基于高光谱的水稻种子活力检测技术研究

摘要

本文研究采用高光谱成像技术对水稻种子活力进行快速、无损检测。种子活力是代表种子品质的重要指标,能够反映种子在田间或贮藏条件下的潜在质量水平,是保障粮食生产的基础因素。因此对种子进行活力测定在种子质量管理中具重要意义。传统的种子活力检测方法主要是借助人工来完成,操作繁琐,工作量大,周期长,对种子本身也有一定的破坏。因此,建立种子活力的快速、准确、无损的检测方法,不仅能够提高种子活力检测的效率和水平,而且对于种子的实际生产、育种及种子质量管理都有重要的意义。　　本研究通过高光谱成像仪采集了三个水稻品种共564粒种子的单粒样本的可见近红外光谱数据,将获取光谱数据后的水稻种子进行标准发芽实验,根据得到的三种水稻的活力数据,选取其中的一种进行特征分析及模式识别。采用主成分分析-支持向量机模式识别方法建立模型,对两个不同活力水平的水稻种子进行分析,并采用主成分分析、独立成分分析法进行降维,选取不同的主成分个数,利用离散度波段选择法、COV选择法、权重系数选择法等特征波段选择方法选择特征波段,利用网格搜索法、粒子群优化算法对支持向量机参数进行寻优,以及选择不同的支持向量机核函数,建立鉴别模型。　　结果表明,通过利用独立成分分析和主成分分析对光谱数据进行特征分析、SVM核函数选用线性核函数、5~7个主成分建立的模型最优,能达到94.44％的分类鉴别率。同时通过离散度波段选择法选择10个特征波段,在得到同样的94.44%鉴别率的基础上大大降低计算量。说明利用高光谱分析技术结合PCA/ICA-SVM进行水稻的快速、无损检测是可行的,并且波段选择对模型的优化是有效的。

目录

封面

声明

中文摘要

英文摘要

目录

1绪论

1.1 研究背景

1.2 种子活力检测国内外研究现状

1.3 研究方案、研究内容及技术路线图

1.4 本章小结与本文结构

2 实验材料的准备及基础数据获取

2.1 水稻种子样品的选取

2.2 老化处理

2.3 高光谱数据获取

2.4 发芽实验

2.5 本章小结

3 样本库的建立

3.1 高光谱数据处理

3.2 种子活力测定

3.3 样本库的建立

3.4 本章小结

4 活力检测模型研究

4.1 模式识别方法

4.2 特征提取

4.3 模式识别算法

4.4 利用SVM进行水稻种子活力识别

4.5 SVM的参数优化

4.6 主成分分析对于不同活力的水稻种子的定性分析

4.7 特征波段选择方法

4.8 本章小结

5 水稻种子活力检测系统

5.1 系统的设计

5.2 系统功能介绍

5.3 本章小结

6 结论与展望

6.1 结论

6.2 展望

致谢

参考文献