小麥發(fā)芽特性高光譜成像快速檢測研究.pdf

1、小麥在收獲前受陰雨影響并長期處于潮濕環(huán)境下而產(chǎn)生的穗上發(fā)芽現(xiàn)象稱為小麥穗發(fā)芽，嚴重時會導(dǎo)致小麥大面積減產(chǎn)，威脅國家糧食安全，因此探究影響小麥發(fā)芽特性相關(guān)因素，實現(xiàn)小麥發(fā)芽特性快速檢測，進而培育抗穗發(fā)芽小麥品種是當前重要議題。然而如今傳統(tǒng)的檢測方法卻存在著周期長、工作量大、過程繁瑣的諸多缺點，近年來發(fā)展較為迅速的近紅外光譜技術(shù)又因易受樣本均勻性干擾使得檢測結(jié)果穩(wěn)定性較差，實踐中建立一套高效、準確、可靠的技術(shù)體系成為當前的迫切需要，而高光譜

2、成像技術(shù)的近地應(yīng)用為此提供可能，其具有“圖譜合一”的優(yōu)勢，兼具空間維和光譜維的高分辨特性，能有效獲取整個目標區(qū)域光譜，彌補傳統(tǒng)近紅外光譜技術(shù)上單點獲取的不足。針對上述目標，實驗以單粒和群體小麥為研究對象，擬采用近紅外高光譜成像技術(shù)結(jié)合化學(xué)計量方法以及數(shù)據(jù)分析技術(shù)，分別從影響小麥發(fā)芽特性的內(nèi)在因素—品種以及影響小麥發(fā)芽特性的外在因素—存儲年限出發(fā)，對不同品種和不同年份小麥光譜差異進行分析，進而達到對不同品種以及不同年份小麥準確鑒別的目的，

3、最終通過對單粒、群體小麥的發(fā)芽預(yù)測來完成整個實驗探索。
　　本研究主要內(nèi)容包括：⑴充分利用高光譜成像技術(shù)“圖譜合一”特性進行不同品種小麥差異分析，使用德國EVK近紅外高光譜成像儀獲取了三個類型六個品種的單粒小麥高光譜成像數(shù)據(jù)，采用圖像處理結(jié)合模式識別方法以及信息融合的方式對獲取的圖像特征和光譜特征進行了分析,建立了小麥品種的圖像、光譜以及融合信息分類識別模型。從圖像模型中得知對于強筋、弱筋等外形差異較為明顯籽粒，識別率能達到100

4、％，說明近紅外高光譜圖像的形態(tài)信息能夠反映品種的差異；從建立的光譜特征模型中得知小麥籽粒胚乳區(qū)域較胚區(qū)域分類識別率略高，說明不同部位受籽粒形狀影響會產(chǎn)生光譜誤差；從最終的信息融合模型分類效果得知：無論是從穩(wěn)定性還是識別率上其效果都較單一模型略好,分類精度從原來的95.56％提升到98.89％，表明充分挖掘高光譜圖像所包含的形態(tài)特征和光譜特征可有效提高分類效果。⑵利用近紅外高光譜成像儀分析單粒小麥種子在存儲過程中的特征變化，首先獲取了20

5、07-2012年共計六個年份的單粒小麥近紅外高光譜數(shù)據(jù)，通過分析原始光譜得知在1400-1600nm波段光譜反射率存在明顯差異，可能是存儲過程中小麥籽粒水分和蛋白質(zhì)含量逐漸降低所致；對六個年份小麥籽粒光譜數(shù)據(jù)進行主成分分析，從主成分分布圖上得知相同或相近年份的小麥籽粒呈現(xiàn)出聚類特性，且這種特性會隨存儲年份的增加而更加明顯；進一步利用SIMCA方法對不同年份小麥籽粒進行分類，相鄰年份之間的二分類正確識別率達到97.44％，六個年份的混合分

6、類識別率達到82.5％，表明利用近紅外高光譜成像技術(shù)進行小麥存儲過程中的特征識別與品質(zhì)劃分是可行的⑶首先利用高光譜成像技術(shù)進行單籽粒小麥發(fā)芽預(yù)測，分析了單粒發(fā)芽與未發(fā)芽小麥籽粒之間的光譜差異，在1400-1600nm波段未發(fā)芽籽粒較發(fā)芽籽粒的光譜反射率略高，進一步利用LSSVM方法建立發(fā)芽與未發(fā)芽籽粒預(yù)測模型，二者的平均正確識別率能達到72.5％，說明利用高光譜成像技術(shù)進行單粒籽粒發(fā)芽預(yù)測具備一定可行性。在此基礎(chǔ)上獲取了2003-201