技术检测玉米种子成熟度

高光谱成像技术检测玉米种子成熟度
第3 6 卷, 第1 2 期 2 0 1 Βιβλιοθήκη 年 1 2月 光谱






V o L 3 6 , N o . 1 2 , p p 4 0 2 8 — 4 0 3 3
De c e mb e r ,2 0 1 6
S p e c t r o s c o p y a n d S p e c t r a l An a l y s i s
对 提高单 播种子质量有重要意义 。 玉米种 子成熟度 是种子 的
重要 质量指标 , 对种子 千粒重 、田间出苗率 、幼苗 形状 和种 子活力 等方面都存 在一 定 的影 响_ 3 ] 。Kn i t t l e 等l _ 5 的研 究发 现: 玉米种子 的活力与收获时 间密切相关 , 虽然 不 同收获时
收 稿 日期 :2 0 1 5 — 0 8 — 1 8 。 修 订 日期 :2 0 1 5 — 1 2 — 0 9
数据 。 高光谱 图像 技术可以 同时获得样本 的图像 信息和 光谱 信息 ,在种子分级和质量检测方 面得 到 了广 泛研究[ 1 _ 1 3 l 。我
们基于高光谱 图像对成 熟度不 同 的玉 米种子 进行识 别研究 。 并用 主成 分 分 析 ( p r i n c i p a l c o mp o n e n t a n a l y s i s ,P C A) 法 分
得 的图像 ,初步确 定 了用 图像 分 析玉 米籽 粒 成熟 度 的可 行 性l 1 。 但该方法需人工选择测量部位 , 不能 自动获得成熟 度
间下 玉米 种子的发 芽率 相差 不大 , 但幼苗 和根 的干 重随着种 子成熟度 的增加 而增 大 。T e Kr o n y等l 6 ] 研究 了 自交 种 、单 交种 和杂 交种 玉米 种子的成 熟度 与活力之 间的关系 , 发 现玉 米种 子在乳线 接近种子基部 或消失之后达 到生 理成熟 ,此发 育 阶段 与基 因型和种植 环境 无关 , 且此时 收获的种子 活力最

基于光谱特征的玉米品种高光谱图像识别

基于光谱特征的玉米品种高光谱图像识别

基于光谱特征的玉米品种高光谱图像识别冯朝丽;朱启兵;朱晓;黄敏【摘要】为了对玉米种子进行无损识别分类,对玉米种子的高光谱图像的光谱信息进行分析,探索高光谱图像技术在玉米种子识别分类上的可行性.利用波长范围为400 ~ 1000nm的高光谱图像采集系统采集11类共528粒玉米样本的高光谱图像;在每个玉米样本上提取感兴趣区域并获取此区域的平均光谱信息,对光谱曲线进行分析,去除12个奇异样本;结合偏最小二乘判别分析法对所选玉米种子样本识别分类.实验结果表明,在所选玉米样本的识别中训练集样本的识别精度可以达到99.22%,测试集样本的识别精度也达到了94.66%.研究结果表明,不同种类的玉米种子的光谱信息具有一定的差异性,利用高光谱图像技术提取其光谱信息对玉米种子品种进行无损识别分类是可行的.%In order to realize nondestructive recognition and classification for maize seed, spectral information of hyperspectral image for maize seed are analyzed. The feasibility of recognition and classification for maize seed is investigated. First, hyperspectral images from 400 nm to 1 000 nm are acquired by hyperspectral image systerm for 528 maize seeds including 11 varities. Then the interested region for each sample is extracted and average spectral information is obtained. Twelve singular samples are removed after spetral curve analysis. Finally, classification model is developed using partial least squares discriminant analysis (PLSDA) for remaining samples. Experimental results indicate that the classification accuracy is 99.22% for the training set and is 94.66% for the testing set. Research results show that nondestructive recognition and classification for maize seed varity iseffective using hyperspectral image technology based on the difference of spectral information for different maize seed varities.【期刊名称】《江南大学学报(自然科学版)》【年(卷),期】2012(011)002【总页数】5页(P149-153)【关键词】高光谱图像技术;玉米种类;光谱信息;分类【作者】冯朝丽;朱启兵;朱晓;黄敏【作者单位】江南大学轻工过程先进控制教育部重点实验室,江苏无锡214122;江南大学轻工过程先进控制教育部重点实验室,江苏无锡214122;江南大学轻工过程先进控制教育部重点实验室,江苏无锡214122;江南大学轻工过程先进控制教育部重点实验室,江苏无锡214122【正文语种】中文【中图分类】TP391.4随着玉米杂交等技术的广泛应用,玉米种类迅速增加,但有许多因素会导致玉米种子不纯。

基于图像处理的玉米质量检测技术研究

基于图像处理的玉米质量检测技术研究

刘中舍等 : 于图像处理的玉米质量检测技术研 究 基
图 2 白色背景
图 6 点光 源
图 3 图 2经 自适 应 阈值 处 理后 的二 值 图
2 图像 平滑 - 3 实 际获得 的 图像 一 般都 因受到 某种 干扰 而 含有 噪声 , 噪声恶化 了 图像 质量 , 得 图像 模糊 , 至淹 没 使 甚 特征 。 给分析带 来 了困难 。图像 平滑 的 目的就 是减少






加权平均值 中值 滤波 拉 普拉 斯算子 闽值 分割 腐蚀膨胀 S bl o e算子
图 1 玉 米数 字 图像 处理 流程
21 图像采集 .
分 别 是 图 2和 图 4进 行 自适 应 阈值 分 割 后 的 效 果 .
扫 描仪 、 数字 摄像 机 、 数码 相机 或 图像 采 集 卡 等 图 5更有 利于 籽粒 检测 ) 。由图 6经 过 自适应 阈值处
维普资讯
《 皿朋 工业》2 0 ・0 6年■ 2 ■ ■ 9 7 期
刘 中合
李 邦明 刘贤喜
摘 要 玉米是最重要 的饲料 生产 原料 ,玉米 质量 自动检 测技 术的提 高有利 于提 高饲料 质量和 饲料安全 。利 用 C D传感 器采集 玉米籽粒 图像 , 图像依 次进 行 图像灰 度化 、 C 对 图像 平 滑、 图像 锐化 、 图
年来 . 随着计 算 机 和信息 技 术 的迅速 发 展 . 计算 机 视
数 字 图像 处 理是 计算 机 视 觉不 可 逾越 的必经 过
觉 技术在科 研 、 生产 、 活等诸 多领 域的广 泛应 用 , 生 用 程 , 数字 图像 处理 的方 法是否 得 当和质量 的高低 将直 计算机 视 觉代 替人 的视 觉进 行 玉米 等 农产 品的质 量 接 影 响玉米质 量检测 的成败 。 字 图像处 理过程 可大 数 检验逐 渐受到人 们 的重视 , 具有 实时 、 效 、 损伤 其 高 无 等优点 , 推广 应用前 景广 阔。

基于高光谱图像技术的玉米杂交种纯度鉴定方法探索

基于高光谱图像技术的玉米杂交种纯度鉴定方法探索
物种子 中化学污染物 的含量 ; Wi l l i a ms 等E ] 运用 近红外 高光
谱成像和多元变量分析检测玉米种子的真菌污 染情 况 , 取 得 了良好的效果 ;国内的许 多学 者也进行 了类似 的研 究 , 邹 伟
基金项 目: 家( 8 6 3 计划 ) 项 目( 2 0 1 1 A A1 0 A1 0 3 — 1 ) , 北京 市科技计划项 目 农科城种子检测 I S T A认证 与服 务平台建设 ( D 1 3 1 1 0 0 o 0 O 4 1 3 D 0 2 ) 和…家大学 生科技创新项 目( 2 0 1 2 1 0 0 1 9 1 2 4 ) 资助
烟草和食 品等领域 得 到广泛应 用[ 3 _ 5 ] 。本课 题组对 玉米 品种
的近红 提出 了以
近红外光谱和仿生模式识别 的玉米品种鉴别方 法 , 并 初步建 立 了近红外光谱的实用化玉米品种籽粒判别 系统[ 1 ] 。现有的
研究表 明,近红外光谱 分析方 法有受样 品均匀性 、环境 影响 较大 的缺点 。该技术 适于分析均匀样 品,而农作 物种 子等天 然产物性质并不均匀 。近红外光 谱对 温度 和水分变 化敏感 , 所以 同种玉米样品在不 同时间 ( 环境 因素发生变化 ) 测量的光

要 对 玉米 种子高光谱图像的光谱维信息进行分 析 , 探索利 用高光谱 图像技术 鉴定玉米 杂交种 纯度 的
可行性 。 实验 中利用高光谱成像 系统采集 玉米 品种农华 1 0 1 的母本 和杂交种 的高光谱 图像 , 波长范 围 8 7 1 ~ 1 6 9 9 m ; 在每个玉米样本上 提取感 兴趣区域的平均光谱信息 , 利用处理后 的数据建 立农华 1 0 1 母本 和杂交
本低 的特点 , 并且易 于实现在线 分析 , 在农业 、医药 、石 化 、

基于高光谱图像的农作物遥感监测方法研究

基于高光谱图像的农作物遥感监测方法研究

基于高光谱图像的农作物遥感监测方法研究高光谱遥感图像在农作物监测中的应用已经成为遥感技术研究的热点之一。

通过利用高光谱遥感图像的丰富光谱信息,可以对农作物的生长状态、病虫害情况以及土壤水分等进行精确监测和分析。

本文将从高光谱图像获取与预处理、农作物遥感监测方法以及案例研究三个方面展开讨论,以探索基于高光谱图像的农作物遥感监测方法。

首先,高光谱图像获取与预处理是基于高光谱图像进行农作物监测的前提。

高光谱遥感图像一般由辐射采集仪器获得包含几百个连续波段的光谱数据。

然而,由于各种误差和噪声的存在,必须对图像进行预处理,以提升数据的质量和准确度。

对高光谱图像进行预处理的主要步骤包括:辐亮度校正、大气校正、波段选择、空间校正等。

这些步骤可以提高图像的质量,减少噪声,对后续的农作物监测具有重要意义。

其次,在农作物遥感监测方法方面,基于高光谱图像的农作物监测主要包括生长状态监测、病虫害监测、土壤水分监测等。

生长状态监测是通过分析农作物在不同阶段的反射光谱特征来评估其生长状况及产量水平。

病虫害监测是通过分析植物受到病虫害侵袭后的光谱特征来判断病虫害发生的情况及程度。

土壤水分监测是通过分析植物所吸收反射的光谱特征来评估土壤水分状况,为制定合理的农田灌溉策略提供依据。

除了这些基本的监测方法外,还可以通过高光谱图像进行农作物分类、农作物生长周期预测等分析。

最后,本文将通过案例研究的方式,探索基于高光谱图像的农作物遥感监测方法。

以小麦为例,通过获取小麦生长周期内不同阶段的高光谱图像数据,利用这些图像数据进行生长状态监测。

将分析不同阶段的小麦光谱特征,包括叶绿素含量、叶片氮含量等指标,并与实地采样结果进行比对验证。

根据实地调查和实验结果,确定不同生长阶段小麦的光谱特征与生长状况的对应关系,建立基于这些特征的农作物生长状态监测模型。

本研究还将利用高光谱图像数据开展病虫害监测。

以小麦叶枯病为例,通过采集不同感染程度的小麦叶片高光谱图像数据,提取出感染叶片的光谱特征。

玉米种子纯度鉴定方法

玉米种子纯度鉴定方法

玉米种子纯度的检测:确保农业生产的一线防线在现代农业生产中,玉米作为关键的粮食作物之一,其种子的纯度直接关系到作物产量和质量。

真正的高纯度种子能够保证作物的遗传稳定性和生长的一致性,是实现现代化农业高效生产的前提。

本文将从技术方法、实验标准、以及现场应用三个角度,对玉米种子纯度鉴定方法进行深入分析。

一、技术方法的探索在技术方法的探索上,科学家和种植专家们尝试了一系列用于鉴定玉米种子纯度的方法,目的是为了提升检测的准确性和效率。

(1)形态学鉴定传统的种子纯度鉴定依据形态学特征,通过人工进行种子的视觉检查,对比种子的大小、色泽、形状等特征。

(2)生物化学检测该方法使用一系列生物化学反应来检测种子中特定的蛋白质或酶活性,从而辨别种子的类型和纯度。

(3)分子标记技术分子标记技术通过分析种子DNA中的特定基因序列,准确判定种植材料的遗传纯度,这是一种高效且精确的方法。

二、实验标准的制定标准化的实验流程和评估标准是保证种子纯度检测可重复性和准确性的关键。

(1)采样标准确定合理的采样数量和采样方法,保证样品可以代表整批种子的状况。

(2)实验操作的规范制定严格的实验操作流程,包括种子的处理、反应的设置以及结果的读取等,确保每一步骤都符继我们对玉米种子纯度鉴定方法的初步探讨后,我们将深入分析用于确保检测精确性和操作简便性的先进技术和创新方法。

一、先进技术的整合在种子纯度检测中,整合多种先进技术是提升检测能力的关键。

(1)遥感技术的应用利用遥感技术监测作物生长的一致性,获取大面积种植区域的数据,间接评估种子纯度。

(2)自动化图像分析借助计算机视觉进行种子外观的自动化分析,通过算法识别种子形态差异,有效辅助纯度分析。

(3)快速DNA条形码鉴定采用快速DNA条形码技术进行种子DNA的快速筛查,提高种子遗传纯度的检测效率。

二、创新方法的探索随着科技的进步,研究人员在种子纯度检测的方法上不断创新,以适应不同条件下的检测需求。

农产品无损检测中高光谱成像技术的应用研究

农产品无损检测中高光谱成像技术的应用研究

农产品无损检测中高光谱成像技术的应用研究下载温馨提示:该文档是我店铺精心编制而成,希望大家下载以后,能够帮助大家解决实际的问题。

文档下载后可定制随意修改,请根据实际需要进行相应的调整和使用,谢谢!并且,本店铺为大家提供各种各样类型的实用资料,如教育随笔、日记赏析、句子摘抄、古诗大全、经典美文、话题作文、工作总结、词语解析、文案摘录、其他资料等等,如想了解不同资料格式和写法,敬请关注!Download tips: This document is carefully compiled by theeditor.I hope that after you download them,they can help yousolve practical problems. The document can be customized andmodified after downloading,please adjust and use it according toactual needs, thank you!In addition, our shop provides you with various types ofpractical materials,such as educational essays, diaryappreciation,sentence excerpts,ancient poems,classic articles,topic composition,work summary,word parsing,copy excerpts,other materials and so on,want to know different data formats andwriting methods,please pay attention!农产品无损检测中的高光谱成像技术应用研究一、引言随着科技的飞速发展,农产品质量检测技术也在不断进步。

基于高光谱成像的农作物无损检测研究

基于高光谱成像的农作物无损检测研究

基于高光谱成像的农作物无损检测研究随着科技的不断发展,高光谱成像技术被越来越多地应用于农业领域中。

农作物是人类的重要粮食来源,而精确地了解农作物的生长状态和品质对于提高农作物的产量和品质具有重要意义。

而高光谱成像技术的无损检测能够提供农作物生长状态细腻的空间分布信息,使农民和科学家们能够更精确地了解其生长状态和品质,进而进行有效的管理和治理。

一、高光谱成像技术原理高光谱成像技术是指通过光谱分析,获取多波段图像信息,同时获取每一个像素点的连续谱信息。

它可以获取细微颜色与纹理变化的光谱响应,从而得到物体的光谱特征,同时能够进行深入的分析和调查。

高光谱成像技术可以提供高精度的物质分析和检测。

二、农作物无损检测应用1. 大规模农田遥感监测高光谱成像技术能够获取农田中大规模农作物生长状态数据,从而提高农作物的生产效率和品质。

在遥感监测中,可以通过对不同光线反射光谱的分析,得到植物的生长状态和品质信息。

在大规模农田监测中,我们可以提高农民观测农作物的手工记录效率,同时也能够为农业科学研究和管理提供数据支持。

2. 农作物病害监测高光谱成像技术的另一个应用是农作物病害检测。

通过高光谱成像技术,我们可以通过光谱响应来获取农作物的生长状态和品质信息。

同时,我们也可以根据农作物叶片形态的变化来推断农作物是否患病,并可以对植被表面物质进行定量的分析和判断。

现在,许多国家使用该技术,可以以较低的成本及时检测出农作物中的病害(如病斑和萎缩),从而对其进行管理和治理。

3. 农产品质量检测高光谱成像技术还可以应用于农产品的质量检测。

通过高光谱成像技术,我们可以获取精确的光谱信息,从而推断农产品的品质状况,如成熟度、酸度、糖分、水分等。

此外,在构建数据模型方面,高光谱成像技术可以更精确地进行复杂的扫描,并使用多种方法进行数据处理和分析,从而识别和判定不同的品质。

三、高光谱成像技术的潜力和前景伴随着科技的不断发展,高光谱成像技术不断完善和发展,其超强的信息处理和识别性能被人们充分发掘和运用。

基于高光谱成像技术的玉米种子品质检测研究

基于高光谱成像技术的玉米种子品质检测研究

基于高光谱成像技术的玉米种子品质检测研究基于高光谱成像技术的玉米种子品质检测研究随着农业科技的不断进步和发展,高效、准确的种子品质检测变得越来越重要。

玉米作为世界上重要的粮食作物之一,在全球范围内种植面积广大,并且种植者对于种子品质的要求也越来越高。

传统的种子品质检测方法通常需要耗费大量的时间和人力物力,并且往往无法准确、全面地评估种子的品质。

然而,基于高光谱成像技术的种子品质检测方法为这一问题提供了新的解决方案。

高光谱成像技术利用整个可见光和近红外光谱范围内的连续波段数据,能够提供更加详细和全面的信息。

通过对不同波段的反射率进行分析,可以获取种子的内部成分分布、形态特征以及表面质量等信息,从而实现对种子品质的全面评估。

在进行高光谱成像前,首先需要收集和准备一定数量的玉米种子样本。

这些样本应该具有不同的品种、不同的生长环境和不同的处理方法,以保证研究的全面性和可靠性。

然后,将这些种子样本置于高光谱成像设备下,在不同波段和不同角度下获取种子的光谱信息。

之后,通过对这些数据进行预处理和分析,可以得到种子的特征向量。

接下来,研究者需要建立种子品质与光谱数据之间的关系模型。

这一模型可以通过机器学习算法进行构建,比如支持向量机(SVM)和随机森林(Random Forest)等。

在建立模型时,需将样本数据分为训练集和测试集,以验证模型的准确性和稳定性。

通过迭代优化模型参数,最终得到一个能够准确预测种子品质的模型。

通过这种基于高光谱成像技术的种子品质检测方法,研究者可以实现种子品质的快速检测和评估。

与传统方法相比,这种方法大大缩短了检测时间,并且能够实现对种子品质的全方位评估。

同时,由于高光谱成像技术具有非接触性,可以避免对种子的破坏,保持种子的完整性和可用性。

此外,高光谱成像技术还可以用于种子病害和虫害的检测。

通过对病虫害发生区域的光谱特征进行分析,可以实现对种子病害和虫害的早期检测和预警。

这对于种子的防治和质量保障具有重要意义。

基于近红外光谱的玉米品种鉴别方法

基于近红外光谱的玉米品种鉴别方法

分析检测基于近红外光谱的玉米品种鉴别方法吕晨曦,倪 金,杨冬风*(黑龙江八一农垦大学 信息与电气工程学院,黑龙江大庆 163319)摘 要:玉米因其耐旱、产量高、抗倒伏等优点,被广泛种植于我国各地。

但因不同玉米品种间价格和品质差异较大,人工分辨其品种较为困难。

基于此,本文利用近红外光谱技术结合机器学习建立预测模型,提出了一种快速鉴别玉米品种的方法。

实验将采集到的玉米粒近红外光谱数据经过多元散射校正预处理后,建立核极限学习机模型用于玉米品种预测实验。

结果表明,核极限学习机在玉米品种鉴别中能够表现出较好的效果,其预测准确率和F1值可以达到85.66%和90%。

为了进一步提高预测准确率,实验还针对建模中的两个重要参数引入了灰狼优化算法,即核函数γ和惩罚因子C的寻优,该算法有效提升了模型准确率和F1值,达到了实际应用标准。

该方法为食用玉米品种分类提供了技术保障,同时也对有关部门的管理和监督提供了借鉴。

关键词:玉米;品种分类;近红外光谱;灰狼优化算法;核极限学习机Qualitative Identification Method of Maize Varieties Based onNear-Infrared SpectroscopyLV Chenxi, NI Jin, YANG Dongfeng*(College of Information and Electrical Engineering, Heilongjiang Bayi Agricultural University, Daqing 163319, China) Abstract: Corn is widely planted in various parts of China due to its advantages such as drought resistance, high yield, and lodging resistance. However, due to significant differences in price and quality among different corn varieties, it is difficult to manually distinguish them. Based on this, this article uses near-infrared spectroscopy technology combined with machine learning to establish a prediction model and proposes a fast method for identifying corn varieties. The experiment will preprocess the collected near-infrared spectral data of corn kernels through multiple scattering correction, and establish a kernel limit learning machine model for corn variety prediction experiments. The results show that the kernel limit learning machine can perform well in identifying corn varieties, with prediction accuracy and F1 values reaching 85.66% and 90%, respectively. In order to further improve the prediction accuracy, the experiment also introduced the Grey Wolf optimization algorithm for two important parameters in modeling, it’s the optimization of kernel function parameter γ and penalty factor C, this algorithm effectively improves the model’s prediction accuracy and F1 value, meeting the practical application standards. This method provides technical support for the classification of edible corn varieties, and also provides reference for the management and supervision of relevant departments.Keywords: corn; variety classification; near-infrared spectroscopy; gray wolf optimization; kernel limit learning machine玉米是我国重要的粮食作物之一,不同品种间价格和品质均存在较大区别,但外观极为相似,这导致市场上常出现使用廉价品种冒充高价品种玉米售卖的现象。

高光谱成像技术检测玉米种子成熟度

高光谱成像技术检测玉米种子成熟度

高光谱成像技术检测玉米种子成熟度杨小玲;由昭红;成芳【期刊名称】《光谱学与光谱分析》【年(卷),期】2016(036)012【摘要】The seed maturity,which is one of the important factors that affect seed vigor,is an important quality index.During seedsorting,separating mature seeds from immature seeds can improve the vigor of seed lot and keep vigor consistency.Hyper-spectral imaging that covered the range of 400~1 000 nm was used to find out the sensitive bands reflecting corn seed maturity, and corresponding images were employed to classify the immature corn seeds.Principal component analysis (PCA)algorithm was adopted to analyze the hyperspectral image.PC2 of PCA had the greatest difference between immature and mature areas on the seeds,therefore,the weighted coefficients of PC2 was selected to extract sensitive wavebands (501 nm).Regions of interest (ROI)from mature and immature area of 70 immature kernels was selected for mean spectra calculation.Partial least square re-gression(PLSR)algorithm was employed to analyze the spectra of ROI and extract wavelength related to maturity (5 1 8 nm). Band ratio algorithm and Kruskal-Wallis test were used to select the best band ratio that had the biggest difference between ma-ture and immature areas (640 nm/525 nm).864 kernels of corn seed were analyzed by gray images of the selectedwavelengths as well as band ratio images.Results showed that the light color regions of the seed crown were misidentified as immature region when the images of selected single band wavelengths were used,while the band ratio image of 640 nm/525 nm could be identified correctly.The immature seeds can be separated from the mature seeds according to the area ratio of segmented immature region to the whole kernel.The correct recognition rate was 93.9%.Using the grey images of selected band ratio can differentiate im-mature corn seeds from mature seeds effectively,which provide a theoretical reference for the development of seed sorting device in further work.%成熟度是影响种子活力的重要因素之一,是种子质量的重要指标。

基于高光谱图像技术和SVDD的玉米种子识别

基于高光谱图像技术和SVDD的玉米种子识别

基于高光谱图像技术和SVDD的玉米种子识别
朱启兵;冯朝丽;黄敏;朱晓
【期刊名称】《光谱学与光谱分析》
【年(卷),期】2013(033)002
【摘要】特征提取的充分性和分类器设计的合理性是影响玉米种子识别精度的两个关键问题.采集了玉米种子的高光谱图像,并提取每粒玉米种子在不同波段下的图像熵作为分类特征;在此基础上,利用支持向量数据描述方法构建每类玉米的分类器模型,对待识别样本的测试精度达到了94.14%,对新类别样本的识别精度达到92.28%.仿真结果表明:新方法可实现玉米种子的准确识别,同时解决了传统分类器对新类别样本的错误分类问题.
【总页数】5页(P517-521)
【作者】朱启兵;冯朝丽;黄敏;朱晓
【作者单位】江南大学轻工过程先进控制教育部重点实验室,江苏无锡214122;江南大学轻工过程先进控制教育部重点实验室,江苏无锡214122;江南大学轻工过程先进控制教育部重点实验室,江苏无锡214122;江南大学轻工过程先进控制教育部重点实验室,江苏无锡214122
【正文语种】中文
【中图分类】TP391.4
【相关文献】
1.基于高光谱图像技术的大豆分级识别方法研究 [J], 柴玉华;侯升飞;彭长禄
2.基于图像熵信息的玉米种子纯度高光谱图像识别 [J], 朱启兵;冯朝丽;黄敏;朱晓
3.基于高光谱图像技术的稻田苗期杂草稻识别 [J], 陈树人;邹华东;吴瑞梅;闫润;毛罕平
4.基于高光谱图像技术的小麦种子分类识别研究 [J], 张航;姚传安;蒋梦梦;姬豫航;李华杰
5.基于高光谱图像技术的指纹识别研究 [J], 赵明富;夏曦;张政委;冯小平
因版权原因,仅展示原文概要,查看原文内容请购买。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

引 言
2 0 1 1 年 ,国 务 我国是农业大国 ,种子 则 是 农 业 的 根 本 。 ,将 农 院出台了 《 关于加快推进现代农作物种 业 发 展 的 意 见 》 作物种业提升到了国家战略 性 、基 础 性 核 心 产 业 的 高 度 。玉 米是我国主要的粮 食 和 饲 料 作 物 ,近 年 来 , 随着大量玉米杂 交种进入市场 ,玉米种子质量 问 题 逐 渐 显 现 出 来 ,对 种 子 质 量进行鉴定变得越 来 越 迫 切 。纯 度 是 种 子 质 量 的 关 键 指 标 , 影响玉米杂 交 种 纯 度 的 主 要 因 素 有 机 械 混 杂 ,生 物 学 混 杂 等 ,其中母本由于去雄不及时 、不 彻 底 使 母 本 自 交 结 实 是 影 响种子纯度的主要原因 。 玉米杂交种纯度鉴 定 的 方 法 有 很 多 , 主要分为田间种植 鉴定和室内鉴定两类 。种植鉴 定 是 公 认 的 最 准 确 、最 权 威 的 纯度 鉴 定 方 法 ,但 是 其 缺 点 是 时 间 长 、用 地 多 、费 用 高 。室 内鉴定方法中 ,形态 学 鉴 定 方 法 易 受 环 境 ,种 子 的 大 小 、颜 色和成熟度的影响 ,准确性差 ;电 泳 谱 带 鉴 定 技 术 和 分 子 标 记鉴定法
第3 第1 3卷 , 0期 光 谱 学 与 光 谱 分 析 2013 年 10 月 S e c t r o s c o n dS e c t r a lA n a l s i s p p ya p y
V o l . 3 3, N o . 1 0, 2 8 4 7 2 8 5 2 p p , O c t o b e r 2 0 1 3
[ 2]
3 5] 。本 课 题 组 对 玉 米 品 种 烟草和食品等领 域 得 到 广 泛 应 用 [
的近红外光谱鉴定方法进行了一系列探 索 性 研 究 ,提 出 了 以 近红外光谱和仿生模式识别的玉米品种 鉴 别 方 法 ,并 初 步 建
1] 。现 有 的 立了近红外光谱的实用化玉米品种籽 粒 判 别 系 统 [
基于高光谱图像技术的玉米杂交种纯度鉴定方法探索
贾仕强 ,刘 哲 ,李绍明 ,李 林 ,马 钦 ,张晓东 ,朱德海 ,严衍禄 ,安 冬
中国农业大学信息与电气工程学院 ,北京 1 0 0 0 8 3
摘 要 对玉米种子高光谱图像的光谱维信息进行分 析 ,探 索 利 用 高 光 谱 图 像 技 术 鉴 定 玉 米 杂 交 种 纯 度 的 可行性 。实验中利用高光谱成像系统采集玉米品种农华 1 0 1 的母本和杂交种的高光谱图像 ,波长 范 围 8 7 1~ 1 6 9 9n m;在每个玉米样本上提取感兴趣区域的平均光谱信息 ,利用处理后的数据 建 立 农 华 1 0 1母本和杂交 种子胚 正 对 光 源 和 背 对 光 源 ,种 子 在 样 品 台 上 的 位 置 ) 和实验环境 种的鉴定模型 。讨论了样品的摆放方式 ( 对鉴定模型性能的影响 。鉴定模型对不同摆放方式和实 验 环 境 下 获 得 的 同 种 样 品 的 光 谱 的 正 确 识 别 率 和 正
[] 确拒识率均达到 9 0% 以上 ,模型稳健性良好 。利用 Q s方法选择特征波段 1 ,发现在 12 3 0n m 附近 ( 11 9 5~
农华 1 12 4 6n m) 0 1 的母本和杂交种差异最大 。实验中利用特征 波 段 内 的 数 据 进 行 建 模 和 测 试 ,正 确 识 别 率 和正确拒识率达到 9 获 得 的 识 别 效 果 相 当 。分 析 结 果 表 明 ,利 用 高 0% 以上 ,与利用全波段 ( 9 2 5~1 5 9 7n m) 光谱图像技术鉴定玉米杂交种纯度是可行的 。 关键词 玉米杂交种 ;纯度鉴定 ;高光谱图像技术 : / ( ) 中图分类号 : . i s s n . 1 0 0 0 0 5 9 3 S 5 1 3 文献标识码 :A 犇 犗 犐 1 0 . 3 9 6 4 2 0 1 3 1 0 2 8 4 7 0 6 j 本低的特点 ,并且易 于 实 现 在 线 分 析 , 在 农 业 、医 药 、石 化 、
技术提取玉米种子 的 图 像 特 征 ,能 较 准 确 地 鉴 别 玉 米 品 种 ;
1 0] 冯朝丽等 [ 利用 4 0 0~10 0 0n m 波段的高光谱图像的光谱
特征对玉米品种进行识别 ,测试集的识别精度达到 9 9 . 6 6% ;
1 1] 朱启兵等 [ 提出了 高 光 谱 反 射 图 像 采 集 系 统 及 基 于 该 系 统
研究表明 ,近红外光谱分析方 法 有 受 样 品 均 匀 性 、环 境 影 响 较大的缺点 。该技术适于分析 均 匀 样 品 ,而 农 作 物 种 子 等 天 然产物性质并不均 匀 。近 红 外 光 谱 对 温 度 和 水 分 变 化 敏 感 , 所以同种玉米样品在不同时间 ( 环境因素发生变化 ) 测量的 光 谱存在显著差异 。这导致特定条件下建立的 N I R 分析模型只 能适用于该条件下的样品性 质 分 析 ,模 型 稳 健 性 较 差 。因 此 探索使用成像光谱技术来解决上述问题 。 高光谱图像技术是近年来出现的一种结合图像技术与光 谱技术的无损检测新方法 。此技术可以获 得 不 均 匀 样 品 全 面 的化学信息 ,得到其化学成分 的 空 间 分 布 情 况 。目 前 国 外 在 利用高光谱分析农作物生长情况 ,种子品 质 等 方 面 做 了 丰 富
的玉米种子纯度无损检测方法 ,为玉米种 子 纯 度 的 检 测 提 供 了一种新方法 。 以上研究都只分析了可见光波段和短波近红外波段的高 光谱图像 ,且没有考虑玉米样品胚正对光 谱 和 背 对 光 源 及 样 品的摆放位置对系统识别性能的影响 ,也 没 有 分 析 鉴 定 模 型 对不同测量环境下测量的高光谱数据是 否 都 能 正 确 识 别 。短 适合做长光程的透射光谱 波近红外高光谱 ( 7 0 0~11 0 0n m) 分析 ,中长波近红外高光谱 ( 适合做短光程 11 0 0~25 0 0n m)
8] 等[ 利用 高 光 谱 图 像 技 术 鉴 别 油 菜 籽 品 种 , 识 别 率 达 到
9 1 . 6 7% ,证明高光谱 图 像 技 术 对 油 菜 籽 品 种 具 有 较 好 的 分 类和鉴别作用 。 在利用高光谱成像技术分析玉米品 质 方 面 ,也 有 很 多 新
9] 的研究 。黄敏等 [ 利用 5 6 3 . 6~9 1 1 . 4n m 波段的 高 光 谱 图 像
2 0 1 3 0 1 2 0,修订日期 : 2 0 1 3 0 3 2 6 收稿日期 :
谱成像和多元变量分析检测玉米种子的 真 菌 污 染 情 况 ,取 得 了良好的效果 ;国内的许多学 者 也 进 行 了 类 似 的 研 究 ,邹 伟
) ,北京市科技计划项目农科城种子检测 I 项目 ( 8 6 3 计划 ) 2 0 1 1 AA 1 0 A 1 0 3 1 S T A 认证与 服 务 平 台 建 设 ( D 1 3 1 1 0 0 0 0 0 4 1 3 0 0 2) 基金项目 :国家 ( ) 和国家大学生科技创新项目 ( 资助 2 0 1 2 1 0 0 1 9 1 2 4 : 1 9 8 9 年生 ,中国农业大学信息与电气工程学院研究生 e m a i l i a s h i i a n a u . e d u . c n 作者简介 :贾仕强 , @c j q g : m a i l . c o m; m a i l a n c l e a r a n d o n e m i . a c . c n 通讯联系人 e @g @s g
[] 的研究 ,W e s t等 6 使 用 高 光 谱 成 像 技 术 有 效 地 检 测 了 农 作 [] 物种子中化学污染物的含 量 ;W i l l i a m s等 7 运 用 近 红 外 高 光
ቤተ መጻሕፍቲ ባይዱ
可以获得较高的准 确 率 ,但 都 有 操 作 复 杂 ,成 本
较高的缺点 ,不利于推广应用 。 近红外光谱 ( 分 析 技 术 具 有 分 析 速 度 快 、无 损 、成 N I R)
5] 。短波近 红 外 高 光 谱 将 玉 米 的透射光谱或漫反射光谱分析 [
种子内部的化学成分分布信息均匀化 ,不 能 反 映 玉 米 种 子 的 形态结构特征 ,中长波近红外高光谱则可 以 获 得 种 子 表 面 和 形态结构信息 ,可以更好地提 取 种 子 的 特 征 。因 此 有 必 要 对 中长波近红外高光 谱 ( 的相关应用进行探 11 0 0~25 0 0n m) 索。 由于高光谱图像技术可以获得玉米 样 品 的 图 像 ,能 够 采 集到整个种子的化学信息 ,可以克服样品 的 化 学 信 息 分 布 不 均匀造成的测试误差 ,同时样品的测试位 置 对 测 量 的 影 响 也 会减小 。而且高光谱丰富的图像信息对玉 米 杂 交 种 纯 度 的 鉴 定有很大帮助 ,有利于克服环 境 因 素 对 测 量 的 影 响 。本 工 作 研究了玉米品种农华 1 0 1 及其母本的 高 光 谱 鉴 定 方 法 ,采 集 玉米样品 8 7 1~16 9 9n m 波段范 围 内 的 高 光 谱 图 像 ,通 过 对 高光谱图像感兴趣区域反射率光谱的提 取 ,并 结 合 仿 生 模 式 识别建模方法对玉米种子进行鉴定 。 犉 犻 1 犎 犲 狉 狊 犲 犮 狋 狉 犪 犾 犻 犿 犪 犻 狀 狊 狊 狋 犲 犿 犵 狔 狆 狆 犵 犵 狔 1 2 样品与图像获取 实验中使用的两组样品是玉米品种农华 1 0 1 的母本和 杂 交种种子 ,样品纯度 1 0 0% 。采集图像时系统 的 初 始 值 设 置 : ,帧频 : 镜头焦距 3 5mm,物距 3 1c m,积分时间 1 50 0 0μ s 6 0 ,图像尺寸 3 ;空 间 分 辨 率 0 f s 8 0×2 4 0p i x . 2 5 mm。将 样 品 p 放 在3 0c m×5 0c m 的全黑背景下 ,采用白板标定 。采集的每 ,波 段 间 隔 为 组数 据 中 , 共 3 0 8个波段( 8 7 1~16 9 9n m) 2 . 6 9 84n m。每 个 波 段 采 集 一 幅 图 像 ,图 2 为 农 华 1 0 1样品 , 在 12 处的高光谱图像 图中虚线划分的 个区域中的 3 0n m 4 样品名称以及摆放方式见标注 ,每个 区 域 中 摆 放 1 2粒样品, 改变样品胚的朝向和调换不同区域中的 样 品 ,采 集 不 同 的 高 光谱图像 。 1 1 仪器设备 实验中利用图 1 所示的高光谱成像系统采集高光谱图 像 数据 。整个系统由图像采集单元 、光源 、样本输送平台 3 部 实验数据分两次采集 ,采 集 时 间 间 隔 一 周 。第 一 次 采 集 数据时 ,从农华 1 0 1 母本种子和杂交 种 中 各 选 择 2 4粒样品, 变换样品的摆放方式 ,采集 4 组高光谱图像数据 。第二次采
相关文档
最新文档