光谱学与光谱分析
光譜學與光譜分析
광보학여광보분석
SPECTROSCOPY AND SPECTRAL ANALYSIS
2011年
2期
387-389
,共3页
施佳慧%陈自力%邵咏妮%何勇%冯盘%朱加进
施佳慧%陳自力%邵詠妮%何勇%馮盤%硃加進
시가혜%진자력%소영니%하용%풍반%주가진
近红外光谱%航天育种番茄%偏最小二乘法%人工神经网络
近紅外光譜%航天育種番茄%偏最小二乘法%人工神經網絡
근홍외광보%항천육충번가%편최소이승법%인공신경망락
提出了利用可见/近红外光谱技术快速无损鉴别航天育种番茄品种的方法,采用偏最小二乘法对光谱特征信息进行提取,与神经网络结合建立番茄品种的鉴别模型.该模型将提取后的主成分作为神经网络的输入,加速了神经网络的训练速度.同时采用小波变换对大量光谱数据进行压缩,并结合神经网络建立番茄品种鉴别模型,该模型将压缩后的数据作为神经网络的输入.通过对太空育种突变株 M1,M2 及其亲本番茄品种的共105个番茄果实样本建立训练模型,并用每个品种15个样本,共45个番茄果实的样本进行预测.两个模型的鉴别正确率分别达到95.6%和97.8%.说明本方法具有较高的鉴别准确度,为航天育种番茄品种的快速无损鉴别提供了新的方法.
提齣瞭利用可見/近紅外光譜技術快速無損鑒彆航天育種番茄品種的方法,採用偏最小二乘法對光譜特徵信息進行提取,與神經網絡結閤建立番茄品種的鑒彆模型.該模型將提取後的主成分作為神經網絡的輸入,加速瞭神經網絡的訓練速度.同時採用小波變換對大量光譜數據進行壓縮,併結閤神經網絡建立番茄品種鑒彆模型,該模型將壓縮後的數據作為神經網絡的輸入.通過對太空育種突變株 M1,M2 及其親本番茄品種的共105箇番茄果實樣本建立訓練模型,併用每箇品種15箇樣本,共45箇番茄果實的樣本進行預測.兩箇模型的鑒彆正確率分彆達到95.6%和97.8%.說明本方法具有較高的鑒彆準確度,為航天育種番茄品種的快速無損鑒彆提供瞭新的方法.
제출료이용가견/근홍외광보기술쾌속무손감별항천육충번가품충적방법,채용편최소이승법대광보특정신식진행제취,여신경망락결합건립번가품충적감별모형.해모형장제취후적주성분작위신경망락적수입,가속료신경망락적훈련속도.동시채용소파변환대대량광보수거진행압축,병결합신경망락건립번가품충감별모형,해모형장압축후적수거작위신경망락적수입.통과대태공육충돌변주 M1,M2 급기친본번가품충적공105개번가과실양본건립훈련모형,병용매개품충15개양본,공45개번가과실적양본진행예측.량개모형적감별정학솔분별체도95.6%화97.8%.설명본방법구유교고적감별준학도,위항천육충번가품충적쾌속무손감별제공료신적방법.
