论文部分内容阅读
黄瓜是我国蔬菜种植面积最大的蔬菜之一,黄瓜种子的品质是影响发芽率和产量的重要因素之一。目前,黄瓜种子品质的检测方法存在着费时、效率低、对种子造成损伤等问题。随着高光谱图像技术地快速发展,高光谱图像技术越来越多地被应用于农业领域。本文以黄瓜种子为研究对象,采用高光谱图像技术对黄瓜种子的活力、品种及含水率等品质指标进行无损检测研究,并提出了基于高光谱图像技术的黄瓜种子活力分级、品种鉴别、水分含量无损检测方法,主要研究内容如下:(1)利用高光谱图像技术开展了对不同活力的黄瓜种子的分级检测研究。以“新津春4号”品种的黄瓜种子为研究对象,运用高温高湿法对黄瓜种子进行人工老化,分为3个等级梯度:未经老化、老化36h、老化72h。运用高光谱图像采集系统采集3个老化梯度的黄瓜种子的高光谱图像。采集光谱后,立即将部分种子按照GB/T5522-2008进行过氧化氢酶活动度测定实验,另一部分种子依据GB/T5520-2011进行发芽率检测试验,对黄瓜种子的活力特性进行验证。使用ENVI软件对采集的高光谱图像选择感兴趣区并提取高光谱数据。对采集的高光谱数据运用不同的预处理方法(S-G、MSC、SNV)进行处理,结果显示SNV效果最佳。然后利用主成分分析法(PCA)和连续投影算法(SPA)进行特征降维,分别建立极限学习机(ELM)和支持向量机(SVM)模型,对比模型可知,SNVSPA-SVM(径向基核函数)为最优模型,测试集分类正确率达到98.6%,交叉验证正确率达到95.3%。结果表明,运用高光谱图像技术对不同活力的黄瓜种子进行分级检测是可行的。(2)研究了基于高光谱图像技术的黄瓜种子品种鉴别技术。采用高光谱图像技术获取“新津春4号”、“摘不败”、“富阳35号”三个品种的种子的高光谱图像,运用ENVI软件确定了感兴趣区并提取了高光谱数据。对比不同的预处理方法,得出最优的预处理方法为SNV,然后利用主成分分析法和连续投影算法进行特征降维,分别建立ELM和SVM模型,得出结果为SNV-SPA-SVM(径向基核函数)模型效果最佳。测试集正确率96%,交叉验证正确率为91.6%。(3)研究了基于高光谱图像技术的黄瓜种子的含水率检测方法。以“富阳35号”黄瓜种子为研究对象,运用高光谱图像采集系统获取了871-1766nm范围内的黄瓜种子的高光谱图像,根据国标GB/T3543.6-1995《农作物种子检验规程》中的105℃恒重法对采集完的样本种子进行含水率检测。首先运用ENVI提取了高光谱图像感兴趣区内的高光谱数据,对比分析不同的预处理方法,得出最佳的预处理方法为SNV。利用竞争性自适应加权算法和连续投影算法提取特征波长,然后运用PLSR建立了种子含水率检测模型,试验表明SNV-SPA-PLSR模型的预测精度最高,预测集的RP2为0.85,RMSEP为1.79%,交叉验证的RCV2为0.76,RMSECV为1.66%。(4)分别基于MATLAB和Visual Studio开发了黄瓜种子品质检测软件,实现了对种子品质进行检测的功能。基于MATLAB R2016a设计的软件可以实现黄瓜种子高光谱数据的读取、数据预处理、特征波长选择和建模功能,基本实现不同活力黄瓜种子的分级检测。基于Visual Studio 2013的集成界面软件运用C#语言进行编写,运用COM技术将MATLAB建立的模型编译成dll文件,实现了算法的嵌入。使用该软件可以快速简便地实现数据的读取、预处理、特征波长选择,实现了种子的活力分级和含水率检测,基本满足了黄瓜种子检测的要求。