高强高效近红外光源的不同光源强度对玉米杂交种鉴别的影响

以2009年产自海南的农华101玉米种子作为研究对象,基于近红外漫透射光谱法(波长范围908.1~1 677.2nm),研究了一种高强高效近红外光源在不同光源电压以及光源至光谱仪不同距离两种条件下对玉米杂交种鉴别的影响。对光谱进行一阶导数、矢量归一化的预处理后,使用主成分分析(PCA)和正交线性判别分析(OLDA)提取光谱特征,使用支持向量机(SVM)分别建立种子纯度鉴定模型,统计不同实验条件下的识别率。结果表明,在电压较低或者光源至光谱仪的距离较大的时候,光源强度较低,得到的光谱曲线有较多的毛刺,此时的识别率较低,增大电压或者降低光源至光谱仪的距离时,光谱曲线变得较为平滑,识别率明显升高,说明在一定范围内增大光源强度会提高模型的正确鉴定率。     

省疾病预防控制领域网络化实验室信息管理系统的建设

正随着实验室信息管理系统在提高工作效率、增强管理水平、推动信息化变革等方面的作用日益显现[1-4],全国疾病预防控制机构已进入到实验室信息管理系统的建设、使用、快速发展阶段,其中部分省、市疾病预防控制中心已相继进行实验室信息管理系统的投入、建设及使用[5-6]。但是这些疾病预防控制中心大多采用自筹资金、独立建设、满足个性化的建设模式,经常出现同省内或者同一个市内的市、区疾病预防控制中心选择不同软件供应商,按照各自的     

虫蛀玉米种子的空气耦合超声波检测

提出了一种基于空气耦合超声波技术的玉米种子虫蛀孔洞颗粒和完好颗粒分类识别方法·首先根据玉米颗粒的弹性模量、泊松比和密度等物理量计算出了玉米颗粒的声速,并根据检测精度需求设定了激励信号频率。然后采用MATLAB对采集的两类种子超声波信号数据进行分析处理,并分析了种子厚度和摆放方位对超声波响应特征的影响。最后建立了K近邻(KNN)、簇类独立软模式法(SIMCA)、Fisher线性判别(LDA)和决策树(DT)识别模型,并对模型性能进行了测试.结果表明;种子孔洞深度、胚部厚度和正反面方位不同,即超声波在种子表面的反射程度不同、在种子中传播声程不同,则起声波信号衰减程度不同,导致接收到信号的幅值不同,且样本点在主成分分析(PCA)特征空间的分布也不同。4种识别模型均可以实现对两类玉米的分类识别,其中KNN模型性能最佳,其对虫蛀孔洞颗粒和完好颗粒的正确识别率分别为98%100%,误差带为2%,0。此结果说明采用空气耦合超声波技术可以实现对玉米种子虫蛀孔洞颗粒的检测。      

玉米品种近红外光谱鉴别技术中的参数漂移问题研究

以13个玉米品种鉴别为研究对象,提出了一种解决光谱仪参数漂移问题的有效方法。使用同一台光谱仪分不同时间重复采集数据,用一天数据建模,其余测试,发现不同时间采集的数据有较大偏移,严重时正确识别率仅为7.69%。为此,提出一种有监督学习特征提取的多天联合建模方法,首先挑选具有代表性的多个时间段样本数据共同组成建模集,其次采用PLS+LDA特征提取算法,提取出与仪器参数漂移无关的品种特征信息,然后采用BPR方法建立品种鉴别模型。实验结果表明,该方法对于不同时间数据的偏移均能有较好的校正效果,得到较高的识别率和稳定性。     

鉴别玉米杂交种纯度的近红外光谱分析技术研究

以不同产地和年份的农华101(NH101)玉米杂交种和母本种子为对象,研究了鉴别玉米杂交种子纯度的近红外光谱分析方法。光谱采集时间跨度达10个月,运用傅里叶变换(FT)近红外光谱仪器,在不同季节用23天(分五个时间段)采集了这些样品共920条玉米单子粒近红外漫反射光谱。全部原始光谱用移动窗口平均、一阶差分导数和矢量归一化进行预处理,使用主成分分析(PCA)方法和线性判别分析(LDA)方法降维,采用仿生模式识别(BPR)方法建立模型。通过对光谱预处理校正光谱失真,使样品光谱集在特征空间分布的范围收缩,相对距离增大了近70倍,实现了母本和杂交种子的鉴别。通过代表性样品的选择,提高了模型对光谱采集时间、地点、环境等条件变动的应变能力,也提高了模型对样品种子制种时间与地点变动的应变能力,增强了模型的稳健性,使测试集玉米单子粒杂交种和母本种子的平均正确识别率达到95%以上,而平均正确拒识率也达到85%以上。     

一种新的基于条纹投影的三维轮廓测量系统模型

提出一种新的光栅条纹投影轮廓测量术系统模型,新模型不要求测量系统满足光心连线平行于参考面、成像系统光轴垂直于参考面以及两光轴相交于参考面上等约束条件,只需投射至参考平面的正弦光栅条纹之间相互平行,简化了系统校准过程,有利于现场测量。得到的高度相位映射关系式中,待标定的系数与像点的坐标无关,不需要对每一个像点进行采样,能够减少系统标定所需的时间。实验表明:所提方法使投影装置和成像系统的位置校准过程简单,提高了系统标定的速度,且具有较高的测量精度,能够测量复杂面形的物体,增强了光栅投影三维测量系统的实用性。     

基于近红外光谱的商品玉米品种快速鉴别方法

现有的玉米种子品种鉴别方法检测时间长,费用高,不易大批量快速鉴别。提出了一种基于近红外光谱数据快速鉴别商品玉米品种的新方法。先使用傅里叶变换近红外光谱仪获得从4000到12000cm-1波段范围的37个商品玉米品种籽粒的漫反射光谱数据。对原始光谱进行矢量归一化预处理以消除噪声干扰,为了找到玉米品种籽粒的光谱特征波段,提出一种基于标准差的方法,进而对寻找到的玉米籽粒特征波段光谱做主成分分析(PCA),取能反映玉米品种99.98%光谱信息的前10个主成分。最后使用仿生模式识别(BPR)方法建立了37个玉米品种鉴别模型,对于每个品种的25个样本,随机挑选15个样本作为训练样本,其余10个样本作为第一测试集,其他品种共900个样本作为第二测试集。该鉴别模型对于37个玉米品种的平均正确识别率为94.3%。该方法的进一步研究有利于建立以近红外光谱为基础的物理指纹品种鉴别技术。     

利用少量波段近红外光谱图像鉴定玉米种子纯度

为实现玉米杂交种的自动化快速分选,提出了应用少量近红外波段光对玉米种子进行成像,获取种子光谱图像并提取纹理特征来鉴定玉米杂交种纯度的方法。采集5个玉米品种的母本和杂交种在4个短波近红外波段的透射光谱图像和4个中波近红外波段的反射光谱图像,采用白板标定校正光谱图像,运用中值滤波、大津法去除噪声,从背景中分割出种子,应用灰度分布统计,灰度共生矩阵提取纹理特征,对同一粒种子拼接其在各波长处的特征数据,应用主成分分析和正交线性判别分析降维并获得子空间的最佳可分性,使用支持向量机建立透射和反射光谱图像纯度鉴定模型。透射和反射模型对5个玉米品种平均正确鉴别率均在85%以上。表明利用少量波段的近红外光谱图像鉴定玉米杂交种纯度是可行的。     

基于近红外光谱的带种衣剂玉米种子真实性鉴定方法研究

应用近红外光谱鉴定玉米种子品种真实性已有深入的研究。在实际应用中,商品玉米种子均涂有种衣剂,给光谱的采集和分析带来了许多困难。提出了基于近红外光谱的带种衣剂玉米种子品种真实性快速鉴定方法。首先讨论了种衣剂对种子近红外光谱的影响,然后将种子沿着胚面凹陷方向切开,使用漫反射方式和专用配件测量种子切面的光谱,以消除种衣剂的影响。使用支持向量机、软独立模式识别和仿生模式识别三种方法建立四个玉米品种的真实性鉴定模型,正确识别率分别达到93%,95.8%和98%。品种鉴定模型具有很好的稳健性,对来自不同产地的同一品种的种子均能够正确识别。     

新的基于条纹投影轮廓测量的系统标定方法

提出一种新的光栅条纹投影轮廓测量术系统标定模型,新模型不要求投影装置和成像系统的光心连线与参考面平行、成像系统的光轴垂直于参考面及投影装置和成像系统的光轴相交。基于该模型得出了新的相位高度映射关系,其待定系数与成像点的坐标无关。实际测量中只需2个高度不同的标准块便可以求得待定系数。对4个标准块进行高度测量,得到的最大相对误差为06%。实验证明:该标定方法简单有效,提高了系统标定的可操作性和测量精度。