中国农学通报
中國農學通報
중국농학통보
CHINESE AGRICULTURAL SCIENCE BULLETIN
2012年
33期
118-123
,共6页
光致发光光谱%水稻%主成分分析%BP神经网络%品种鉴别
光緻髮光光譜%水稻%主成分分析%BP神經網絡%品種鑒彆
광치발광광보%수도%주성분분석%BP신경망락%품충감별
水稻是中国最重要的粮食作物之一,其种子品种鉴别是目前农业生产、作物育种和种子检验的重要问题.由于品种鉴别比较困难,每年因品种搞错和纯度差而造成的经济损失巨大.为此提出了一种应用光致发光光谱分析技术与化学计量学相结合的快速、无损鉴别稻谷品种的新方法.为了实现水稻品种的快速无损鉴别,采用北京卓立汉光仪器有限公司生产的光致发光光谱分析仪,对从长江大学农学院收集的5个不同品种的水稻共125个样本进行650～1000nm波段光致发光光谱采集,获取了每个品种水稻各25个样本数据.将光谱数据经主成分分析压缩成数目较少的新变量(主成分),其中前7个主成分能够解释99.696％的原始光谱信息.因此将前7个主成分作为BP神经网络的输入,不同水稻的品种值作为BP神经网络的输出,建立水稻品种的模式识别模型.样本被随机的分成包含100个样本的建模集和25个样本的预测集.结果表明,5次随机抽样建模的预测正确率均达到100％.同时也表明,主成分分析的数据压缩能力好,通过主成分分析和BP神经网络相结合建立模型进行不同品种水稻鉴别具有分析速度快、鉴别能力强的特点,为快速鉴别水稻品种提供了新的方法.
水稻是中國最重要的糧食作物之一,其種子品種鑒彆是目前農業生產、作物育種和種子檢驗的重要問題.由于品種鑒彆比較睏難,每年因品種搞錯和純度差而造成的經濟損失巨大.為此提齣瞭一種應用光緻髮光光譜分析技術與化學計量學相結閤的快速、無損鑒彆稻穀品種的新方法.為瞭實現水稻品種的快速無損鑒彆,採用北京卓立漢光儀器有限公司生產的光緻髮光光譜分析儀,對從長江大學農學院收集的5箇不同品種的水稻共125箇樣本進行650～1000nm波段光緻髮光光譜採集,穫取瞭每箇品種水稻各25箇樣本數據.將光譜數據經主成分分析壓縮成數目較少的新變量(主成分),其中前7箇主成分能夠解釋99.696％的原始光譜信息.因此將前7箇主成分作為BP神經網絡的輸入,不同水稻的品種值作為BP神經網絡的輸齣,建立水稻品種的模式識彆模型.樣本被隨機的分成包含100箇樣本的建模集和25箇樣本的預測集.結果錶明,5次隨機抽樣建模的預測正確率均達到100％.同時也錶明,主成分分析的數據壓縮能力好,通過主成分分析和BP神經網絡相結閤建立模型進行不同品種水稻鑒彆具有分析速度快、鑒彆能力彊的特點,為快速鑒彆水稻品種提供瞭新的方法.
수도시중국최중요적양식작물지일,기충자품충감별시목전농업생산、작물육충화충자검험적중요문제.유우품충감별비교곤난,매년인품충고착화순도차이조성적경제손실거대.위차제출료일충응용광치발광광보분석기술여화학계량학상결합적쾌속、무손감별도곡품충적신방법.위료실현수도품충적쾌속무손감별,채용북경탁립한광의기유한공사생산적광치발광광보분석의,대종장강대학농학원수집적5개불동품충적수도공125개양본진행650～1000nm파단광치발광광보채집,획취료매개품충수도각25개양본수거.장광보수거경주성분분석압축성수목교소적신변량(주성분),기중전7개주성분능구해석99.696％적원시광보신식.인차장전7개주성분작위BP신경망락적수입,불동수도적품충치작위BP신경망락적수출,건립수도품충적모식식별모형.양본피수궤적분성포함100개양본적건모집화25개양본적예측집.결과표명,5차수궤추양건모적예측정학솔균체도100％.동시야표명,주성분분석적수거압축능력호,통과주성분분석화BP신경망락상결합건립모형진행불동품충수도감별구유분석속도쾌、감별능력강적특점,위쾌속감별수도품충제공료신적방법.
