科研产出
基于超微型地物光谱仪的稻田秧苗及稗草的早期识别
《中国农业大学学报 》 2024 北大核心 CSCD
摘要：为探究水稻秧苗与稗草的早期准确识别方法，利用超微型地物光谱仪采集二叶-四叶期水稻和同期生长的稗草植株冠层在400～920nm波段内的光谱信息，结合化学计量学的竞争性自适应重加权采样算法（Competitive Adaptive Reweighted Sampling,CARS）筛选出特征波长，利用MATLAB分类学习器工具箱进行种类识别，建立多种分类识别模型。结果表明：基于SG平滑-SG求导-CARS处理建立的偏最小二乘判别分析（Partial Least Squares Discriminant Analysis,PLS-DA）模型表型最优，其在二叶期样本集的校正集、交叉验证集和外部验证集的正确识别率均为100%；在二叶-四叶期样本集的校正集、交叉验证集和外部验证集的正确识别率分别为100%、98%和99%。综上，高光谱技术结合化学计量学能够快速、无损和精准识别苗期水稻和稗草，可应用于早期稻田稗草的精准防除。
关键词： 水稻 稗草 高光谱 判别模型 PLS-DA 早期识别
全文链接
请求原文
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
《中国光学 》 2020 EI 北大核心 CSCD
摘要：针对目前农业种植选种应用对于带稃壳水稻种子活力分级检测的迫切需求,以及现有通用的糙米检测技术存在的问题,本文提出一种基于近红外超连续激光光谱的水稻种子活力透射光谱检测方法。首先,设计了种子活力近红外吸收光谱检测系统,测量了3种不同年份的带稃壳的水稻种子的近红外吸收光谱,结果显示,水稻种子的活力梯度与近红外吸收光谱的特征吸收峰值相关。然后,采用归一化、二阶导数校正法和正交信号校正相结合优化了种子光谱的预处理算法。最后,建立主成分分析(PCA)模型,对光谱进行降维,确定最佳主成分数目,应用偏最小二乘判别分析(PLS-DA)建立了水稻种子活力分析鉴别模型。分析结果表明,本文设计的透射式吸收光谱检测系统结合PLS-DA判别模型可对不同活力的水稻种子进行分类,校正集和验证集的准确率分别为94.44%和95.92%,筛选后水稻种子的发芽率可达97.17%。研究结果表明,本文提出的基于近红外光谱信息实现水稻种子活力无损分级的方法可行,且具有较高的预测精度。
关键词： 近红外光谱 种子活力 偏最小二乘判别分析 主成分分析
全文链接
请求原文
首页上一页1下一页尾页
