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

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。     

基于NIR分析和模式识别技术的玉米种子识别系统

模式识别技术及数据挖掘方法已成为化学计量学的研究热点。近红外(NIR)光谱分析以其快速、简便、非破坏性等优势广泛应用于光谱信号的处理和分析模型的建立。文章基于五种不同的模式识别方法:局部线性嵌入(LLE),小波变换(WT),主成分分析(PCA),偏最小二乘(PLS)和支持向量机(SVM),利用NIR技术建立了玉米种子的模式识别系统,并将其应用于108玉米杂交种和母本178种子的近红外光谱样品。首先利用LLE,WT,PCA,PLS进行消噪或降维,然后运用SVM进行分类识别,而一模支持向量机(1-norm SVM)算法直接进行分类识别。三个不同NIR光谱范围的数值实验显示:PCA+SVM,LLE+SVM,PLS+SVM识别效果甚佳,而WT+SVM和1-norm SVM方法也有较高的分类精度。实验结果表明了本文提出方法的可行性和有效性,为利用近红外光谱和模式识别技术进行种子识别研究提供了理论依据和实用方法。     

基于NIR分析和模式识别技术的玉米种子识别系统

模式识别技术及数据挖掘方法已成为化学计量学的研究热点。近红外(NIR)光谱分析以其快速、简便、非破坏性等优势广泛应用于光谱信号的处理和分析模型的建立。基于五种不同的模式识别方法:局部线性嵌入(LLE),小波变换(WT),主成分分析(PCA),偏最小二乘(PLS)和支持向量机(SVM),利用NIR技术建立了玉米种子的模式识别系统,并将其应用于108玉米杂交种和母本178种子的近红外光谱样品。首先利用LLE,WT,PCA,PLS进行消噪或降维,然后运用SVM进行分类识别,而一模支持向量机(1-normSVM)算法直接进行分类识别。三个不同NIR光谱范围的数值实验显示:PCA+SVM,LLE+SVM和PLS+SVM识别效果甚佳,而WT+SVM和1-norm SVM方法也有较高的分类精度。实验结果表明了本文提出方法的可行性和有效性,为利用近红外光谱和模式识别技术进行种子识别研究提供了理论依据和实用方法。     

单粒大豆的近红外光谱特征及品种鉴别研究

随着大豆生产及豆制品加工业的发展,大豆的品质育种已越来越被育种家所重视。传统的破坏性抽样检测方法已难以满足育种过程中早代材料的快速筛选要求。近红外光谱技术已在大豆品质检测中得到了广泛应用,但都是针对大量样本的,不能满足育种过程中对少量甚至单粒大豆品质检测的需求。文章采用AOTF近红外光谱仪对单粒大豆的漫反射光谱进行了研究。实验中测定了两个品种的大豆,分别是60粒"垦鉴豆43"和60粒"中黄13"。根据单粒大豆的近红外光谱,结合软独立建模分类法(SIMCA)建立定性分析模型,可准确鉴别大豆的品种。其研究中对"垦鉴豆43"和"中黄13"的识别正确率为100%。通过在不同部位多次测定单粒大豆的光谱,表明对于单粒种子的测定,光谱的准确获取及光谱的代表性是关键。大豆籽粒的表面形态对光谱扫描影响很大。对于表面光滑的大豆,光谱的重复性较好,而存在表面缺陷的种子,多次扫描得到的光谱存在明显差异。作为育种中快速筛选方法的需要,可在外观鉴定剔除表面缺陷的种子后,采用近红外光谱对内部成分进行检测,从而降低外部形态对光谱扫描的影响。     

基于近红外光谱的杂交水稻种子发芽率测试研究

现阶段水稻种子发芽率测试仍然按照传统的农作物种子发芽技术规定进行发芽试验,此方法存在试验周期长、成本高、专业性要求高等缺点,本研究提出一种基于近红外光谱技术的快速、无损测试杂交水稻种子发芽率的新方法。采用人工老化方法在温度45 ℃、湿度100%的条件下分别老化处理2个品种杂交水稻种子0,24,48,72,96,120,144 h;用近红外光谱仪分别采集2个品种不同老化时间段杂交水稻种子光谱数据共280份,随机分成校正集(168份)和检验集(112份);测试不同老化时间段的水稻种子发芽率;以偏最小二乘算法(PLS)建立了回归模型,分析不同光谱波段和比较不同光谱预处理方法对模型精度的影响。2个品种的水稻种子光谱数据采用全波段和标准化＋正交信号校正预处理时模型最优,模型校正集决定系数(R_C)与验证集相关系数(R_P)分别为0.965和0.931,校正标准误差(SEC)与预测标准误差(SEP)分别为1.929和2.899,验证集预测值与真实值之间的相对误差在4.2%以内。研究结果表明利用近红外光谱分析技术进行杂交水稻种子发芽率的快速无损检测是可行的。     

基于水稻种子近红外特征光谱的品种鉴别方法研究

本文用MPA傅立叶变换近红外光谱仪研究了单粒水稻种子的漫反射光谱特征,发现颖壳对光谱扫描有影响,为了尽量消除这种影响,保证光谱的代表性,应对其上下表面分别进行多次光谱采集,取它们的平均光谱。本文利用种子品种特有的光谱特性,结合不同光谱预处理方法建立了多个聚类分析模型,比较它们对杂交F1代种子"03S/0412"和其父本种子"0412"的鉴别效果。结果显示:选择4000⁸900cm-1光谱范围,通过"无预处理"、"矢量归一化"、"二阶导数(25点平滑)"和"二阶导数(25点平滑)+矢量归一化"建立的模型校正集正确率分别为52.4%、65.2%、75.2%和100%,可见,相比无预处理,经过各种预处理后正确率都有提高,其中"二阶导数(25点平滑)+矢量归一化"建立的模型最好,用该模型对预测集预测,分类正确率也为100%,具有很好的预测性能。这说明近红外光谱技术可用于单粒水稻种子品种真伪性鉴别。     

可见/近红外光估测完整柑橘水果可溶性固形物含量的研究

研究用可见/近红外光谱(Vis/NIR spectroscopy)漫透射方式对柑橘类水果的可溶性固形物含量(SSC)进行了无损、快速定量分析。通过自行设计的Vis/NIR光谱系统测定了110个柑橘样品的SSC。82个柑橘样品用来建模,其余28个用来验证模型的性能。对实验室测得的柑橘水果的SSC实际值与Vis/NIR光谱数据进行相关性分析,用光谱定量分析软件中集成的偏最小二乘回归法(PLS)和主成分回归法(PCR)建立校正和预测模型。对比了不同光谱预处理方法, 如微分处理, 标准归一化处理(SNV), 多元散射校正(MSC)和Savitzky-Golay 光谱平滑方法)对模型检测结果的影响。根据预测平方根误差(RMSEP)和相关系数(r2)进行不同模型的预测性能评价,建立的最好的柑橘水果SSC预测模型的RMSEP＝0.538%,r2＝0.896。结果表明Vis/NIR可以作为一种准确、快速的无损检测方法来评价柑橘类水果的可溶性固形物含量。     

棉籽油分含量近红外无损检测分析模型与应用

棉花是一种重要的油料作物。建立快速、无损检测棉花种子含油量的方法,对于棉花油分育种工作中的材料鉴定、筛选具有重要意义。利用近红外光谱仪采集118份不同油分含量棉花种籽的近红外漫反射光谱,结合化学方法测定验证,建立了棉籽油分含量快速无损检测的近红外模型。光谱预处理方法采用一阶导数＋多元散射校正(MSC),光谱范围5 446～8 848 cm-1,主成分维数为5,以基本覆盖陆地棉棉籽含油量范围的106份试验材料为校正样品集,利用偏最小二乘法(PLS)建立了棉籽仁油分含量近红外反射光谱(NIR)校正模型。校正模型决定系数R2=0.975,校正标准差SEC=0.67。用外部验证样品集进行外部验证,对所建模型的实际预测能力进行检验。结果表明,油分含量预测值与化学值相关系数r=0.978,预测结果误差范围0.1%～1.7%,建立的模型具有很好的预测性。利用建立的模型对784份育种材料进行了油分含量预测,结果显示,该模型应用可以加快棉花育种材料的油分鉴定。     

基于双潜变量技术的SPA算法应用于NIR波长筛选

利用近红外(NIR)光谱技术定量检测鱼粉的灰分含量,提出基于双潜变量技术的改进连续投影算法(DLV-SPA),针对光谱矩阵和目标成分进行双潜变量提取,结合连续投影完成特征变量筛选,为NIR定量分析提供有效的信息波长,实现降维定标,以达到提高预测精度的目的。结果表明,DLV-SPA方法应用于鱼粉品质的NIR定量检测,能够快速有效地完成信息波长筛选。该方法为动物养殖业提供了一种有潜力的品质检测技术,具有一定的应用价值。     

烟叶重要香味物质的近红外快速测定

建立近红外光谱技术快速无损检测烟草重要香味成分茄酮的方法.收集近500个具有代表性样品的光谱,建立其相应指标的近红外模型.在所有的校正模型中,原始谱图经过二阶导数和偏最小二乘(PLS)处理,20个外部样品用于所建模型的验证,实际和预测的平均相对偏差＜5%.该结果表明,近红外光谱技术能够应用于烟草重要香味成分茄酮的分析.作为一种快速高效的方法,香味成分的近红外光谱快速测定将为卷烟配方设计和质量控制提供有力的支持.