發(fā)布時間：2021-09-22 07:25

　　單倍體育種技術(shù)是現(xiàn)代農(nóng)業(yè)的一個重要研究方向,利用農(nóng)作物的單倍體可以獲得農(nóng)作物的純種品種,也可用于農(nóng)作物雜交育種中獲得具有優(yōu)良特性的雜交品種。玉米是我國種植規(guī)模最大且產(chǎn)量最高的糧食作物,單倍體育種是玉米育種中快速且高效的一種方式。單倍體識別是玉米單倍體育種技術(shù)研究和實(shí)施的前提和必要條件。研究人員對玉米單倍體的識別主要依靠細(xì)胞和解剖學(xué)鑒定、分子標(biāo)記鑒定和遺傳標(biāo)記鑒定等方法,但這些方式不但費(fèi)時費(fèi)力,還會對玉米籽粒造成損傷。為了幫助研究人員解決區(qū)分玉米單倍體和二倍體籽粒中遇到的上述問題,本文針對單倍體誘導(dǎo)的玉米籽粒,利用近紅外光譜技術(shù)在鑒別速度和識別準(zhǔn)確率上的優(yōu)勢,開發(fā)了一個玉米單倍體籽粒近紅外光譜建模和識別系統(tǒng),對于高油誘導(dǎo)的玉米籽粒,本系統(tǒng)還可通過預(yù)測籽粒的油分含量來進(jìn)行輔助識別,提高識別的準(zhǔn)確性。本系統(tǒng)以Py Qt為系統(tǒng)圖形化界面的開發(fā)基礎(chǔ),結(jié)合Sklearn、Py Qt Graph等擴(kuò)展庫,使用近紅外光譜技術(shù)中支持向量機(jī)、偏最小二乘回歸、多元散射校正和主成分分析等相關(guān)算法,實(shí)現(xiàn)了對原始光譜進(jìn)行數(shù)據(jù)整理、光譜預(yù)處理、特征降維、建立識別模型和樣本識別等功能,并利用具體的玉米籽粒光譜數(shù)據(jù)驗(yàn)證... 

【文章來源】：北京林業(yè)大學(xué)北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：78 頁

【學(xué)位級別】：碩士

【部分圖文】：

PyQtGraph示例程序及效果

2系統(tǒng)的相關(guān)技術(shù)介紹9函數(shù)是模型、視圖和代理之間的媒介，視圖的操作通過信號觸發(fā)對應(yīng)槽函數(shù)，模型會將數(shù)據(jù)的變化傳遞給視圖，代理可設(shè)置視圖中自定義條目的顯示和編輯，用戶對視圖的操作會使視圖發(fā)出信號并觸發(fā)槽函數(shù)，最后模型獲取視圖中數(shù)據(jù)的情況（王晉晶，2019）。上述交互過程如圖2.2所示。圖2.2MVD框架Figure2.2MVDframework2.4本章小結(jié)本章介紹了玉米單倍體籽粒近紅外光譜建模和識別系統(tǒng)的相關(guān)技術(shù)。首先介紹了實(shí)現(xiàn)本文系統(tǒng)用到的Python以及它的PyQt、Sklearn和PyQtGraph等擴(kuò)展庫，然后介紹了SQLite，最后介紹了開發(fā)系統(tǒng)的MVC思想。

玉米單倍體籽粒近紅外光譜建模和識別系統(tǒng)16其中，dE是光譜真值和擬合值之間的誤差矩陣，B是d維回歸中得到的對角矩陣。對于未知玉米籽粒含油量的預(yù)測，若其原始光譜為X，則可利用公式（3-20）得到預(yù)測含油量。X(X)Ty=UBQ（3-20）偏最小二乘回歸（PLSR）擬合油分的原理中結(jié)合了主成分分析的相關(guān)理論，該方法將會對原始特征進(jìn)行特征提取，并使用特征提取的特征進(jìn)行回歸，完成油分的擬合。②樸素貝葉斯分類樸素貝葉斯分類器具有穩(wěn)定的分類效率，對小樣本數(shù)據(jù)有很好的表現(xiàn)，是一個較為簡單且實(shí)用的分類算法。假設(shè)玉米單倍體和二倍體籽粒的油分含量分別服從獨(dú)立的高斯分布，那么玉米籽粒的油分含量服從兩個獨(dú)立高斯分布組成的混合高斯分布，如圖3.1是基于上述假設(shè)的概率分布圖，故可利用樸素貝葉斯分類器中的高斯模型對玉米籽粒單倍體和二倍體油分進(jìn)行識別。圖3.1油分概率分布圖Figure3.1Diagramofprobabilitydistributionofoilcontent樸素貝葉斯分類器是以貝葉斯定理為基礎(chǔ)的貝葉斯分類器中簡單且常用的一種分類方法。樸素貝葉斯分類器包括多項(xiàng)式模型、伯努利模型和高斯模型三個模型。其中，多項(xiàng)式和伯努利模型適用于離散型特征變量，高斯模型適用于連續(xù)型特征變量。假設(shè)1C代表玉米籽粒中的單倍體，2C代表玉米籽粒中的二倍體，jx（j=1，···，n，n為樣個數(shù)）代表某一玉米籽粒的油分值，本文使用現(xiàn)有的單倍體和二倍體油分?jǐn)?shù)據(jù)求得單倍體（1C）和二倍體（2C）油分的均值（μ）和標(biāo)準(zhǔn)差（σ2），因其油分?jǐn)?shù)據(jù)呈高斯分布，可利用公式（3-21）得到某一籽粒的油分值（jx）屬于某一類（iC）的概率。

【參考文獻(xiàn)】：
期刊論文
[1]光譜預(yù)處理方法選擇研究[J]. 第五鵬瑤,卞希慧,王姿方,劉巍.  光譜學(xué)與光譜分析. 2019(09)
[2]近紅外光譜技術(shù)在紡織產(chǎn)品檢測中的應(yīng)用[J]. 孫克強(qiáng),王京力,廖佳,趙珍玉.  輕紡工業(yè)與技術(shù). 2019(08)
[3]基于核局部保持投影的近紅外光譜玉米單倍體識別研究[J]. 劉文杰,李衛(wèi)軍,覃鴻,李浩光,寧欣.  光譜學(xué)與光譜分析. 2019(08)
[4]SQLITE數(shù)據(jù)庫在統(tǒng)計(jì)中的應(yīng)用[J]. 陳衛(wèi)華.  統(tǒng)計(jì)科學(xué)與實(shí)踐. 2019(05)
[5]基于深度信念網(wǎng)絡(luò)的多品種玉米單倍體定性鑒別方法研究[J]. 于云華,李浩光,沈?qū)W鋒,逄燕.  光譜學(xué)與光譜分析. 2019(03)
[6]我國玉米生產(chǎn)地位、優(yōu)勢與自給率分析[J]. 陳印軍,王琦琪,向雁.  中國農(nóng)業(yè)資源與區(qū)劃. 2019(01)
[7]紅外光譜在微藻領(lǐng)域的應(yīng)用研究進(jìn)展[J]. 劉京華,陳軍,秦松,戚澤明,黃青.  光譜學(xué)與光譜分析. 2019(01)
[8]基于機(jī)器學(xué)習(xí)的玉米單倍體近紅外光譜鑒別方法研究[J]. 李偉,李金龍,李衛(wèi)軍,劉麗威,李浩光,陳琛,陳紹江.  光譜學(xué)與光譜分析. 2018(09)
[9]近紅外光譜技術(shù)在糧食檢測中的應(yīng)用進(jìn)展[J]. 李佳楠.  糧食科技與經(jīng)濟(jì). 2018(08)
[10]軟件技術(shù)在近紅外光譜定量分析中的應(yīng)用[J]. 陳素彬,胡振,張曉琪,任維.  化學(xué)教育(中英文). 2018(16)

博士論文
[1]多元校正及模型轉(zhuǎn)移中的缺損數(shù)據(jù)重構(gòu)和交替殘差多線性方法研究[D]. 杜文.湖南大學(xué) 2016

碩士論文
[1]雷達(dá)目標(biāo)跟蹤算法研究與實(shí)現(xiàn)[D]. 王晉晶.西安電子科技大學(xué) 2019
[2]雞蛋新鮮度可見-近紅外光譜在線檢測技術(shù)研究[D]. 李小明.華中農(nóng)業(yè)大學(xué) 2017
[3]支持向量機(jī)核函數(shù)及關(guān)鍵參數(shù)選擇研究[D]. 尹嘉鵬.哈爾濱工業(yè)大學(xué) 2016
[4]基于C/S模式的PLC遠(yuǎn)程監(jiān)控軟件的設(shè)計(jì)與開發(fā)[D]. 陳含思.東南大學(xué) 2016



本文編號：3403376