检索结果-南通市图书馆

基于BP神经网络的粳稻种子拉曼光谱鉴别方法研究

在线全文

学校读者我要写书评

暂无评论

中国粮油学报 2023年第10期38卷 216-222页

作者：祝子涵谭峰田芳明高嘉欣白楠黑龙江八一农垦大学信息与电气工程学院大庆163319 农业部农产加工品质量监督检验测试中心大庆163316

为了缩短水稻种子检验周期、增加水稻种子检验品种、扩大水稻种子检验范围,以种植粳稻的5个地区(黑龙江、天津、山东、河南、江苏)的20种不同品种粳稻种子为研究对象,提出一种基于拉曼光谱技术不同产地和相同产地不同品种的粳稻种子快... 详细信息

为了缩短水稻种子检验周期、增加水稻种子检验品种、扩大水稻种子检验范围,以种植粳稻的5个地区(黑龙江、天津、山东、河南、江苏)的20种不同品种粳稻种子为研究对象,提出一种基于拉曼光谱技术不同产地和相同产地不同品种的粳稻种子快速准确鉴别方法。首先,实验使用Savitzky-Golay(SG)、一阶导数(1-Der)、二阶导数(2-Der)、多元散射校正(MSC)、标准正态变量变换(SNV)、迭代自适应加权惩罚最小二乘法(AIRPLS)6种不同预处理方法对光谱数据进行预处理,并对比不同预处理方法在BP神经网络判别模型中的判别效果;其次,采用竞争性自适应重加权采样算法(CARS)和连续投影算法(SPA)2种特征波段提取方法对光谱数据进行特征波段提取,并对比2种特征波段提取方法在BP神经网络判别模型中的判别效果;最后,通过遗传算法(GA)优化BP神经网络进一步提升模型识别准确率与运行速度。结果表明:6种预处理方法中SG平滑预处理方法效果最好,CARS特征波段提取方法相比于SPA特征波段提取方法效果更好,GA算法可以将BP神经网络模型识别准确率和运行速度优化。BP神经网络模型对5种不同产地粳稻种子识别准确率为100%;对相同产地不同品种粳稻种子识别准确率均在90%以上。实验表明应用拉曼光谱技术结合BP神经网络模型能够实现快速、有效地鉴别粳稻种子产地及品种。

关键词：拉曼光谱粳稻种子预处理特征波段 BP神经网络

同方期刊数据库

基于神经网络的粳稻种子拉曼光谱鉴别方法研究

在线全文

学校读者我要写书评

暂无评论

基于神经网络的粳稻种子拉曼光谱鉴别方法研究

作者：祝子涵黑龙江八一农垦大学

学位级别：硕士

水稻在中国有着五谷之首的地位,在世界上更是作为最重要的粮食作物之一,水稻品种鉴别作为一种农业检测技术一直是人们重点聚焦的内容。我国大米产地分布广、品种众多,不同地区适合栽种大米的品种不同,但由于市场管理不够完善,品种信息不... 详细信息

水稻在中国有着五谷之首的地位,在世界上更是作为最重要的粮食作物之一,水稻品种鉴别作为一种农业检测技术一直是人们重点聚焦的内容。我国大米产地分布广、品种众多,不同地区适合栽种大米的品种不同,但由于市场管理不够完善,品种信息不全,农户肉眼无法快速准确分辨稻种,经常出现选购错选问题。因此,针对不同水稻种植区域的水稻种子品种快速鉴定识别具有重要意义。目前,水稻种子鉴定方法从效率低、难操作的人工方法转变为精度高、易操作的理化方法。近年来,拉曼光谱技术以其速度快、效率高、操作方便等特点被广泛应用于品种鉴别领域。人工神经网络随着人工智能领域的兴起在定性分析和定量检测领域成为研究热点。因此,本文以拉曼光谱分析技术结合神经网络方法为研究手段,实现对水稻种子产地和品种高效准确测定。主要内容如下:(1)光谱信息的采集和预处理。通过拉曼光谱技术获取六个地区(黑龙江、辽宁、江苏、河南、山东、天津)中三十个品种的粳稻种子光谱信息,对数据进行训练集和测试集的样本集划分。并研究对比归一化(Normalization,NL)、Savitzky-Golay(SG)平滑、一阶导数(First derivative,1-Der)、二阶导数(Second derivative,2-Der)、多元散射校正(Multiplicative Scatter Correction,MSC)、标准正态变量变换(Standard Normal Variate transformation,SNV)和自适应迭代重加权惩罚最小二乘法(Adaptive iterative reweighted penalized least squares,AIRPLS)等光谱预处理方法及其组合共十一种预处理方法和原始光谱数据在模型中的鉴别效果,从中选取最佳预处理方法。所建立的模型为误差反向传播(Back Propagation,BP)、径向基函数(Radial Basis Function,RBF)、概率神经网络(Probabilistic Neural Network,PNN)和广义回归神经网络(General Regression Neural Network,GRNN)四种神经网络算法分类鉴别模型。以不同地区粳稻种子为研究对象,在BP、RBF、PNN和GRNN神经网络模型中,鉴别效果最好的预处理方法分别为AIRPLS+1-Der、MSC、AIRPLS和AIRPLS,对应的识别准确率分别为84%、86%、82.67%和83.33%。(2)不同特征波长提取方法的选择。由于光谱信息量繁多,数据冗余,导致建模速度慢。故采用裁剪特征谱区法、竞争性自适应重加权采样法(Competitive Adaptive Reweighted Sampling,CARS)、连续投影算法(Successive Projections Algorithm,SPA)和CARS-SPA算法四种方法提取光谱数据的特征值。研究对比不同特征波段提取方法分别在BP、RBF、PNN和GRNN神经网络分类判别模型中的鉴别效果,从中选择不同神经网络模型对应的最佳特征波段提取方法。以不同地区粳稻种子为研究对象,在BP神经网络模型中,CARS特征提取方法建模所用时间大幅缩短并且模型识别准确率高达83.33%,鉴别效果最佳;在RBF、GRNN神经网络模型中,CARS特征提取方法建模识别准确率分别提高到86.67%和85.33%,鉴别效果最佳;在PNN神经网络模型中,裁剪法特征提取建模识别准确率提高到83.33%,鉴别效果最佳。(3)对不同神经网络分析模型进行优化。为了获得更好的模型鉴别效果,利用遗传算法(Genetic Algorithm,GA)和粒子群算法(Particle Swarm Optimization,PSO)对神经网络算法模型做出改进。在以不同地区粳稻种子为研究对象时,BP神经网络模型选取最佳隐含层神经元个数后,采用GA算法优化BP神经网络模型,最终模型识别正确率为93.33%;在RBF、PNN和GRNN神经网络模型中,用PSO算法优化spread值提高模型识别准确率,最终在选择最佳spread值后,这3个神经网络模型识别准确率分别为90%、92.67%和89.33%。在以相同地区不同品种粳稻种子为研究对象时,数据经过最佳预处理、最佳特征波长提取和算法优化后,黑龙江、辽宁、江苏、河南、山东、天津地区对应的最佳识别分类模型分别为RBF、RBF、BP、BP、PNN和GRNN神经网络模型,对应的识别准确率分别为90%、92%、93.33%、93.33%、95%和100%。说明在不同地区粳稻种子分类识别模型中,BP神经网络模型优于其他分类识别模型;在相同地区不同品种粳稻种子分类识别模型中,不同地区有对应不同的最优网络识别模型。通过对多地区多品

关键词：拉曼光谱粳稻种子预处理特征提取神经网络

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

粳稻种子室内最适发芽试验条件研究

上海农业科技 2004年第5期 36-37页

作者：黄惠芳汪继华孙利祥颜韶兵浙江省杭州市种子技术推广站 310020

种子发芽率是种子质量标准的重要因素之一.快速准确的种子发芽试验与农业生产有密切关系.人们可根据测得的种子发芽率高低,决定一批种子能否在生产中应用,还可影响经营者调种、引种和良种的推广,以及播种量的多少.如何在室内准确测定种... 详细信息

种子发芽率是种子质量标准的重要因素之一.快速准确的种子发芽试验与农业生产有密切关系.人们可根据测得的种子发芽率高低,决定一批种子能否在生产中应用,还可影响经营者调种、引种和良种的推广,以及播种量的多少.如何在室内准确测定种子发芽率,最为关键的技术就是要将种子置于最适宜的条件下进行发芽.本文就不同温、光条件对粳稻种子室内发芽率进行研究,以得到粳稻种子室内最适发芽试验条件,给生产者提供较为切实可靠的技术依据.

关键词：粳稻种子室内栽培种子发芽试验

艾蒿提取物不同浸种时间对粳稻种子萌发和生长的影响

在线全文

学校读者我要写书评

暂无评论

中国种业 2009年第1期 43-44页

作者：虞梅高桂枝苑姗姗刘正南京信息工程大学环境科学与工程系南京210044

通过用4种艾蒿提取物对粳稻种子1、2、4和8h的浸种方法,观察其对粳稻种子萌发和早期生长的影响。试验结果表明:浸种1h,苯提取物的增长效果最好;浸种2h和4h,氯仿提取物的增长效果最好;浸种8h,石油醚提取物的浸种效果最好。总的来说,氯仿... 详细信息

通过用4种艾蒿提取物对粳稻种子1、2、4和8h的浸种方法,观察其对粳稻种子萌发和早期生长的影响。试验结果表明:浸种1h,苯提取物的增长效果最好;浸种2h和4h,氯仿提取物的增长效果最好;浸种8h,石油醚提取物的浸种效果最好。总的来说,氯仿提取物和石油醚提取物的增长效果较好,4h和8h为较佳浸种时间。

关键词：粳稻种子艾蒿提取物浸种发芽生长曲线

在线全文

学校读者我要写书评

暂无评论

太赫兹光谱结合特征选择算法分选掺混稻种

种子 2024年第7期43卷 143-149页

作者：汪宇杰张傲林高春芳中国人民公安大学侦查学院北京100038

农业生产安全是食品安全的重要组成,粳米作为日常食用的大米,劣质掺混种子的快速检验是相关领域的重要研究工作。本研究使用太赫兹时域光谱采集220份掺混稻种和纯品稻种样本的光谱信号,通过傅里叶变换(Fourier transform, FT)对光谱数... 详细信息

农业生产安全是食品安全的重要组成,粳米作为日常食用的大米,劣质掺混种子的快速检验是相关领域的重要研究工作。本研究使用太赫兹时域光谱采集220份掺混稻种和纯品稻种样本的光谱信号,通过傅里叶变换(Fourier transform, FT)对光谱数据进行预处理,将时域信号转化为频域信号作为建模数据集,对QUSET等5种模式识别模型进行分选研究。结果表明,随机森林算法(RF)、连续投影算法(SPA)、变量集群分析耦合迭代保留算法(VCPA-IRIV)等3种算法分别选择9个、6个、25个重要的特征频率,其中VCPA-IRIV作为耦合算法选择的特征频率包含的光谱信息最为丰富。为进一步优化模型,对特征频率选择后建模,在分析速度和识别精准度上显著优于全光谱建模方法,经VCPA-IRIV算法筛选的25个特征频率建立的QUEST和KNN分类对是否掺混的鉴别准确率均能达100%。变量集群分析耦合迭代保留算法能够有效地选择包含信息丰富的太赫兹光谱特征频率,能够有效提升所建立的识别模型的准确率。基于太赫兹光谱和耦合特征选择算法建立的掺混稻种识别模型快速、准确,能够为检测劣质掺混粳米种子提供新的方法。

关键词：粳稻种子掺混太赫兹时域光谱耦合特征选择算法模式识别