基于人工神经网络和二元逻辑回归的甜玉米种子生活力检测模型研究

摘要

为探索快速、高效检测甜玉米种子生活力的方法,利用机器视觉技术(Seed Identification)批量快速提取金菲甜玉米种子的Red(红基色)、Green(绿基色)、Blue(蓝基色)、Hues(色相)、Saturation(饱和度)、Brightness(亮度)、Light(明度)、a(红色至绿色的范围)、b(蓝色至黄色的范围)、灰度、宽度、长度和投影面积等物理特征参数,通过单粒发芽试验确定每粒种子的生活力,然后采用人工神经网络和二元逻辑回归结合主成分分析进行建模。结果表明:1)a值、b值、Saturation和投影面积与种子的活力均存在极显著或显著相关,且变异系数相对较大,其中当a≤3时,发芽率可从72.7%提升至77.6%,获选率达到79.4%;投影面积≤77.31mm2时,发芽率可提升至73.7%,获选率87.6%;2)用13个物理指标标准化后直接进行人工神经网络建模,双隐藏层(训练集∶测试集=6∶4)建模,模型整体预测正确率为74.2%,优质种子获选率达到93.8%,发芽率可提升至76.9%;3)经二元逻辑回归模型预测发芽率为74.5%,但神经网络模型稳定性优于二元逻辑回归建模。