文献类型：期刊文章

作　　者：张伏[1,2] 王新月[1] 崔夏华[1] 禹煌[1] 曹炜桦[1] 张亚坤[1] 熊瑛[3] 付三玲[4]

ZHANG Fu;WANG Xin-yue;CUI Xia-hua;YU Huang;CAO Wei-hua;ZHANG Ya-kun;XIONG Ying;FU San-ling(College of Agricultural Equipment Engineering,Henan University of Science and Technology,Luoyang 471003,China;Collaborative Innovation Center of Advanced Manufacturing of Machinery and Equipment of Henan Province,Luoyang 471003,China;College of Agriculture/Tree Peong,Henan University of Science and Technology,Luoyang 471023,China;College of Physical Engineering,Henan University of Science and Technology,Luoyang 471023,China)

机构地区：[1]河南科技大学农业装备工程学院,河南洛阳471003 [2]机械装备先进制造河南省协同创新中心,河南洛阳471003 [3]河南科技大学农学院/牡丹学院,河南洛阳471023 [4]河南科技大学物理工程学院,河南洛阳471023

出　　处：《光谱学与光谱分析》

基　　金：国家“十三五”重点研发计划项目(2017YFD0301106),河南省科技攻关计划项目(222102110196),河南省高等学校青年骨干教师培养计划项目(2017GGJS062)资助。

年　　份：2023

卷　　号：43

期　　号：9

起止页码：2928-2934

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAS、CSCD、CSCD2023_2024、EI、IC、JST、PUBMED、RCCSE、SCIE、SCOPUS、WOS、ZGKJHX、核心刊

摘　　要：玉米是我国重要粮食作物之一,在我国广泛种植,筛选优良的玉米品种是农业生产和育种的关键,但市场上玉米品种繁多,如何快速准确高效鉴别玉米品种从而实现玉米高产高收亟待解决。提出了基于高光谱图像技术的极限学习机(ELM)鉴别模型,以期解决玉米品种鉴别问题。以八个品种玉米种子作为研究对象,试验样本共480个,按2∶1比例划分为训练集和测试集,分别为320个和160个。利用高光谱图像采集系统获取935.61~1720.23 nm范围内的玉米种子图像,黑白校正后选取胚芽部位大小为10×10 pixel的感兴趣区域(ROI),提取该区域内平均光谱作为原始光谱数据。因原始光谱两端噪声较大,有效信息较少,为增强信噪比,截取949~1700 nm范围内的玉米种子光谱波段作为有效波段进行分析。由于数据采集过程中受无关信息干扰较强影响建模效果,故对去噪后的光谱波段信息进行SG平滑(Savitzky-Golay smoothing)预处理,将平滑点数设置为3,在SG平滑基础上进行最大归一化(MN)预处理。预处理后分别采用竞争性自适应重加权算法(CARS)、连续投影算法(SPA)单一提取和CARS+SPA、CARS-SPA组合筛选方法提取特征波长,以特征波长反射率作为输入矩阵X,预设样本类别1、2、3、4、5、6、7、8作为输出矩阵Y,利用极限学习机分别建立(SG+MN)-ELM、(SG+MN)-CARS-ELM、(SG+MN)-SPA-ELM、(SG+MN)-(CARS+SPA)-ELM、(SG+MN)-(CARS-SPA)-ELM五种玉米品种定性鉴别模型。试验结果表明:(SG+MN)-(CARS-SPA)-ELM模型较其他四者鉴别效果最佳,训练集和测试集平均鉴别准确率均为98.13%,表明CARS-SPA二次筛选的特征波长变量更敏感,能够代表所有波长信息,且极限学习机模型有较好的定性鉴别性能,可实现对玉米品种的鉴别。该研究为玉米种子及其他农作物种子快速准确鉴别提供了新思路和新方法。

关 键 词：高光谱图像技术  玉米 品种鉴别  极限学习机 组合筛选  

分 类 号：TP391]