作物種子作為種植業(yè)最基本、最原始的生產(chǎn)資料,選擇出高質(zhì)量的種子直接決定著農(nóng)業(yè)生產(chǎn)的經(jīng)濟(jì)效益和生產(chǎn)效益。高光譜成像技術(shù)出現(xiàn)于20世紀(jì)80年代,具有無(wú)損、快速成像以及"圖譜合一"等特點(diǎn)。運(yùn)用高光譜成像技術(shù)在作物種子方面的研究,前人主要集中于作物種子的品種鑒別、活力檢測(cè)和種子品質(zhì)檢測(cè)等方面。在前人的研究基礎(chǔ)上進(jìn)行深化總結(jié)凝煉可知,高光譜成像在作物種子品種鑒別研究主要應(yīng)用數(shù)據(jù)處理模型包括偏最小二乘法（partial least squares,PLS）、Ada-Boost算法、極限學(xué)習(xí)機(jī)（extreme learning machine,ELM）、隨機(jī)森林（random forest,RF）、支持向量機(jī)（support vector machine,SVM）和人工神經(jīng)網(wǎng)絡(luò)（artificial neural network,ANN）等。綜上所述,本研究旨在為各種類型的作物種子研究提供最佳的光譜范圍、樣本種類、降噪方法、特征波段提取和模型建立等方面的依據(jù),且對(duì)未來(lái)研究的方向提供了建議。 

【文章來(lái)源】：國(guó)土資源遙感. 2020,32(04)北大核心CSCD

【文章頁(yè)數(shù)】：10 頁(yè)

【文章目錄】：
0 引言
1 種子品種鑒別
    1.1 基于偏最小二乘判別法的種子品種鑒別
    1.2 基于機(jī)器學(xué)習(xí)算法的種子品種鑒別
        1.2.1 糧食作物種子
        1.2.2 其他作物種子
2 種子活力檢測(cè)
    2.1 可見(jiàn)光波段
    2.2 可見(jiàn)光—短波近紅外波段
    2.3 長(zhǎng)波近紅外波段
3 種子品質(zhì)檢測(cè)
    3.1 種子外在品質(zhì)
    3.2 種子內(nèi)在品質(zhì)
    3.3 種子元素含量
4 討論
5 結(jié)論與展望


【參考文獻(xiàn)】：
期刊論文
[1]利用葉面積指數(shù)優(yōu)化冬小麥高光譜水分預(yù)測(cè)模型[J]. 白青蒙,韓玉國(guó),彭致功,劉露,林少喆.  應(yīng)用與環(huán)境生物學(xué)報(bào). 2020(04)
[2]華南地區(qū)土壤全鉀含量高光譜反演模型研究[J]. 彭一平,劉振華,王璐,趙理,胡月明.  西南農(nóng)業(yè)學(xué)報(bào). 2019(10)
[3]種子活力測(cè)定方法研究進(jìn)展[J]. 陳澤賢,袁輝.  種子科技. 2019(16)
[4]基于高光譜遙感的農(nóng)作物分類研究進(jìn)展[J]. 張影,趙小娟,王迪.  中國(guó)農(nóng)業(yè)信息. 2019(05)
[5]高光譜小波能量特征估測(cè)土壤有機(jī)質(zhì)含量[J]. 章濤,于雷,易軍,聶艷,周勇.  光譜學(xué)與光譜分析. 2019(10)
[6]基于高光譜特征波長(zhǎng)的冬小麥水分含量估測(cè)模型[J]. 李天勝,崔靜,王海江,楊晉.  新疆農(nóng)業(yè)科學(xué). 2019(10)
[7]基于無(wú)人機(jī)高光譜數(shù)據(jù)的玉米葉面積指數(shù)估算[J]. 程雪,賀炳彥,黃耀歡,孫志剛,李鼎,朱婉雪.  遙感技術(shù)與應(yīng)用. 2019(04)
[8]基于近紅外光譜分析技術(shù)的轉(zhuǎn)Bt基因水稻種子及其親本快速鑒別方法[J]. 林萍,高明清,陳永明.  江蘇農(nóng)業(yè)科學(xué). 2019(13)
[9]高光譜技術(shù)無(wú)損檢測(cè)單粒小麥種子生活力的特征波段篩選方法研究[J]. 張婷婷,向瑩瑩,楊麗明,王建華,孫群.  光譜學(xué)與光譜分析. 2019(05)
[10]基于高光譜圖像技術(shù)的小麥種子分類識(shí)別研究[J]. 張航,姚傳安,蔣夢(mèng)夢(mèng),姬豫航,李華杰.  麥類作物學(xué)報(bào). 2019(01)

博士論文
[1]玉米種子高光譜圖像品種檢測(cè)方法研究[D]. 魏利峰.沈陽(yáng)農(nóng)業(yè)大學(xué) 2017

碩士論文
[1]基于高光譜圖像技術(shù)的脫絨棉種品種鑒別方法研究[D]. 黃蒂云.石河子大學(xué) 2018
[2]水稻種子鑒別的近紅外光譜快速無(wú)損分析[D]. 彭麗君.暨南大學(xué) 2018
[3]基于高光譜圖像的脫絨棉種活力檢測(cè)方法研究[D]. 尤佳.石河子大學(xué) 2017
[4]基于高光譜成像技術(shù)小麥籽粒品種鑒別研究[D]. 丁秋.武漢輕工大學(xué) 2017



本文編號(hào)：3214917