融合光谱、纹理及形态特征的水稻种子品种高光谱图像单粒鉴别

合集下载

基于高光谱图像技术的稻田苗期杂草稻识别

基于高光谱图像技术的稻田苗期杂草稻识别

基于高光谱图像技术的稻田苗期杂草稻识别陈树人;邹华东;吴瑞梅;闫润;毛罕平【摘要】以生长期为10 d的杂草稻和水稻为研究对象,采集其高光谱图像信息,对其进行滤波预处理后,利用主成分分析方法优选出1448.89 nm和1469.89 nm波长下的特征图像.对每个特征图像,分别提取其形状特征、纹理特征和颜色特征,共18个特征变量.基于这些特征变量,利用神经网络方法建立杂草稻和水稻的判别模型,模型训练时杂草稻和水稻的回判率都为100%;预测时,杂草稻的回判率为92.86%,水稻的回判率为96.88%.研究表明,利用高光谱图像技术快速鉴别稻田苗期杂草稻是可行的.【期刊名称】《农业机械学报》【年(卷),期】2013(044)005【总页数】6页(P253-257,163)【关键词】杂草稻;水稻;高光谱图像;神经网络【作者】陈树人;邹华东;吴瑞梅;闫润;毛罕平【作者单位】江苏大学现代农业装备与技术教育部重点实验室,镇江212013;江苏大学现代农业装备与技术教育部重点实验室,镇江212013;江西农业大学工学院,南昌330045;江苏大学现代农业装备与技术教育部重点实验室,镇江212013;江苏农林职业技术学院机电工程系,句容212400;江苏大学现代农业装备与技术教育部重点实验室,镇江212013【正文语种】中文【中图分类】TP391.41;S365引言杂草稻(Weedy rice)是一种兼有野生稻和栽培稻特性的恶性杂草,已成为仅次于稗草和千金子的第3 大水田恶性杂草[1]。

杂草稻在苗期其形态与水稻差异很小,生长到约4 周时,其叶片在形态和颜色上会发现变化。

杂草稻的危害表现在其竞争性强,在稻田中与栽培稻争夺阳光、养分和水分,严重影响水稻产量和质量[2]。

粗放式大面积的化学除草带来了诸多负面影响,如环境污染、粮食和农产品安全等,精准式变量喷洒技术是根据杂草和作物分布情况变量定点喷洒除草剂[3],能有效减少化学农药的施用量,降低生态环境的污染程度,而田间杂草的自动识别是实施精准式变量喷洒作业的关键问题。

基于近红外光谱的单籽粒水稻种子品质检测的方法研究

基于近红外光谱的单籽粒水稻种子品质检测的方法研究

基于近红外光谱的单籽粒水稻种子品质检测的方法研究近红外光谱(Near infrared spectroscopy,NIRS)技术因具有快速、无损等优点已经被广泛的用于定性、定量分析单粒谷物种子,这种分析方式不仅克服了传统检测方法中耗时长、工作量较大、不环保等缺点,且能够更加精确的获取具有目标性状的种子,有利于种子的品质分析、收购、储藏等环节的实时监管。

水稻是全球重要的粮食作物之一,由于存在粒径小、种壳干扰等原因,其在近红外光谱技术的分析应用方面的研究较少。

本论文基于这一研究现状,细致分析了单粒糙米和单粒水稻种子的近红外光谱特点,并成功建立相应的分析模型,证明了近红外光谱技术能够用于单粒糙米、稻种的无损品质分析。

获得的主要结果如下:1)建立单粒糙米水分含量的近红外漫反射光谱模型,结果表明:采用5292~5616cm-1、7236~7600cm-1、7884-8208cm-1波数范围,用标准正态变换光谱预处理(SNV)建立的单粒糙米水分偏最小二乘(PLS)模型的预测能力最佳,其决定系数(R2)为0.98,预测误差均方根(RMSEP)为1.01%;采用8285.12cm-1、7158.84cm-1、5492.56cm-1这3个波数变量建立的单粒糙米含水量多元线性回归(MLR)模型,变量最少且预测能力较优,其R2为0.9661,RMSEP为1.137%。

2)分析了糙米和水稻种子的近红外光谱特征,并细致对比了不同光谱采集方式和不同光谱预处理下单粒糙米和单粒种子蛋白质模型。

单粒糙米的蛋白质定量分析中,透射和透反射光谱采集方式下均能建立较好的近红外光谱蛋白质模型;其中在透反射光谱采集方式下,选择4000~9000cm-1波数范围,SNV光谱预处理下,单粒糙米的蛋白质模型的R2为0.941,RMSEP为0.338%。

单粒水稻种子光谱对其糙米蛋白质含量的定量分析中,透反射光谱能够增强光谱的信噪比,选择6500~9100cm-1波数范围和SNV光谱预处理,其模型的RMSEP为0.806%,具有一定的相关性;而透射光谱采集方式下,选择7200~9100cm-1波数范围和SNV光谱预处理,单粒种子光谱和其糙米蛋白质含量的相关性极好,模型的R2为0.964,RMSEP为0.244%。

水稻籽粒蛋白质含量的高光谱估测研究

水稻籽粒蛋白质含量的高光谱估测研究

水稻籽粒蛋白质含量的高光谱估测研究张浩;姚旭国;张小斌;金千瑜;郑可锋【期刊名称】《中国粮油学报》【年(卷),期】2009(024)011【摘要】探索不同高光谱模型估测水稻籽粒蛋白质含量的精度,对于快速、无损、准确地监测水稻籽粒品质具有重要意义.在浙江省海宁市晚稻收获期同步采集了水稻籽粒光谱反射率与蛋白质含量数据,并分别对获取的数据进行了单波段相关分析、植被指数回归分析、神经网络模拟.通过分析得出以下结论:(1)水稻籽粒光谱反射率、微分光谱与对应的蛋白质含量密切相关.其中,在蓝光、红光和近红外处光谱反射率与水稻籽粒蛋白质含量的相关系数和确定性系数稳定且较高,而微分光谱与水稻籽粒蛋白质含量之间的相关系数和确定性系数变化较大,在500~750 nm间则相对稳定;(2)5种植被指数和水稻籽粒蛋白质含量均密切相关.线性模型的预测值与实测值之间的相关系数在0.44~0.55之间,均方根差在0.46~0.79之间;(3)神经网络模型可以容纳更多的相关波段参与水稻籽粒蛋白质含量的估算,实测值与预测值的相关系数高于其他模型,而均方根差低于其他模型,可以用于快速无损检测水稻籽粒蛋白质含量.【总页数】5页(P1-5)【作者】张浩;姚旭国;张小斌;金千瑜;郑可锋【作者单位】浙江省农业科学院数字农业研究中心,杭州,3100211;水稻生物学国家重点实验室,杭州,310006;浙江省农业科学院数字农业研究中心,杭州,3100211;浙江省农业科学院数字农业研究中心,杭州,3100211;水稻生物学国家重点实验室,杭州 310006;浙江省农业科学院数字农业研究中心,杭州,3100211【正文语种】中文【中图分类】S511;S-3【相关文献】1.水稻氮素高光谱遥感估测模型研究 [J], 李永梅;张学俭;张立根2.高温胁迫下水稻产量的高光谱估测研究 [J], 谢晓金;李映雪;李秉柏;申双和;程高峰3.利用高光谱参数预测水稻叶片叶绿素和籽粒蛋白质含量 [J], 孙雪梅;周启发;何秋霞4.水稻叶片氮素及籽粒蛋白质含量的高光谱估测模型 [J], 张浩;胡昊;陈义;唐旭;吴春艳;刘玉学;杨生茂;郑可锋5.基于高光谱的水稻生物量估测模型研究 [J], 陈小芳;李军;李新伟;周毅因版权原因,仅展示原文概要,查看原文内容请购买。

怎样鉴别水稻种子好坏.doc

怎样鉴别水稻种子好坏.doc

怎样鉴别水稻种子好坏水稻是我国的主要粮食作物,大家在种植水稻之前首先会考虑水稻品种的好坏,那么水稻种子好坏如何鉴别呢?下面小编为大家详细介绍一下吧。

怎样鉴别水稻种子好坏看整齐度鉴别混有其它稻谷的种子粒型不整齐,谷粒饱满程度也不一样。

看谷壳色鉴别良种谷粒颜色应该比较一致,颜色比较鲜亮。

陈种子颜色较暗。

净度鉴别一般目测种子时无土粒、砂粒,用手插入种子堆或种子袋内,抽出时指缝和手背上没有灰尘等杂质,这时种子的净度一般在97%左右。

水分鉴别用牙咬,谷粒有破碎声,这时种子的含水量一般在14%左右;若无破碎声或谷粒断面不齐,这时种子的含水量一般高于14%。

发芽力鉴别发芽力是保证苗全、苗齐、苗壮的首要条件,也是种子好坏的重要指标,种子的发芽力通常用发芽势和发芽率来表示。

发芽势可以判断种子出苗快慢和整齐度,发芽率是判断种子出苗多少,也是确定种子利用价值的依据。

因此购买的水稻种子发芽势要强、发芽率要高。

一级良种发芽率应在95%以上,最低也在90%以上。

检查种子的发芽力方法是随机取一定数量的种子,在30度的温水里浸种24小时,6小时内换一次水,种子浸好后,用开水将纱布浸烫消毒,冷却后,把种子包起来,放在炕头上进行催芽,并保持一定的湿度,3天后检查种子发芽数占总粒数的多少表示发芽势的强弱,7天后发芽数占总粒数的多少表示发芽率。

陈种子鉴别凡种皮色泽鲜、壳黄,种胚充实丰满,挖胚时,湿润带色,这类种子为生活力高的新种;反之,种皮色泽暗淡,种皮干秕,这类种子为生活力弱的种子。

凡新种中均无虫蛀的空壳、虫屎(蛀粉)和虫衣等现象,而陈种中则带有大量的谷壳、虫蛀的破谷和虫衣等迹象,而且陈种比重比新种低。

关于怎样鉴别水稻种子好坏,小编就为大家介绍到这,如果你想了解更多关于水稻种子相关知识,请关注我们火爆农资招商网。

不同品种水稻叶片的高光谱特征及其色素、含水率分析

不同品种水稻叶片的高光谱特征及其色素、含水率分析

不同品种水稻叶片的高光谱特征及其色素、含水率分析作者:张亚彪罗举唐健等来源:《安徽农业科学》2015年第07期摘要研究了7个供试水稻品种孕穗期叶片色素以及含水率与高光谱特征参数之间的关系。

在绿峰反射、红谷吸收以及水分吸收处,不同供试水稻品种高光谱波段反射率有显著差异。

利用相关的分析方法,以(R640-R670)/R670、(R800-R680)/(R800+R680)、1/R510-1/R550、Dr、Sr、Rg 6个光谱参数构建水稻叶片色素模型;同时,分析1 450 nm处水稻叶片含水率与吸收深度及吸收面积的相关性。

研究表明,不同品种水稻含水率与光谱吸收差异在一定程度上反映出水稻品种间抗虫性差异。

水稻叶片色素、含水率的高光谱特征在较大尺度上对田间水稻品种分类、健康诊断和品种抗性鉴定上有重大意义。

关键词水稻叶片;高光谱特征;叶片色素含量;含水率;抗虫性中图分类号S511文献标识码A文章编号0517-6611(2015)07-040-05Hyperspectral Characteristics of Rice Leaves and Their Pigment and Water Content AnalysisZHANG Ya-biao1, LUO Ju2, TANG Jian2, LIU Ying-hong1* (1. Plant Protection College, Southwest University, Chongqing 400715; 2. China National Rice Research Institute,Hangzhou, Zhejiang 310000)Abstract The relationship between leaf pigment content as well as water content and hyperspectral characteristic parameters in seven tested rice varieties in booting stage was studied. There are significant differences of hyperspectral reflectance in rice varieties in green reflectance maintain, red absorption maintain and water absorption maintain. By correlative analysis method,the paper uses (R640-R670)/R670,(R800-R680)/(R800+R680),1/R510-1/R550,Dr,Sr Rg to build up leaf pigment content models, and analyzes correlation between water content and absorption depth as so as area in 1 450 nm. The results showed that the difference of water content and spectral absorption partly reflects the difference of insect resistance among different rice varieties. Hyperspectral characteristics of water content and pigment content in rice leaves have great significance for field rice varieties classification, health diagnosis and resistance identification in a large scale.Key words Rice leaves; Hyperspectral characteristics; Leaf pigment content; Water content; Insect resistance植物叶片色素主要包括叶绿素和类胡萝卜素,能够反映绿色植物的生长状况,与植物光合作用密切相关。

一种基于近地面高光谱影像的水稻阴阳叶穗识别方法[发明专利]

一种基于近地面高光谱影像的水稻阴阳叶穗识别方法[发明专利]

专利名称:一种基于近地面高光谱影像的水稻阴阳叶穗识别方法
专利类型:发明专利
发明人:朱艳,周凯,程涛,曹卫星,姚霞,田永超
申请号:CN201611020653.1
申请日:20161121
公开号:CN106568730A
公开日:
20170419
专利内容由知识产权出版社提供
摘要:本发明提出一种基于近地面高光谱影像的水稻阴阳叶穗识别方法,通过对水稻冠层内部不同器官组分光谱特征进行差异分析,获得阴阳叶穗分类决策树并区分阴叶、阳叶、阴穗、阳穗。

该识别方法具有较高的识别精度,操作步骤简单易行,运算速度快,适用于不同水稻品种、不同栽培处理、不同生育时期,可广泛用作水稻冠层内部不同器官组分像元的识别分类。

申请人:南京农业大学
地址:210095 江苏省南京市玄武区卫岗1号
国籍:CN
代理机构:南京天华专利代理有限责任公司
更多信息请下载全文后查看。

杂交水稻品种鉴定方法(综述)

杂交水稻品种鉴定方法(综述)

杂交水稻品种鉴定方法(综述)作者:丁健美刘之熙来源:《南方农业·上》2022年第07期摘要通过查阅文献,归纳总结了目前用于杂交水稻品种鉴定的几类方法。

种子形态鉴定法、幼苗形态鉴定法、田间种植鉴定法、计算机模拟形态分析技术等形态学方法,难以辨别种子形状差异和形态不太明细的真假品种,且鉴定周期长,在一定程度上受鉴定人员的自身技术与经验制约。

同工酶电泳鉴定、蛋白质电泳鉴定等生化鉴定法,受限条件较多,实际工作中应用较少。

DNA分子技术鉴定法主要有RAPD标记鉴定、RFLP标记鉴定、AFLP标记鉴定、SSR标记鉴定、SNP标记鉴定。

DNA分子标记鉴定,可应用于杂交水稻品种纯度与真实性鉴定、审定监管等各环节,具有鉴定快速、周期短、准确、简便、经济等诸多优点,是农作物品种鉴定的发展方向。

关键词杂交水稻;品种鉴定中图分类号:S511.5 文献标志码:C DOI:10.19415/ki.1673-890x.2022.13.040品种鉴定是种子市场监管和品种审定准入的主要内容,是育种工作的重要阶段,也是衡量成果能否转化的重要环节。

因此,品种鉴定在种子生产、加工、储藏及经营贸易等流通过程中具有重要意义和应用价值。

但在种子流通中,为节省成本与缩短时间周期,往往忽略品种鉴定的重要性,导致仍有种子掺假的案件发生,给生产造成了难以挽回的损失[1]。

杂交水稻是我国最主要的农作物,对保障国家粮食安全起到举足轻重的作用,因此,随着全国杂交水稻种植面积比重逐年增大,对杂交水稻种子的质量(主要是真实性和纯度)检查和监督尤为重要。

目前,杂交水稻品种鉴定的方法主要有形态鉴定法、生化鉴定法、DNA分子技术鉴定法。

1 形态鉴定法1.1 种子形态鉴定法种子形状比较稳定,故形态鉴定方法简单,快速经济。

主要通过观察种子的外观形态特征,包括种子的长宽度与大小、形状、颜色、光泽、种皮形态、垩白、胚乳等性状,借助仪器或工具(如放大镜、解剖镜等)观察,进行品种鉴定,一般情况下可鉴定出杂交水稻样品的真实性[2-3]。

光谱及高光谱成像技术在作物特征信息提取中的应用研究共3篇

光谱及高光谱成像技术在作物特征信息提取中的应用研究共3篇

光谱及高光谱成像技术在作物特征信息提取中的应用研究共3篇光谱及高光谱成像技术在作物特征信息提取中的应用研究1光谱及高光谱成像技术在作物特征信息提取中的应用研究摘要:随着现代农业技术的发展,通过高光谱成像技术获取的数据为作物特征信息提取提供了新的途径。

本文对光谱及高光谱成像技术在作物特征信息提取中的应用进行了综述,同时探讨了这些技术在农业领域的发展前景。

关键词:光谱、高光谱成像、作物特征、信息提取、发展前景引言在现代化的农业生产中,不仅需要依靠高新技术对作物进行精细化管理,还需要对农田中作物的特征信息进行精准提取。

其中,光谱及高光谱成像技术成为作物特征信息提取的主要手段之一,其有效地提升了农业管理的水平。

一、光谱成像技术在作物特征信息提取中的应用光谱成像技术是指在特定波段范围内对微弱光进行有效采集和成像,并根据所获得的光谱信息来确定物体的性质和结构。

该技术可用于获取作物的生理生化信息、生长状态和气候状况等特征信息,进而为农业管理提供多方位数据支持。

1.1 光谱成像技术在农作物品种识别中的应用农作物品种的识别对于区分田间作物、优化作物生产管理和提高作物产量水平具有重要意义。

利用光谱成像技术可获取作物叶片、花朵等有色组织的非接触式图像,通过建立光谱特征库并采用专门的算法进行图像识别,可以快速准确地实现作物品种识别。

1.2 光谱成像技术在作物发育状况监测中的应用作物发育状况的监测对于作物生长动态分析和种植策略调整至关重要。

光谱成像技术可实时地对农作物的生长结构、营养情况和生理代谢活动进行检测。

比如,通过对植物的叶绿素荧光光谱进行监测,可以准确反映作物光合作用的活跃程度,为作物管理提供科学依据。

1.3 光谱成像技术在农业病虫害预测中的应用病虫害是影响作物产量和品质的一大因素,及时预测和防控病虫害对于保证农业生产重要。

利用光谱成像技术可以对病虫害所造成的组织损伤和代谢异常进行检测,比如温度异常和剧烈变化等。

水稻高光谱特征及其生物理化参数模拟与估测模型研究

水稻高光谱特征及其生物理化参数模拟与估测模型研究

水稻高光谱特征及其生物理化参数模拟与估测模型研究
随着遥感技术的快速发展,高光谱遥感成为了研究农作物生长和发育的重要手段之一。

本文研究了水稻高光谱特征及其生物理化参数模拟与估测模型。

首先,利用高光谱数据对水稻生长期不同阶段的光谱反射率进行了研究,探究了水稻在不同生长阶段的光谱特征。

结果显示,不同生长阶段的水稻光谱反射率存在明显差异,且随着生长阶段的变化而变化。

然后,利用反射率数据,构建了水稻生物理化参数(如叶面积指数、叶绿素含量等)与光谱特征之间的模拟和估测模型。

经过验证,模型具有较高的准确性和稳定性,可以有效地估测水稻生长期不同阶段的生物理化参数。

最后,利用模型对水稻生长期不同阶段的生物理化参数进行了估测,并结合实地调查数据进行了验证。

结果表明,模型估测结果与实际数据相符合,验证了模型的准确性和可靠性。

综上所述,本文研究了水稻高光谱特征及其生物理化参数模拟与估测模型,为水稻生长监测和管理提供了重要的科学依据。

- 1 -。

高光谱成像在农作物病害检测中的应用研究

高光谱成像在农作物病害检测中的应用研究

高光谱成像在农作物病害检测中的应用研究概述高光谱成像技术广泛应用于农作物病害检测中,其通过获取作物反射或辐射信息的连续光谱数据,可以精确识别农作物的病虫害。

本文将介绍高光谱成像技术在农作物病害检测中的原理、应用案例以及未来发展趋势。

一、高光谱成像技术原理高光谱成像技术利用宽波段和连续的光谱信息,可以捕捉到作物反射或辐射的细微波动。

这些波动与作物的生理状态和结构特征密切相关,因此可以通过分析光谱特征来准确识别农作物病害。

高光谱成像技术基于以下原理:1. 光谱特征:不同物质对光的吸收、散射和透射特性各异,这些特性在不同波长下表现出特定的光谱曲线。

通过测量和分析这些光谱曲线,可以得到作物的光谱特征,从而识别病害。

2. 数学模型:通过建立数学模型,将光谱信息与作物病害进行关联。

这些模型可以使用传统的统计方法或机器学习算法,根据已知的光谱和病害数据进行训练,从而实现对未知病害的准确识别。

3. 特征提取:高光谱成像技术不仅可以获取整个光谱曲线,还可以提取出一系列特定波长下的光谱特征。

这些特征可以用于判别作物的生理状态和病害程度,从而进行病害检测和监测。

二、高光谱成像技术应用案例1. 病虫害防控:高光谱成像技术可以实时监测农田中的病虫害情况,及早发现并采取相应的防治措施。

例如,可以利用高光谱成像技术检测水稻叶片上的白叶枯病,从而指导农民及时采取药剂喷雾,减少病害损失。

2. 作物品种鉴别:不同品种的作物在光谱特征上存在差异,高光谱成像技术可以利用这些差异进行作物品种鉴别。

这对于种子生产和品种保护具有重要意义。

3. 营养状况评估:作物的营养状况对其生长和抗病能力具有重要影响。

高光谱成像技术可以通过监测作物叶片的叶绿素含量、叶片氮含量等指标,评估作物的营养状况,并及时调整施肥策略。

4. 土壤质量评估:土壤质量是农作物种植的关键环节,对土壤进行合理评估可以指导相关农业实践。

高光谱成像技术可以通过分析土壤的光谱特征,评估土壤质量指标如有机质含量、土壤水分等。

科技成果——近红外光谱水稻种子活力无损检测筛选方法

科技成果——近红外光谱水稻种子活力无损检测筛选方法

科技成果——近红外光谱水稻种子活力无损检
测筛选方法
成果简介
水稻是世界上最重要的粮食作物之一,其播种面积约占粮食作物总面积1/4,由于种子陈化活力降低,每年造成水稻生产和种子企业经济损失巨大。

长期以来水稻品种活力检测主要通过发芽方式来鉴定,操作过程繁琐,工作量大,所需时间长。

建立一套简便、快捷、高效、经济、准确的稻谷活力检测技术体系成为当前的迫切需要。

项目中国科学院知识创新工程重要方向性项目(编号:KJCX2-YW-N34;KJCX2-EW-N05)的支持。

技术特点
近红外光谱分析技术具有高效、快速、无损等特点,该技术通过不同生活力的种子的NIR特征光谱差异,鉴定种子生活力。

建立一种方便、快速、高效、准确的基于近红外光谱的水稻单籽粒活力无损检测筛选方法。

该方法与常规检测方法相比,具有方便、快速、高效、准确、成本较低、不破坏样品、不消耗化学试剂、不污染环境等优点,适用于农作物的品质检测。

专利概况基于近红外光谱的水稻单籽粒活力无损检测筛选方法,已经申请国家发明专利,专利号201210455091.9。

市场分析该技术不仅用于水稻种子活力检测,也可以用于小麦、玉米等主要粮食作物的种子活力检测。

另外粮食储藏和加工企业可以用于谷物陈化变质检测。

识别假劣杂交水稻种需七看

识别假劣杂交水稻种需七看
农药残留物的危害
如果农药残留物含量过高,可能对人体健康和生态环境造成负面影响,因此需要控制其在杂交水稻种子中的含量 。
06
杂交水稻种子的包装标识鉴别
包装标识规定
杂交水稻种子包装标识应符合 国家相关规定,包括《种子法 》、《植物新品种保护条例》 等法律法规。
标识内容应真实、准确、完整 ,并符合农业部相关规定。
种子粒形
真品杂交水稻种子形状为 长粒形,且大小均匀,而 假劣种子则可能形状各异 ,如短粒形、椭圆形等。
种子粒重
真品杂交水稻种子的粒重 通常较大,而假劣种子则 可能较轻。
生物学特性鉴别
发芽率
真品杂交水稻种子的发芽率较高 ,而假劣种子则可能较低。
生长速度
真品杂交水稻种子生长速度较快, 而假劣种子则可能较慢。
维权途径和注意事项
及时维权
如发现购买的杂交水稻种子存在质量问题, 应立即与销售方联系,协商解决方案,并在 维权期限内报案或向相关部门投诉。
寻求专业帮助
如无法确定种子的真伪或质量是否合格,可 寻求专业机构或技术部门的帮助,进行鉴定 和检测。同时,也可咨询律师等专业人士, 了解维权途径和注意事项,确保自己的权益 得到保障。
质量控制应严格遵循企业标准和行业 标准,保证种子的发芽率、净度和纯 度等指标符合要求。
05
杂交水稻种子的安全性鉴别
转基因成分鉴别
转基因成分鉴别
鉴别杂交水稻种子是否含有转基因成分,需要使用特定的检测方法,如DNA分 子鉴定技术,以确定是否含有外源基因。
转基因成分的危害
如果杂交水稻种子中含有转基因成分,可能会对人类健康和生态环境造成潜在 风险,因此需要特别关注。
04
杂交水稻种子的真实性鉴别

一种基于高光谱的单粒杂交水稻种子种类鉴定方法[发明专利]

一种基于高光谱的单粒杂交水稻种子种类鉴定方法[发明专利]

专利名称:一种基于高光谱的单粒杂交水稻种子种类鉴定方法专利类型:发明专利
发明人:龙拥兵,叶文超,周明,施震渺,梁俊涛
申请号:CN202111456023.X
申请日:20211202
公开号:CN114136920A
公开日:
20220304
专利内容由知识产权出版社提供
摘要:本发明公开了一种基于高光谱的单粒杂交水稻种子种类鉴定方法,涉及对于关键粮食农作物品种真实性检测技术领域,具体为一种基于高光谱的单粒杂交水稻种子种类鉴定方法,包括以下步骤:S110、基于卤素灯光源波长下采集多类不同品种的杂交水稻种子样本的高光谱图像。

本发明通过切割提取水稻种子单粒图像,通过完整图像计算获得每类单粒种子样品的平均光谱反射率,进行一步提高采集数据的可信度与准确度,通过利用训练好的种子种类鉴定模型可以自动对已经提取好的杂交水稻种子的平均光谱信息进行种类的判定,同时可以快速的对需要判别的多类的杂交水稻种子的种类进行鉴定,同时使得整个过程更加快速便捷,并且实现无损判别。

申请人:华南农业大学
地址:510000 广东省广州市天河区五山路483号
国籍:CN
代理机构:上海德誉达专利代理事务所(普通合伙)
代理人:夏燕
更多信息请下载全文后查看。

杂交水稻种子七招辨真假

杂交水稻种子七招辨真假
质地
杂交水稻种子应该具有一定的硬度和弹性,不易压碎或破损。如果种子的质地较 软,缺乏弹性,或者存在破损、裂纹等情况,可能是质量较差的种子。
种子是否经过加工处理
标识
观察种子的包装和标签,确保种子的品种、产地、加工等信息清晰、准确。如果标识模糊不清或者存在错误, 可能是伪劣种子。
加工痕迹
观察种子的外观是否有加工痕迹,如划痕、凹凸等。如果种子存在这些痕迹,可能是经过处理的种子,需要注 意其质量和使用效果。
VS
生产厂家
了解种子的生产厂家,确保种子来自可靠 的育种机构或种子生产商。
种子是否具有正规认证标志
品种认证
杂交水稻种子应有品种认证标志,如已获 得植物新品种权、品种审定证书等。
质量认证
一些国家或地区会对种子进行质量认证, 如ISO9000、ISO14000等认证标志,这些 标志代表着种子质量的保证。
了解种子生产地的气候与土壤条件
气候条件对种子的影响
种子生产地的气候条件对种子的质量和产量有重要影响。例如,气候适宜的地区生产的种子可能具有较高的发 芽率和生长表现,而气候不适宜的地区生产的种子可能存在生长缺陷或适应性差的问题。
土壤条件对种子的影响
种子生产地的土壤条件也对种子的质量和产量有重要影响。例如,肥沃、排水性好的土壤可能有利于种子的生 长和发育,而贫瘠、排水性差的土壤可能限制种子的生长表现。因此,了解种子生产地的气候和土壤条件可以 帮助判断种子的质量和真实性。
纯度是指杂交水稻种子中亲本植株的基因型符合设计要求的程度。一般来说,杂 交水稻种子的纯度应达到96%以上。
净度和纯度的检测方法包括风选、筛选、比重等物理方法,以及DNA分子鉴定等 分子生物学方法。
发芽率与生命力
发芽率是指种子在适宜条件下发芽的比例。生命力强的种子发芽率较高 ,生长势也较强。一般来说,杂交水稻种子的发芽率应达到85%以上 。

基于水稻种粒高光谱的品质性状预测方法

基于水稻种粒高光谱的品质性状预测方法

第42卷 第3期2023年5月Vol.42 No.3May 2023,211~219华中农业大学学报Journal of Huazhong Agricultural University基于水稻种粒高光谱的品质性状预测方法赵爽1,宋京燕1,陈国兴1,宋鹏1,冯慧2,杨万能11.华中农业大学作物遗传改良全国重点实验室,武汉 430070;2.华中农业大学信息学院/农业生物信息湖北省重点实验室,武汉 430070摘要 为探究作物种子品质性状无损检测方法,以100份水稻核心种质资源为试验材料,基于近红外高光谱相机采集水稻种粒的透射、反射光谱数据并提取光谱参数,水稻种粒脱壳后使用近红外谷物分析仪测定米粒品质;以水稻种粒光谱参数为自变量、米粒品质指标为因变量,建立米粒品质预测模型。

结果显示,使用单一光谱建模时,透射光谱建模效果优于反射光谱建模效果;结合透射-反射特征光谱集合建模可使粗蛋白预测模型R 2从0.74提高至0.91,可使直链淀粉预测模型R 2从0.40提高至0.69,可使水分预测模型R 2从0.53提高至0.68。

结果表明,使用水稻种粒光谱参数可无损预测稻米品质,同时利用透射、反射光谱可提升建模效果。

关键词 水稻; 稻米品质; 无损检测; 高光谱; 预测模型中图分类号 TP391.41 ; TS210.7 文献标识码 A 文章编号 1000-2421(2023)03-0211-09水稻作为我国主要的粮食作物之一,在保障粮食安全方面具有不可替代的作用,在国民经济发展和社会稳定中具有重要意义。

随着生活品质的提升,国民对稻米的品质要求也逐渐提高。

直链淀粉含量和蛋白质含量是衡量稻米品质的2个关键指标[1]。

直链淀粉含量丰富的米饭蓬松、偏硬、黏性小;直链淀粉含量少的米饭软且黏性大[2]。

稻米中的蛋白质在人体中容易被吸收、利用率高,摄入稻米是人体从外界获取蛋白质的途径之一[3]。

稻米与贮藏环境直接接触,水分含量过高或过低不但影响稻米的食用品质,甚至可能导致稻米霉变、虫变[4]。

基于近红外超连续激光光谱的水稻种子活力无损分级检测研究

基于近红外超连续激光光谱的水稻种子活力无损分级检测研究

基于近红外超连续激光光谱的水稻种子活力无损分级检测研究水稻是我国的主要粮食作物之一,在水稻种子生产过程中,种子活力的检测是重要的环节之一、传统的种子活力检测方法主要包括发芽率试验和种子湿重法,这些方法存在着无法实现快速、大规模、无损检测的问题。

近年来,近红外超连续激光光谱技术被应用于农产品质量检测领域,为水稻种子活力无损分级检测提供了新的手段。

近红外光谱技术是一种基于物质分子振动和转动而产生的特征吸收峰的光谱分析方法。

近红外超连续激光光谱技术是在传统近红外光谱技术的基础上发展起来的,其独特的波段范围和较高的分辨率可以更好地用于农产品的质量检测。

在水稻种子活力无损分级检测中,首先需要采集水稻种子样本的光谱数据。

通过近红外超连续激光光谱仪器,可以快速获取水稻种子的光谱信息。

然后,利用数学模型和统计学方法对光谱数据进行处理和分析,从而得到种子的活力指标。

最后,根据活力指标对种子进行无损分级检测。

水稻种子的活力主要包括萌发力和出苗率两个指标。

借助近红外超连续激光光谱技术,可以通过分析水稻种子内部的化学组成和结构特征来预测种子的活力。

水稻种子的化学成分主要包括蛋白质、脂类、碳水化合物等,而这些成分在近红外光谱中有吸收峰的表现。

通过建立近红外超连续激光光谱与种子活力指标之间的关系模型,可以准确地预测水稻种子的活力。

近年来,一些研究者已经开始在水稻种子活力无损分级检测方面取得了一些进展。

他们通过收集大量的水稻种子样本,并采用近红外超连续激光光谱技术对这些样本进行光谱分析,得到了一定的预测精度。

利用机器学习方法和数学统计方法,还可以对模型进行优化和改进,提高预测的准确性和稳定性。

总之,基于近红外超连续激光光谱的水稻种子活力无损分级检测是一种快速、准确、无损的检测手段。

在今后的研究中,我们仍需进一步优化模型算法,提高预测精度和稳定性,为水稻种子的生产和质量控制提供更好的技术支持。

基于高光谱成像技术的稻谷品种鉴别研究

基于高光谱成像技术的稻谷品种鉴别研究

性以及品质变化等不尽相同,应该做到分类分品种储藏,也 更利于后期的收购和加工%对不同稻谷品种的鉴别,也是规 范粮食流通秩序,优化粮食供给结构的现实需要%
稻谷品种鉴别的传统方法是由专业人员根据谷粒性状、 长宽比、大小、稃壳和稃尖色、稃毛长短、柱头夹持率等特 征,对比标准样品或样品图片进行鉴定,该方法效率低且受 主观影响大%用幼苗鉴别法和田间小区种植鉴定法也可鉴定 稻谷品种,但该方法耗时较长%蛋白质电泳图谱也可以对稻 谷品种加以鉴别,但基因的表达有时受发育阶段和环境因素
1实验部分
环境光干扰的暗箱箱体,一台用于控制移动平台并完成数据 采集的计算机等配件(见图1)。 1.3 高光谱图像采集
(1) 参数设置 调节光源入射角度40°和曝光时间18 s;以画有黑线条 的白纸片为参照,调节物距高度15 cm,获得边缘有格与格 之间黑白色差的参照物图像&调节光源强度,使样品DN值 保持在最大值的80%左右,为避免图像失真,设置位移平台 运行速度0. 3 mm • s-1 &将稻谷颗粒均匀地固定在黑色硬卡 纸上,在暗室环境中进行图像采集。 (2) 图 像校 正 每一品种的稻谷都在同一起点位置沿着同一方向扫描。 为避免光源强度分布不均匀造成的噪声,需要对采集到的图 像进行校正,扫描标准白板采集的图像为W,盖上镜头盖采 集全黑图像B,利用白板图像和全黑图像对原图进行校正, 如式(1)
3274
光谱学与光谱分析
第 39 卷
的影响!某些基因组相近的品种无法找到特异性蛋白而影响 判别结果⑴。采用SSR分子标记法检测稻谷品种可靠性高, 但该方法操作复杂!对操作人员技术水平要求较高%近年 来,机器视觉和近红外在无损检测中发展快速,但受到识别 精度的限制并无法解决化学成分不均匀的问题,这些方法都 不适合稻谷品种的无损快速鉴别。

基于高光谱图像的东北稻米品种快速分类

基于高光谱图像的东北稻米品种快速分类

稻米样品的VIS/NIR光谱图像,运用Matlab软件及ENVI软件对高光谱图像进行处理分析,获得各样
本的相对反射率曲线,结合图像阈值分割技术,得到各波段光谱图像的二值图像。结合图像及数
据,分析不同品种稻米的光谱差异,发现稻米于480~550 nm波段有较为明显的特征峰,品种之间
光谱差异明显,且不同品种稻米的二值图像明暗占比不同,以此完成稻米品种的分类与鉴别。研
Abstract:Based on the nondestructive identification requirements of rice varieties, the spectral image features of three rice samples are analyzed by hyperspectral technique, and the detection, classification and identification of three kinds of rice using Liquid Crystal Tunable Filter(LCTF) spectral camera are realized. The VIS/NIR(Visible/Near-Infrared) spectral images of rice samples are collected by hyperspectral camera, and the hyperspectral image is processed and analyzed by Matlab and ENVI software. The relative reflectance curves of each sample are obtained. By using image threshold segmentation technology, the spectral images of each band are obtained. Combining the images and data, the spectral differences of different varieties of rice are analyzed. It is found that the rice had a distinct characteristic peak in the 480-550 nm band. The spectral differences between different varieties are obvious, and the ratios of the brightness of the binary images for different varieties of rice are different as well. The results show that the relative reflectivity and binary image of spectral images have good prospects in the application of rapid classification and identification of rice varieties.
  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)。
o pt i m al wa ve band s el ec t i o n. The r es u l t s s how t ha t t he s a t i s f a ct or y di s c r i mi na t i on a cc ur a c y,w hi ch i s 9 9. 2 2 % and 9 6 % f or t he t r ai ni ng s e t a nd t es t s et r e s pec t i v el y,i s ac hi e ve d w he n me a n,e nt r opy and pow e r f ea t ur e s f or t he 2 3
wa ve bands , w hi c h bas i ca l l y m ee t s t he r e q ui r em ent s of t he na t i ona l s t a nd ar d s o n t he se e d pu r i t y i de nt i f i ca t i on.
v a r i a b l e e l i mi n a t i o n a l g o r i t h m c o mbi n e d wi t h t h e p a r t i a l l e a s t s q u a r e s p r o j e c t i o n a n a l y s i s a l g o r i t h m i s u s e d f o r
hy per s pec t r a l i ma gi ng t ec hnol ogy i s i n ves t i ga t ed.Hype r s pec t r al i ma ge s of r i c e s e eds f r o m t en v ar i e t i e s a r e co l l e c t ed ove r t he wa v el eng t h r eg i o n of 40 0-1 0 0 0 nm ,and t he s pe c t r a l ,t e xt ur e and m or phol ogi ca l f ea t ur e s of
标 准 对 种 子纯 度 的 检测 要 求 。 关键词 图 像处 理 ; 高光谱图像 ; 特征融合 ; 水稻种子 ; 品种鉴别 ; 偏 最 小 二 乘 判 别 分 析
TP 3 9 1 . 4 1 文献标识码 A
中 图分 类 号
doi :1 0 . 37 88 / LOP5 2. 0 2 1 0s c r i mi na t i on f or Si ngl e Ri c e Seed by I nt egr at i ng Spec t r a l ,
Text ur e a nd M or phol og i c al Fea t ur es Bas ed on Hype r s pe c t r a l I ma ge De n g Xi a o q i n Z h u Qi b i n g Hu a n g Mi n
op t i ma l wa ve ba nds a nd m Or ph0 l Og i c al f e at ur es a r e i nt eg r a t ed.I t s ugg e s t s t ha t m ul t i pl e hy pe r s pe c t r a l f e a t ur e
收 稿 日期 : 2 0 1 4 — 0 7 — 1 4 ; 收 到修 改稿 日期 : 2 0 1 4 - 0 9 — 0 4 ; 网络 出 版 日期 : 2 0 1 5 — 0 1 — 0 6
基 金 项 目: 国 家 自然科 学 基 金 ( 6 1 2 7 1 3 8 4 , 6 1 2 7 5 1 5 5 ) 、 江 苏 省 自然 科 学 基 金 ( B K 2 0 1 1 1 4 8 )
t he r i c e se e ds ar e e xt r ac t ed. The di s cr i mi na t i on a cc ur a c y of di f f e r e nt f e at ur es a nd t he i r com bi na t i ons i S
激 与光 电子 学进 展
5 2 ,0 2 1 0 0 l ( 2 0 1 5 )
L a s e r & 0p t o e l e c t r 0 n i c s P r o g r e s s
02 0 1 5 ( ( 中 国激 光》 杂 志 社
融 合 光谱 、 纹 理 及 形 态特 征 的水 稻 种 子 品种 高 光 谱 图 像 单 粒 鉴 别
s e ed pr oduc t i o n a nd t o e ns ur e t he s eed pur i t y.A f as t di s c r i mi na t i on me t hod f o r s i ng l e r i c e s e ed by us i ng t he
i nt eg r a t i o n ca n e f f ec t i vel y i m pr o ve di s c r i mi na t i on a cc ur a cy f or s i ng l e r i c e se e d a t t he c a s e o f a s ma l l am ount of
Ke y La b o r a t o r y o n Ad v a nc e d Pr o c e s s Co nt r o l f o r Li g ht I nd u s t r y o f t he Mi n i s t r y o f Ed uc a t i o n, J i a n g n a n Un i v e r s i t y
l e as t s qua r es di s c r i mi na nt a na l ys i s
0CI S c odes 1 00. 41 45 ;1 00 . 2 96 0; 1 1 0. 4 2 34
l 引

民 以食 为天 , 食 以稻为 先 。水稻 是我 国最 主要 的粮食 作 物之 一 。全 国水 稻种 植 面积约 占粮 食作 物 面积
取其光谱 、 纹 理 和 形 态 特征 ; 结 合 偏 最 小 二 乘 判 别 分 析 模 型 比 较 了 小 同特 征 及 其组 合下 的分 类 精 度 , 并 利 用 多 次 递 进
无信 息变 量 消 除算 法结 合偏 最小 二乘 投影 分 析 方 法 筛 选 最 优 波 段 。结 果 显 示 , 在仅利用 2 3 个最优波段情况下 , 融 合 均值 、 熵、 能量和形 态特征 所建立 的鉴别模 型获 得 了令人满 意的识 别精度 , 其训练 集 、 测 试集精度 分别 为 9 9 . 2 2 %、 9 6 %。 结 果 表 明 , 高 光 谱 特 征 融 合 可 以在 少 量 波段 情 况 下 有 效 地 提 高 水 稻 种 子 品种 单 粒 鉴 别 的精 度 , 基 本 满 足 同 家
c om par ed by us i ng t he par t i a l l e as t s q ua r e s d i s c r i mi nant ana l ys i s ,a nd t he m ul t i pl e pr og r e s s i ve uni nf or m at i ve
) ( 5 小 琴 朱启 兵 黄 敏
江南 大学 轻 工 过 程 先 进 控 制 教 育 部 重 点 实 验 室 , 江苏 无锡 2 1 4 1 2 2
摘 要 水稻 种 子 品种 的单 粒鉴 别对 于 防 止 制 种 时 的 混 杂 、 掺假现象 , 保 证 种 子 纯 度 具 有 重 要 意 义 。利 用 高 光 谱 图像 技 术 研 究 了水 稻 种 子 品种 的单 粒 快 速鉴 别 方 法 。 采 集 了 l 0 类水稻种子在 4 0 0 ~ 1 0 0 0 n m 范 围 内 的高 光 谱 反 射 图像 并 提
作者简介: 邓 小琴 ( 1 9 8 8 一) , 女, 硕士研究生 , 主要 从 事 高光 谱 图像 无 损 检 测 方 面 的研 究 。
E—m ai l : de ng xi ao q i n@ 1 6 3. c om
— —
导 师简 介 : 朱启兵( 1 9 7 3 一) , 男, 博士, 副教授 , 主要 从 事 农 副 产 品无 损 检 测 方 面 的 研 究 。E — ma i l : z h u q i b @1 6 3 , c o m
02l O0l 一1
5 2 , 0 2 1 0 0 1 ( 2 0 1 5 )
激 光 与 光 电 子 学 进 展
w w w . o p t i c s j o u r n a 1 . n e t
4 结

由于水 稻 种子 的单 一 特征 无 法全 面 反映 种子 问 的相 似性 与 差异 性 , 因此 采用 多 特征 融合 结合 波段 选 择
K ey w ords i ma ge pr oc es s i ng; hy per s pe c t r a l i m ag e; f ea t ur e i nt e gr a t i on; r i c e s e ed; va r i e t y di s c r i mi na t i on; par t i a l
W uxi ,Ji angs u 21 41 22 ,Chi na
Abs t r ac t Va r i e t y di s cr i mi na t i on f or s i ng l e r i ce s e ed i s i m por t a nt t o pr e ve nt t he mi xi ng a nd ad ul t e r a t i on dur i ng
相关文档
最新文档