【摘要】：種子是農(nóng)業(yè)生產(chǎn)最基本、最主要的生產(chǎn)資料,是各項(xiàng)農(nóng)業(yè)技術(shù)和農(nóng)業(yè)生產(chǎn)資料發(fā)揮作用的載體,對(duì)農(nóng)業(yè)的增產(chǎn)、增收方面起到了關(guān)鍵性作用,因此種子的質(zhì)量安全問題對(duì)整個(gè)農(nóng)業(yè)生產(chǎn)的發(fā)展起到至關(guān)重要的作用。種子純度是反映種子質(zhì)量的重要指標(biāo),體現(xiàn)了種子品種在特征特性方面典型一致的程度。隨著雜交技術(shù)的廣泛應(yīng)用以及制種環(huán)節(jié)過程中的多種因素的影響,導(dǎo)致種子間的混雜的現(xiàn)象經(jīng)常出現(xiàn),對(duì)農(nóng)民百姓的利益造成嚴(yán)重的威脅,因此如何提高種子純度檢測(cè)的準(zhǔn)確性和可靠性對(duì)保證種子質(zhì)量,保障農(nóng)業(yè)高產(chǎn)具有重要的研究意義。化學(xué)計(jì)量學(xué)方法綜合了統(tǒng)計(jì)學(xué)、應(yīng)用數(shù)學(xué)以及計(jì)算科學(xué)及其他相關(guān)學(xué)科的理論方法與手段,可以設(shè)計(jì)和選擇最優(yōu)的量測(cè)方法對(duì)數(shù)據(jù)進(jìn)行解析,從而實(shí)現(xiàn)最大限度的獲取光譜數(shù)據(jù)中的有效信息。而高光譜圖像技術(shù)可以同時(shí)反映種子的光譜特征和圖像特征,在農(nóng)產(chǎn)品無損檢測(cè)中已經(jīng)得到廣泛應(yīng)用。本文旨在結(jié)合高光譜圖像技術(shù)與化學(xué)計(jì)量學(xué)方法,研究出一種快速、無損、準(zhǔn)確和魯棒性高的分類模型以解決種子純度檢測(cè)中出現(xiàn)的一些問題。研究重點(diǎn)主要是針對(duì)如何結(jié)合化學(xué)計(jì)量學(xué)方法對(duì)高光譜數(shù)據(jù)進(jìn)行波段選擇,以及對(duì)利用高光譜圖像建立的數(shù)學(xué)模型的更新這兩大方面。具體研究內(nèi)容如下:1.結(jié)合局部學(xué)習(xí)算法實(shí)現(xiàn)玉米種子近紅外高光譜圖像的最優(yōu)波段選擇。本課題共采集了6類樣本共720粒的玉米種子在874-1734nm波段范圍內(nèi)的256幅近紅外高光譜圖像,利用局部學(xué)習(xí)算法獲得波段的特征權(quán)重,并依據(jù)特征權(quán)重選擇了最優(yōu)波段。最后利用最優(yōu)波段的均值光譜特征建立偏最小二乘判別分析,從而實(shí)現(xiàn)玉米種子純度的快速檢測(cè)。實(shí)驗(yàn)結(jié)果表明:局部學(xué)習(xí)算法可有效獲取最優(yōu)鑒選波段,為實(shí)現(xiàn)玉米種子的快速鑒選提供了一個(gè)可能的技術(shù)途徑。2.結(jié)合主動(dòng)學(xué)習(xí)算法研究玉米種子純度檢測(cè)模型更新。本課題以兩類來自兩個(gè)不同年份的玉米種子在874-1734nm的近紅外高光譜圖像為研究對(duì)象,結(jié)合主動(dòng)學(xué)習(xí)算法選擇具有代表性的待測(cè)樣本,最終以添加最少最優(yōu)的樣本數(shù)來擴(kuò)大原模型的樣本空間,從而實(shí)現(xiàn)模型的快速更新,提高模型的穩(wěn)定性,同時(shí)與基于隨機(jī)選擇算法(RS)和Kennard-Stone算法(KS)的模型更新效果進(jìn)行比較。實(shí)驗(yàn)結(jié)果表明:利用主動(dòng)學(xué)習(xí)添加少數(shù)新樣本更新后的模型的預(yù)測(cè)精度明顯提高,同時(shí)基于主動(dòng)學(xué)習(xí)算法的模型更新效果明顯優(yōu)于RS和KS。因此基于主動(dòng)學(xué)習(xí)算法實(shí)現(xiàn)玉米種子純度檢測(cè)模型的更新是可行的。3.結(jié)合增量式支持向量數(shù)據(jù)描述(ISVDD)算法實(shí)現(xiàn)不同年份之間的玉米種子純度檢測(cè)模型的在線更新。本課題利用4類共2000粒玉米種子在400-1000nm的可見近紅外高光譜圖像,結(jié)合ISVDD算法實(shí)現(xiàn)在線更新LSSVM模型,從而提高模型的魯棒性和可靠性。實(shí)驗(yàn)結(jié)果表明:基于ISVDD算法的模型更新策略對(duì)不同年份的玉米種子識(shí)別提供了一個(gè)有效的方法,從而擴(kuò)大模型的泛化能力。
【學(xué)位授予單位】：江南大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：S339.31;TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 朱榮光;姚雪東;高廣娣;唐明翔;盧士玲;馬本學(xué);;不同儲(chǔ)存時(shí)間和取樣部位牛肉顏色的高光譜圖像檢測(cè)[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);2013年07期

2 趙杰文;劉劍華;陳全勝;Saritporn Vittayapadung;;利用高光譜圖像技術(shù)檢測(cè)水果輕微損傷[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);2008年01期

3 吳瑞梅;吳彥紅;艾施榮;劉木華;趙杰文;嚴(yán)霖元;;茶葉外形品質(zhì)的高光譜圖像量化分析[J];江西農(nóng)業(yè)大學(xué)學(xué)報(bào);2013年02期

4 艾施榮;吳瑞梅;吳彥紅;嚴(yán)霖元;;利用高光譜圖像技術(shù)鑒別廬山云霧茶產(chǎn)地[J];江西農(nóng)業(yè)大學(xué)學(xué)報(bào);2014年02期

5 徐爽;何建國;易東;賀曉光;;基于高光譜圖像技術(shù)的長棗糖度無損檢測(cè)[J];食品與機(jī)械;2012年06期

6 劉木華,趙杰文,鄭建鴻,吳瑞梅;農(nóng)畜產(chǎn)品品質(zhì)無損檢測(cè)中高光譜圖像技術(shù)的應(yīng)用進(jìn)展[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);2005年09期

7 程國首;郭俊先;肉孜·阿木提;饒秀勤;亢銀霞;石砦;;基于高光譜圖像技術(shù)預(yù)測(cè)蘋果大小[J];農(nóng)機(jī)化研究;2012年06期

8 蘇文浩;何建國;劉貴珊;王松磊;賀曉光;吳龍國;;近紅外高光譜圖像技術(shù)在馬鈴薯外部缺陷檢測(cè)中的應(yīng)用[J];食品與機(jī)械;2013年05期

9 陳樹人;鄒華東;吳瑞梅;閆潤;毛罕平;;基于高光譜圖像技術(shù)的稻田苗期雜草稻識(shí)別[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);2013年05期

10 韓小珍;辛世華;王松磊;何建國;;高光譜在農(nóng)產(chǎn)品無損檢測(cè)中的應(yīng)用展望[J];寧夏工程技術(shù);2013年04期

相關(guān)會(huì)議論文 前10條

1 張兵;王向偉;鄭蘭芬;童慶禧;;高光譜圖像地物分類與識(shí)別研究[A];成像光譜技術(shù)與應(yīng)用研討會(huì)論文集[C];2004年

2 高連如;張兵;孫旭;李山山;張文娟;;高光譜數(shù)據(jù)降維與分類技術(shù)研究[A];第八屆成像光譜技術(shù)與應(yīng)用研討會(huì)暨交叉學(xué)科論壇文集[C];2010年

3 王成;何偉基;陳錢;;基于波段重組和小波變換的高光譜圖像嵌入式壓縮方法[A];黑龍江、江蘇、山東、河南、江西 五省光學(xué)（激光）聯(lián)合學(xué)術(shù)‘13年會(huì)論文（摘要）集[C];2013年

4 孫蕾;羅建書;;基于分類預(yù)測(cè)的高光譜遙感圖像無損壓縮[A];第一屆建立和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議（HHME2005）論文集[C];2005年

5 楊勇;劉木華;鄒小蓮;苗蓬勃;趙珍珍;;基于高光譜圖像技術(shù)的獼猴桃硬度品質(zhì)檢測(cè)[A];走中國特色農(nóng)業(yè)機(jī)械化道路——中國農(nóng)業(yè)機(jī)械學(xué)會(huì)2008年學(xué)術(shù)年會(huì)論文集（下冊(cè)）[C];2008年

6 張曉紅;張立福;王晉年;童慶禧;;HJ-1A衛(wèi)星高光譜遙感圖像質(zhì)量綜合評(píng)價(jià)[A];第八屆成像光譜技術(shù)與應(yīng)用研討會(huì)暨交叉學(xué)科論壇文集[C];2010年

7 高東生;高連知;;基于獨(dú)立分量分析的高光譜圖像目標(biāo)盲探測(cè)方法研究[A];國家安全地球物理叢書（八）——遙感地球物理與國家安全[C];2012年

8 馮維一;陳錢;何偉基;;基于小波稀疏的高光譜目標(biāo)探測(cè)算法[A];黑龍江、江蘇、山東、河南、江西 五省光學(xué)（激光）聯(lián)合學(xué)術(shù)‘13年會(huì)論文（摘要）集[C];2013年

9 彭妮娜;易維寧;方勇華;;基于核函數(shù)的高光譜圖像信息提取研究[A];光子科技創(chuàng)新與產(chǎn)業(yè)化——長三角光子科技創(chuàng)新論壇暨2006年安徽博士科技論壇論文集[C];2006年

10 蒲曉豐;雷武虎;黃濤;王迪;;基于穩(wěn)健背景子空間的高光譜圖像異常檢測(cè)[A];中國光學(xué)學(xué)會(huì)2010年光學(xué)大會(huì)論文集[C];2010年

相關(guān)博士學(xué)位論文 前10條

1 普晗曄;高光譜遙感圖像的解混理論和方法研究[D];復(fù)旦大學(xué);2014年

2 王亮亮;非線性流形結(jié)構(gòu)在高光譜圖像異常檢測(cè)中的應(yīng)用研究[D];國防科學(xué)技術(shù)大學(xué);2014年

3 賀智;改進(jìn)的經(jīng)驗(yàn)?zāi)B(tài)分解算法及其在高光譜圖像分類中的應(yīng)用[D];哈爾濱工業(yè)大學(xué);2014年

4 魏然;基于成像機(jī)理分析的高光譜圖像信息恢復(fù)研究[D];哈爾濱工業(yè)大學(xué);2015年

5 葉珍;高光譜圖像特征提取與分類算法研究[D];西北工業(yè)大學(xué);2015年

6 馮婕;基于軟計(jì)算和互信息理論的遙感圖像地物分類[D];西安電子科技大學(xué);2014年

7 孫濤;快速多核學(xué)習(xí)分類研究及應(yīng)用[D];西安電子科技大學(xué);2015年

8 李昌國;基于譜間和校正相關(guān)性的高光譜圖像壓縮方法研究及GPU并行實(shí)現(xiàn)[D];成都理工大學(xué);2015年

9 徐速;基于壓縮感知的高光譜圖像稀疏解混方法研究[D];重慶大學(xué);2015年

10 南一冰;星載推掃型高光譜運(yùn)動(dòng)成像誤差建模與高精度校正技術(shù)研究[D];北京理工大學(xué);2015年

相關(guān)碩士學(xué)位論文 前10條

1 豐爍;高光譜圖像波段選取問題的改進(jìn)算法研究[D];昆明理工大學(xué);2015年

2 趙偉彥;果蔬干燥過程中的品質(zhì)無損檢測(cè)技術(shù)研究[D];江南大學(xué);2015年

3 馬亞楠;果蔬中內(nèi)部害蟲的高光譜圖像檢測(cè)技術(shù)研究[D];江南大學(xué);2015年

4 劉大洋;基于近紅外光譜和高光譜圖像技術(shù)無損識(shí)別獼猴桃膨大果[D];西北農(nóng)林科技大學(xué);2015年

5 王坤;高光譜圖像異常目標(biāo)檢測(cè)及光譜成像在偽裝評(píng)估方面的應(yīng)用研究[D];南京理工大學(xué);2015年

6 王啟聰;高光譜圖像分類的GPU并行優(yōu)化研究[D];南京理工大學(xué);2015年

7 程凱;無先驗(yàn)信息的高光譜圖像小目標(biāo)檢測(cè)算法研究[D];蘇州大學(xué);2015年

8 李秩期;基于高光譜及多信息融合的馬鈴薯外部缺陷無損檢測(cè)研究[D];寧夏大學(xué);2015年

9 王健;基于高光譜圖像的馬鈴薯形狀及重量分類識(shí)別建模研究[D];寧夏大學(xué);2015年

10 吳蓓芬;偏振高光譜圖像場(chǎng)景仿真及分類方法研究[D];哈爾濱工業(yè)大學(xué);2015年

，

本文編號(hào)：2623729