中國作為世界上最大的水稻生產(chǎn)國,穩(wěn)定的水稻年產(chǎn)量已經(jīng)成為了人們生活的基本保障。而選擇高活力的水稻種子進(jìn)行播種是保證水稻穩(wěn)產(chǎn)、高產(chǎn)的重要環(huán)節(jié)之一。傳統(tǒng)的種子活力測定方法主要以發(fā)芽試驗(yàn)和化學(xué)試驗(yàn)為主,該類方法存在著試驗(yàn)周期長,浪費(fèi)樣品且操作繁瑣等缺點(diǎn)。因此,一種快速、無損的種子活力檢測技術(shù)對農(nóng)業(yè)生產(chǎn)具有巨大的潛在效益。該研究嘗試應(yīng)用近紅外光譜分析技術(shù)實(shí)現(xiàn)水稻種子活力的快速無損測定,從而達(dá)到測量水稻種子的光譜曲線即可快速計(jì)算其發(fā)芽率的目的。該文的主要研究內(nèi)容如下:（1）建模數(shù)據(jù)采集。以黑龍江省五常市2017年收獲的五優(yōu)稻4號水稻種子為研究對象,通過高溫高濕的方法將水稻種子置于溫度為45^oC,濕度為90%的環(huán)境中進(jìn)行為期0d、1d、2d、3d、4d、5d、6d的人工老化,以獲得不同活力水平的水稻種子,采集其相應(yīng)的近紅外光譜數(shù)據(jù)。每一種老化天數(shù)的水稻種子樣本均采集60組樣本數(shù)據(jù),共記采集420組樣本數(shù)據(jù)。然后對采集過光譜數(shù)據(jù)的不同老化時(shí)間段的水稻種子進(jìn)行發(fā)芽試驗(yàn)以獲得其真實(shí)發(fā)芽率。（2）建模數(shù)據(jù)處理與建模。在數(shù)據(jù)處理的過程中,首先對不同老化天數(shù)水稻種子的光譜數(shù)據(jù)分別應(yīng)用蒙特... 

【文章來源】：黑龍江八一農(nóng)墾大學(xué)黑龍江省

【文章頁數(shù)】：69 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究的目的和意義
    1.2 國內(nèi)外研究動態(tài)和趨勢
        1.2.1 國外的研究現(xiàn)狀
        1.2.2 國內(nèi)的研究現(xiàn)狀
    1.3 研究目標(biāo)、內(nèi)容和技術(shù)路線
        1.3.1 研究目標(biāo)
        1.3.2 研究內(nèi)容
        1.3.3 研究方案和技術(shù)路線
2 近紅外光譜分析方法
    2.1 異常樣本剔除
        2.1.1 馬氏距離法
        2.1.2 蒙特卡洛交叉驗(yàn)證法
    2.2 樣本集劃分
        2.2.1 隨機(jī)選樣法
        2.2.2 Kennard-Stone算法
        2.2.3 SPXY算法
    2.3 特征波長選擇
        2.3.1 相關(guān)系數(shù)法與方差分析法
        2.3.2 無信息變量消除法
    2.4 建模方法選擇
        2.4.1 主成分回歸
        2.4.2 偏最小二乘回歸
        2.4.3 BP神經(jīng)網(wǎng)絡(luò)
        2.4.4 RBF神經(jīng)網(wǎng)絡(luò)
    2.5 模型評價(jià)
        2.5.1 相關(guān)系數(shù)
        2.5.2 決定系數(shù)
        2.5.3 標(biāo)準(zhǔn)誤差
        2.5.4 均方根誤差
        2.5.5 相對分析誤差
    2.6 本章小結(jié)
3 數(shù)據(jù)采集
    3.1 試驗(yàn)材料和儀器
        3.1.1 樣品來源
        3.1.2 試驗(yàn)主要儀器設(shè)備
    3.2 不同活力水平水稻種子的獲取
        3.2.1 種子人工老化方法的選擇
        3.2.2 高溫高濕老化試驗(yàn)
    3.3 光譜數(shù)據(jù)的采集
    3.4 水稻種子的發(fā)芽試驗(yàn)
    3.5 本章小結(jié)
4 水稻種子活力預(yù)測模型的建立與驗(yàn)證
    4.1 光譜數(shù)據(jù)處理
        4.1.1 異常樣本剔除方法選擇
        4.1.2 樣本集的劃分方法選擇
        4.1.3 特征波長算法的選擇
    4.2 模型的建立與驗(yàn)證
        4.2.1 偏最小二乘回歸模型的建立與驗(yàn)證
        4.2.2 BP神經(jīng)網(wǎng)絡(luò)模型的建立與驗(yàn)證
        4.2.3 RBF神經(jīng)網(wǎng)絡(luò)模型的建立與驗(yàn)證
        4.2.4 模型對比及改進(jìn)
    4.3 基于PLS的神經(jīng)網(wǎng)絡(luò)模型優(yōu)化
    4.4 本章小結(jié)
5 結(jié)論與展望
    5.1 結(jié)論
    5.2 展望
參考文獻(xiàn)
致謝
個(gè)人簡歷
    個(gè)人情況
    教育背景
    在學(xué)期間發(fā)表論文


【參考文獻(xiàn)】：
期刊論文
[1]高溫老化下甜玉米種子活力近紅外光譜檢測技術(shù)研究[J]. 李武,李妍,李高科,高磊,陳敏忠,盧爵廣,胡建廣,劉建華.  核農(nóng)學(xué)報(bào). 2018(08)
[2]NIR技術(shù)在食品中的應(yīng)用[J]. 劉曉紅,王會,姚寒笑,馬如霞,齊鑫,郭琦.  農(nóng)產(chǎn)品加工. 2018(03)
[3]一種改進(jìn)的RBF神經(jīng)網(wǎng)絡(luò)在農(nóng)機(jī)總動力預(yù)測中的應(yīng)用[J]. 潘琪,王福林,吳志輝,方堃.  農(nóng)機(jī)化研究. 2018(07)
[4]BP神經(jīng)網(wǎng)絡(luò)隱含層節(jié)點(diǎn)數(shù)確定方法研究[J]. 王嶸冰,徐紅艷,李波,馮勇.  計(jì)算機(jī)技術(shù)與發(fā)展. 2018(04)
[5]利用電導(dǎo)率法測種子活力的思考[J]. 劉子凡,羅文杰.  種子. 2017(08)
[6]結(jié)合光譜變換和Kennard-Stone算法的水稻土全氮光譜估算模型校正集構(gòu)建策略研究[J]. 陳奕云,趙瑞瑛,齊天賜,亓林,張超.  光譜學(xué)與光譜分析. 2017(07)
[7]近紅外光譜法測定不同產(chǎn)地黃芪中毛蕊異黃酮葡萄糖苷和黃芪甲苷含量[J]. 戰(zhàn)皓,吳宏偉,張東,柳夢婷,唐力英,李化,王祝舉,楊濱,楊嵐,方婧,付梅紅.  光譜學(xué)與光譜分析. 2017(05)
[8]加強(qiáng)種子市場監(jiān)管力度 保障農(nóng)戶合法權(quán)益[J]. 董繼祿,楊曉燕.  吉林農(nóng)業(yè). 2017(04)
[9]藥品近紅外光譜通用性定量模型評價(jià)參數(shù)的選擇[J]. 馮艷春,張琪,胡昌勤.  光譜學(xué)與光譜分析. 2016(08)
[10]基于近紅外光譜技術(shù)的春小麥單粒種子活力鑒定[J]. 時(shí)偉芳,謝宗銘,楊麗明,王建華,孫群.  麥類作物學(xué)報(bào). 2016(02)

博士論文
[1]大豆秸稈成分近紅外光譜分析快速檢測方法研究[D]. 孔慶明.東北農(nóng)業(yè)大學(xué) 2015
[2]近紅外光譜技術(shù)在藥物無損非破壞定量分析中的應(yīng)用研究[D]. 曲楠.吉林大學(xué) 2008
[3]基于近紅外光譜的貯藏臍橙品質(zhì)無損檢測方法研究[D]. 夏俊芳.華中農(nóng)業(yè)大學(xué) 2008

碩士論文
[1]玉米種子理化性狀與種子活力的關(guān)系研究[D]. 郝奇慧.沈陽農(nóng)業(yè)大學(xué) 2018
[2]BP神經(jīng)網(wǎng)絡(luò)整體變步長與個(gè)體變步長算法的比較研究[D]. 何志連.東北農(nóng)業(yè)大學(xué) 2016
[3]玉米種子活力的研究[D]. 袁曉華.天津農(nóng)學(xué)院 2016



本文編號：3183934