【摘要】：黃瓜是我國(guó)蔬菜種植面積最大的蔬菜之一,黃瓜種子的品質(zhì)是影響發(fā)芽率和產(chǎn)量的重要因素之一。目前,黃瓜種子品質(zhì)的檢測(cè)方法存在著費(fèi)時(shí)、效率低、對(duì)種子造成損傷等問題。隨著高光譜圖像技術(shù)地快速發(fā)展,高光譜圖像技術(shù)越來越多地被應(yīng)用于農(nóng)業(yè)領(lǐng)域。本文以黃瓜種子為研究對(duì)象,采用高光譜圖像技術(shù)對(duì)黃瓜種子的活力、品種及含水率等品質(zhì)指標(biāo)進(jìn)行無損檢測(cè)研究,并提出了基于高光譜圖像技術(shù)的黃瓜種子活力分級(jí)、品種鑒別、水分含量無損檢測(cè)方法,主要研究?jī)?nèi)容如下:(1)利用高光譜圖像技術(shù)開展了對(duì)不同活力的黃瓜種子的分級(jí)檢測(cè)研究。以“新津春4號(hào)”品種的黃瓜種子為研究對(duì)象,運(yùn)用高溫高濕法對(duì)黃瓜種子進(jìn)行人工老化,分為3個(gè)等級(jí)梯度:未經(jīng)老化、老化36h、老化72h。運(yùn)用高光譜圖像采集系統(tǒng)采集3個(gè)老化梯度的黃瓜種子的高光譜圖像。采集光譜后,立即將部分種子按照GB/T5522-2008進(jìn)行過氧化氫酶活動(dòng)度測(cè)定實(shí)驗(yàn),另一部分種子依據(jù)GB/T5520-2011進(jìn)行發(fā)芽率檢測(cè)試驗(yàn),對(duì)黃瓜種子的活力特性進(jìn)行驗(yàn)證。使用ENVI軟件對(duì)采集的高光譜圖像選擇感興趣區(qū)并提取高光譜數(shù)據(jù)。對(duì)采集的高光譜數(shù)據(jù)運(yùn)用不同的預(yù)處理方法(S-G、MSC、SNV)進(jìn)行處理,結(jié)果顯示SNV效果最佳。然后利用主成分分析法(PCA)和連續(xù)投影算法(SPA)進(jìn)行特征降維,分別建立極限學(xué)習(xí)機(jī)(ELM)和支持向量機(jī)(SVM)模型,對(duì)比模型可知,SNVSPA-SVM(徑向基核函數(shù))為最優(yōu)模型,測(cè)試集分類正確率達(dá)到98.6%,交叉驗(yàn)證正確率達(dá)到95.3%。結(jié)果表明,運(yùn)用高光譜圖像技術(shù)對(duì)不同活力的黃瓜種子進(jìn)行分級(jí)檢測(cè)是可行的。(2)研究了基于高光譜圖像技術(shù)的黃瓜種子品種鑒別技術(shù)。采用高光譜圖像技術(shù)獲取“新津春4號(hào)”、“摘不敗”、“富陽(yáng)35號(hào)”三個(gè)品種的種子的高光譜圖像,運(yùn)用ENVI軟件確定了感興趣區(qū)并提取了高光譜數(shù)據(jù)。對(duì)比不同的預(yù)處理方法,得出最優(yōu)的預(yù)處理方法為SNV,然后利用主成分分析法和連續(xù)投影算法進(jìn)行特征降維,分別建立ELM和SVM模型,得出結(jié)果為SNV-SPA-SVM(徑向基核函數(shù))模型效果最佳。測(cè)試集正確率96%,交叉驗(yàn)證正確率為91.6%。(3)研究了基于高光譜圖像技術(shù)的黃瓜種子的含水率檢測(cè)方法。以“富陽(yáng)35號(hào)”黃瓜種子為研究對(duì)象,運(yùn)用高光譜圖像采集系統(tǒng)獲取了871-1766nm范圍內(nèi)的黃瓜種子的高光譜圖像,根據(jù)國(guó)標(biāo)GB/T3543.6-1995《農(nóng)作物種子檢驗(yàn)規(guī)程》中的105℃恒重法對(duì)采集完的樣本種子進(jìn)行含水率檢測(cè)。首先運(yùn)用ENVI提取了高光譜圖像感興趣區(qū)內(nèi)的高光譜數(shù)據(jù),對(duì)比分析不同的預(yù)處理方法,得出最佳的預(yù)處理方法為SNV。利用競(jìng)爭(zhēng)性自適應(yīng)加權(quán)算法和連續(xù)投影算法提取特征波長(zhǎng),然后運(yùn)用PLSR建立了種子含水率檢測(cè)模型,試驗(yàn)表明SNV-SPA-PLSR模型的預(yù)測(cè)精度最高,預(yù)測(cè)集的RP2為0.85,RMSEP為1.79%,交叉驗(yàn)證的RCV2為0.76,RMSECV為1.66%。(4)分別基于MATLAB和Visual Studio開發(fā)了黃瓜種子品質(zhì)檢測(cè)軟件,實(shí)現(xiàn)了對(duì)種子品質(zhì)進(jìn)行檢測(cè)的功能�；贛ATLAB R2016a設(shè)計(jì)的軟件可以實(shí)現(xiàn)黃瓜種子高光譜數(shù)據(jù)的讀取、數(shù)據(jù)預(yù)處理、特征波長(zhǎng)選擇和建模功能,基本實(shí)現(xiàn)不同活力黃瓜種子的分級(jí)檢測(cè)。基于Visual Studio 2013的集成界面軟件運(yùn)用C#語(yǔ)言進(jìn)行編寫,運(yùn)用COM技術(shù)將MATLAB建立的模型編譯成dll文件,實(shí)現(xiàn)了算法的嵌入。使用該軟件可以快速簡(jiǎn)便地實(shí)現(xiàn)數(shù)據(jù)的讀取、預(yù)處理、特征波長(zhǎng)選擇,實(shí)現(xiàn)了種子的活力分級(jí)和含水率檢測(cè),基本滿足了黃瓜種子檢測(cè)的要求。
【圖文】：

圖 1.1 技術(shù)路線圖Fig.1.1 Technique flow chart章小結(jié)章主要講述了將高光譜技術(shù)應(yīng)用于黃瓜種子活力、品種分類和含水和意義。綜述了國(guó)內(nèi)外在種子品質(zhì)檢測(cè)領(lǐng)域的研究現(xiàn)狀，闡述了本和研究?jī)?nèi)容，制定了研究路線。

溫高濕法[38]對(duì)種子進(jìn)行老化。試驗(yàn)中的黃瓜瓜顆粒大小、表面粗糙程度及顏色均勻度存因此，對(duì)買來的黃瓜種子進(jìn)行一定的篩選，降低不必要的隨機(jī)誤差。選取“新津春 4人工老化處理方法，將黃瓜種子進(jìn)行不同程水，把底部的陶瓷片換成鐵絲網(wǎng)，使溫度分照培養(yǎng)箱（上海新苗醫(yī)療器械制造有限公置為 45℃。三組，每組 5g，分別放入透氣的紗網(wǎng)袋內(nèi)內(nèi)，，圖 2.1 為干燥器。分別對(duì)黃瓜種子進(jìn)簽 1、2、3 表示未經(jīng)老化、老化 36h、老化
【學(xué)位授予單位】：江蘇大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：S642.2;TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李婷;季宇寒;張漫;沙莎;李民贊;;基于PLSR和BPNN方法的番茄光合速率預(yù)測(cè)比較（英文）[J];農(nóng)業(yè)工程學(xué)報(bào);2015年S2期

2 孫俊;張梅霞;毛罕平;李正明;楊寧;武小紅;;基于高光譜圖像的桑葉農(nóng)藥殘留種類鑒別研究[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);2015年06期

3 侯培國(guó);李寧;常江;王書濤;宋濤;;SG平滑和IBPLS聯(lián)合優(yōu)化水中油分析方法的研究[J];光譜學(xué)與光譜分析;2015年06期

4 姚俠妹;張瑞娥;偶春;汪林;王維根;王瑞;常二梅;;人工老化處理對(duì)桔梗種子生理生化特性的影響[J];西北農(nóng)林科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2015年02期

5 孫俊;金夏明;毛罕平;武小紅;楊寧;;高光譜圖像技術(shù)在摻假大米檢測(cè)中的應(yīng)用[J];農(nóng)業(yè)工程學(xué)報(bào);2014年21期

6 孫俊;金夏明;毛罕平;武小紅;朱文靜;張曉東;高洪燕;;基于高光譜圖像光譜與紋理信息的生菜氮素含量檢測(cè)[J];農(nóng)業(yè)工程學(xué)報(bào);2014年10期

7 孫俊;金夏明;毛罕平;武小紅;張曉東;高洪燕;;基于高光譜圖像的生菜葉片氮素含量預(yù)測(cè)模型研究[J];分析化學(xué);2014年05期

8 譚克竹;柴玉華;宋偉先;曹曉達(dá);;基于高光譜圖像處理的大豆品種識(shí)別(英文)[J];農(nóng)業(yè)工程學(xué)報(bào);2014年09期

9 張初;劉飛;章海亮;孔汶汶;何勇;;近地高光譜成像技術(shù)對(duì)黑豆品種無損鑒別[J];光譜學(xué)與光譜分析;2014年03期

10 劉善梅;李小昱;鐘雄斌;;考慮品種差異的冷鮮豬肉含水率高光譜信號(hào)補(bǔ)正算法[J];農(nóng)業(yè)工程學(xué)報(bào);2014年04期

本文編號(hào)：2623614