论文部分内容阅读
玉米是我国最主要的粮食作物之一,如何提高玉米产量一直是我国农业发展中的重要问题,而玉米种子的品质是提高玉米产量和品质的前提,其中种子含水率与种子活力是评价种子品质的重要指标。为了给玉米种子含水率和活力的无损、快速检测提供方法,以期实现工业化检测,本文利用可见/近红外（Vis/NIR）和近红外（NIR）高光谱成像技术（375.18～1017.88 nm、865.11～1711.71 nm）和光谱技术（650～1100 nm、900～1700 nm）采集多品种玉米种子的光谱,利用S-G平滑、标准正态变量校正（SNV）、多散射校正（MSC）、一阶导数(1stDer)、二阶导数(2ndDer)、S-G+2nd和SNV+2nd对光谱进行预处理,使用SPXY方法对样本集进行划分,使用无信息变量消除法（UVE）和竞争自适应加权算法（CARS）提取特征波长,使用偏最小二乘回归（PLSR）和支持向量机（SVM）分别建立不同品种玉米种子的含水率和活力（发芽率、发芽指数和活力指数）的定量预测模型。本文的主要研究内容及结论如下:（1）研究了基于可见/近红外（Vis/NIR）和近红外（NIR）高光谱成像技术预测多品种玉米种子含水率的方法,并建立了预测模型。基于四个玉米品种种子胚面和胚乳面的高光谱图像,研究了平均光谱提取区域（质心区域和整个种子区域）以及不同光谱预处理方法对模型精度的影响,利用UVE法提取的特征波长和全光谱建立预测含水率的PLSR模型。结果表明,从质心区域提取的平均光谱所建模型优于从整个种子区域中提取的光谱;S-G平滑方法优于其他预处理方法;基于NIR光谱建立的PLSR模型优于基于Vis/NIR光谱所建的模型;基于单个品种所建的预测模型（RMSEP≤2.001%）优于基于四个品种混合所建的的模型（RMSEP≤2.116%）。（2）研究了基于Vis/NIR和NIR光谱技术预测多品种玉米种子含水率的方法。基于六个玉米品种种子胚面和胚乳面在650～1100 nm范围内的Vis/NIR光谱和900～1700 nm范围内的NIR光谱,研究了不同的光谱预处理方法对建模精度的影响,建立了基于CARS和UVE提取的特征波长和全光谱预测含水率的PLSR模型。结果表明,S-G平滑优于其他光谱预处理方法,使用CARS选择的特征波长建立的大多数PLSR模型比使用全光谱和UVE提取的特征波长建立的PLSR模型具有更好的性能。与Vis/NIR光谱相比,基于NIR光谱所建模型能更好地预测玉米种子的含水率。同样,基于单个品种所建模型（RMSEP≤1.702%）比六个品种混合（RMSEP≤1.910%）能更好地预测玉米种子的含水率。（3）探索了基于Vis/NIR和NIR光谱技术预测多品种玉米种子发芽率、发芽指数与活力指数的方法。基于三个玉米品种种子胚面和胚乳面的Vis/NIR（650～1100 nm）和NIR光谱（900～1700 nm）,分析了光谱预处理方法对预测精度的影响,利用UVE法及CARS法提取特征波长,建立了基于特征波长和全光谱预测发芽率、发芽指数与活力指数的PLSR和SVM预测模型。结果表明,对于发芽率和活力指数,SNV+2nd的预处理效果最好;对于发芽指数,S-G+2nd是最好的预处理方法。大多数情况下使用CARS选择特征波长具有更好的模型预测性能。对于发芽率,基于PLSR所建模型的预测效果较好,而对于发芽指数与活力指数,SVM模型的预测效果较好。Vis/NIR与NIR光谱相比,NIR光谱在预测发芽率、发芽指数和活力指数时均具有更好的预测性能。在三个活力指标中,预测活力指数的效果最好,RP可达到0.924。本研究结果说明,高光谱成像技术和光谱技术可以预测多品种玉米种子的含水率和活力（发芽率、发芽指数和活力指数）,且NIR光谱比Vis/NIR光谱具有更好的预测性能。