小少妇BBBBBBBBBBBB,精品国产一区二区三区国产馆杂枝,亚洲国产福利成人一区二区,夜夜爽妓女8888视频免费观看

賽斯拜克中國(guó)核心技術(shù)品牌 博士專(zhuān)業(yè)研發(fā)團(tuán)隊(duì)   18年專(zhuān)注高光譜

咨詢(xún)熱線(xiàn):400-888-5135

高光譜成像技術(shù)鑒別小麥籽粒品種的研究進(jìn)展

來(lái)源:賽斯拜克 發(fā)表時(shí)間:2023-11-08 瀏覽量:1412 作者:

隨著科技的不斷發(fā)展,高光譜成像技術(shù)已經(jīng)廣泛應(yīng)用于各個(gè)領(lǐng)域,包括農(nóng)業(yè)。小麥?zhǔn)鞘澜缟献钪匾募Z食作物之一,因此,對(duì)小麥籽粒品種的準(zhǔn)確鑒別至關(guān)重要。本文將探討高光譜成像技術(shù)在小麥籽粒品種鑒別方面的研究進(jìn)展。

image.png

本研究應(yīng)用了400-1000nm的高光譜相機(jī),可采用廣東賽斯拜克科技有限公司產(chǎn)品SP130M進(jìn)行相關(guān)研究。

一、高光譜成像技術(shù)概述


高光譜成像技術(shù)是一種結(jié)合了光譜學(xué)和圖像學(xué)的技術(shù),它可以通過(guò)對(duì)物體在不同波長(zhǎng)范圍內(nèi)的光譜信息進(jìn)行采集和分析,實(shí)現(xiàn)對(duì)物體成分和性質(zhì)的準(zhǔn)確鑒別。高光譜成像技術(shù)具有高分辨率、高靈敏度、高速度等優(yōu)點(diǎn),因此在農(nóng)業(yè)、環(huán)境監(jiān)測(cè)、食品檢測(cè)等領(lǐng)域具有廣泛的應(yīng)用前景。


二、高光譜成像技術(shù)在小麥籽粒品種鑒別中的應(yīng)用


1. 光譜采集方法


在小麥籽粒品種鑒別中,常用的光譜采集方法包括透射光譜法和反射光譜法。透射光譜法是通過(guò)將光線(xiàn)照射到樣品上,然后收集透過(guò)樣品的光線(xiàn),分析其光譜特征。反射光譜法則是通過(guò)收集樣品表面反射的光線(xiàn),分析其光譜特征。這兩種方法都可以實(shí)現(xiàn)對(duì)小麥籽粒品種的準(zhǔn)確鑒別。


2. 特征提取與分類(lèi)算法


高光譜成像技術(shù)通過(guò)對(duì)小麥籽粒的光譜信息進(jìn)行分析,可以提取出反映品種差異的特征。這些特征可以包括光譜曲線(xiàn)、紋理等。然后,通過(guò)分類(lèi)算法對(duì)這些特征進(jìn)行分類(lèi)和識(shí)別,實(shí)現(xiàn)對(duì)小麥籽粒品種的準(zhǔn)確鑒別。常用的分類(lèi)算法包括支持向量機(jī)(SVM)、人工神經(jīng)網(wǎng)絡(luò)(ANN)等。


3. 實(shí)驗(yàn)結(jié)果與分析


通過(guò)大量的實(shí)驗(yàn)研究,高光譜成像技術(shù)在小麥籽粒品種鑒別方面已經(jīng)取得了顯著的成果。例如,研究人員可以通過(guò)高光譜成像技術(shù)實(shí)現(xiàn)對(duì)小麥籽粒的化學(xué)成分分析,進(jìn)而對(duì)其品種進(jìn)行分類(lèi)和識(shí)別。此外,研究人員還可以通過(guò)對(duì)小麥籽粒表面的紋理進(jìn)行分析,實(shí)現(xiàn)對(duì)品種的準(zhǔn)確鑒別。


三、高光譜成像技術(shù)鑒別小麥籽粒品種的研究進(jìn)展

高光譜成像結(jié)合圖像(形態(tài)、紋理等特征)和光譜信息,可同時(shí)快速、無(wú)損檢測(cè)樣品的物理(顏色、大小、形狀和質(zhì)地等)和內(nèi)部組成成分的化學(xué)和分子信息(水分、脂肪、蛋白及其他氫鍵物質(zhì)),已廣泛用于水稻]、玉米、大豆的鑒別研究,在實(shí)現(xiàn)小麥籽粒品種快速無(wú)損鑒別方面具有可行的理論基礎(chǔ)。

近年來(lái),國(guó)內(nèi)外已有基于高光譜成像技術(shù)對(duì)小麥品種鑒別方面的研究報(bào)道,但仍處于初步探索階段。

Mahesh等采集了加拿大西部種植的8個(gè)小麥品種籽粒的960~1700nm波長(zhǎng)范圍的高光譜信息,比較不同比例的訓(xùn)練集、測(cè)試集和驗(yàn)證集的建模效果,研究發(fā)現(xiàn),模型性能隨著訓(xùn)練集比例增大而提高。

董高等利用最小二乘-支持向量機(jī)(LS-SVM)和最小二乘判別(PLS-DA)算法對(duì)單粒小麥850~1700nm波長(zhǎng)范圍的高光譜信息建立分類(lèi)模型,實(shí)現(xiàn)了強(qiáng)筋、中筋、弱筋3個(gè)單籽粒小麥類(lèi)型之間的分類(lèi)。

丁秋等采集了10個(gè)品種共500個(gè)小麥籽粒388~1009nm波長(zhǎng)范圍的高光譜圖像,運(yùn)用主成分分析法提取三個(gè)特征波長(zhǎng),提取特征波長(zhǎng)下小麥籽粒圖像的形態(tài)特征和紋理特征,應(yīng)用貝葉斯(Bayes)判別分析法進(jìn)行建模,訓(xùn)練集和預(yù)測(cè)集的整體正確判別率分別為98%和100%。

張航等基于400-1000nm和900-1700nm波長(zhǎng)范圍的高光譜信息建立了小麥品種的主成分分析-支持向量機(jī)(PCA-SVM)分類(lèi)模型,結(jié)果發(fā)現(xiàn)900~1700nm波長(zhǎng)范圍建模效果優(yōu)于400~1000nm,其中3個(gè)品種間種子分類(lèi)正確率平均達(dá)到95%以上,4個(gè)品種間種子分類(lèi)準(zhǔn)確率在80%左右,6個(gè)品種間種子分類(lèi)準(zhǔn)確率在66%左右。

Bao等12]采集了5個(gè)小麥品種874~1734nm波長(zhǎng)范圍的高光譜信息,采用變量標(biāo)準(zhǔn)化算法(SNV)、多元散射校正(MSC)和小波變換(WT)等進(jìn)行光譜預(yù)處理,應(yīng)用主成分分析(PCA)、連續(xù)投影法(SPA)和隨機(jī)森林(RF)提取特征波長(zhǎng),基于全波長(zhǎng)和特征波長(zhǎng)建立線(xiàn)性判別(LDA)、支持向量機(jī)(SVM)和極限學(xué)習(xí)機(jī)(ELM)分類(lèi)模型。發(fā)現(xiàn)基于全波長(zhǎng)的ELM模型性能最佳,訓(xùn)練集和預(yù)測(cè)集分別為91.3%和86.26%。





吳永清等利用高光譜成像技術(shù)采集小麥籽粒光譜和圖像信息,優(yōu)選不同部位光譜、預(yù)處理方法和特征波長(zhǎng)提取方法;在此基礎(chǔ)上,建立基于光譜信息、形態(tài)特征信息、光譜和形態(tài)特征信息結(jié)合的分類(lèi)模型,構(gòu)建小麥品種快速、無(wú)損、有效、穩(wěn)定的鑒別技術(shù)。研究發(fā)現(xiàn):基于胚、胚乳和胚、胚乳部位混合光譜所建模型中,胚乳部位的建模效果最佳,其訓(xùn)練集和預(yù)測(cè)集的正確判別率分別為78.7%和79.3%。

目前高光譜成像技術(shù)應(yīng)用于小麥籽粒品種鑒別的模型正確判別率、穩(wěn)定性以及重現(xiàn)性等問(wèn)題尚需要進(jìn)一步的研究和探討。



相關(guān)產(chǎn)品

農(nóng)業(yè)監(jiān)測(cè)排行榜top10

農(nóng)業(yè)監(jiān)測(cè)相關(guān)推薦