專利名稱：用可見光和近紅外光譜技術(shù)無(wú)損鑒別作物種子品種的方法
技術(shù)領(lǐng)域：
本發(fā)明涉及在播種或種植前測(cè)試種子的方法，尤其涉及一種用可見光和近紅外光譜技術(shù)無(wú)損鑒別作物種子品種的方法。
背景技術(shù)：
農(nóng)作物品種鑒別是目前農(nóng)業(yè)生產(chǎn)、作物育種和種子檢驗(yàn)上的重要問題。因?yàn)椴シN種子品種真實(shí)性和純度是發(fā)展優(yōu)質(zhì)農(nóng)業(yè)的重要物質(zhì)基礎(chǔ)。目前由于品種鑒別比較困難，每年因品種搞錯(cuò)和純度差而造成的經(jīng)濟(jì)損失是巨大的。目前在作物種子的品種鑒別中，國(guó)內(nèi)外標(biāo)準(zhǔn)方法主要是形態(tài)學(xué)方法、熒光掃描鑒定法、化學(xué)鑒定法和電泳鑒定法。
形態(tài)學(xué)方法既從待檢測(cè)種子的外觀開始，直至種苗和全株長(zhǎng)大，跟蹤觀察，借以判斷種子品種。這種方法有難以克服的缺點(diǎn)一是形態(tài)特征不易掌握，用直覺去判斷種子品種，易產(chǎn)生較大誤差。二是確定種子品種純度的時(shí)間長(zhǎng)，一般需要三個(gè)月，不能快速的對(duì)生產(chǎn)進(jìn)行指導(dǎo)。三是浪費(fèi)人財(cái)物而得到的數(shù)據(jù)準(zhǔn)確度偏低。
熒光掃描鑒定法的原理是當(dāng)用一種波長(zhǎng)的光照射某種物質(zhì)時(shí)，這種物質(zhì)會(huì)在極短的時(shí)間內(nèi)發(fā)射出較照射波長(zhǎng)為長(zhǎng)的可見光。這種光就是熒光。根據(jù)不同的熒光顏色來(lái)鑒別品種。但是熒光掃描鑒定法的缺點(diǎn)在于，鑒別前要選擇特定的激發(fā)光波長(zhǎng)，使產(chǎn)生的熒光發(fā)射光譜強(qiáng)度最大。其次，應(yīng)確定熒光發(fā)射光譜最大處的波長(zhǎng)，這無(wú)疑會(huì)使分析時(shí)間延長(zhǎng)，而且如果波長(zhǎng)選擇不準(zhǔn)，還會(huì)影響鑒別結(jié)果的準(zhǔn)確性。
電泳鑒定法的原理是不同蛋白質(zhì)或不同結(jié)構(gòu)的同工酶，因其分子大小和所負(fù)載有效電荷的不同，在一個(gè)均一的電勢(shì)梯度和均一的pH條件下，不同品種由于所帶蛋白質(zhì)或酶分子的大小，結(jié)構(gòu)和有效電荷有差異，就會(huì)形成不同數(shù)目和遷移率的譜帶，借此就可鑒別不同品種。電泳鑒定法的準(zhǔn)確度較高，但是耗時(shí)更長(zhǎng)，一般需要30到40小時(shí)。實(shí)驗(yàn)過程繁瑣復(fù)雜，非專業(yè)人員是不能勝任的；而且也要消耗大量的化學(xué)藥劑，不適宜對(duì)樣品進(jìn)行在線監(jiān)測(cè)。化學(xué)鑒定法也存在很多缺陷需要消耗大量的化學(xué)藥劑，分析一個(gè)樣品的成本高、時(shí)間長(zhǎng)，而且也存在很多無(wú)機(jī)物的干擾，不適宜對(duì)樣品進(jìn)行批量分析和在線監(jiān)測(cè)。

發(fā)明內(nèi)容
為了克服上述存在的各種問題，本發(fā)明的目的在于提供了一種用可見光和近紅外光譜技術(shù)無(wú)損鑒別作物種子品種的方法。不僅能快速實(shí)時(shí)鑒別作物種子品種，而且不需要化學(xué)藥劑，無(wú)需對(duì)樣品進(jìn)行破壞性預(yù)處理，既能對(duì)作物品種實(shí)現(xiàn)無(wú)損、快速、有效的鑒別作物品種。
近紅外光譜主要是有機(jī)分子的倍頻和合頻吸收光譜，本譜段能夠得到分子的結(jié)構(gòu)、組成、狀態(tài)的信息，而且從近紅外反射光譜還能得到樣品的密度、粒度、高分子物的聚合度及纖維的直徑等物質(zhì)的物理狀態(tài)信息。因?yàn)榻t外光譜區(qū)的吸收主要是分子或原子振動(dòng)基頻在2000cm-1以上的倍頻、合頻吸收，所以有機(jī)物近紅外光譜主要包括C-H，N-H，O-H等含氫基團(tuán)的倍頻與合頻吸收帶。這些含氫基團(tuán)的吸收頻率特征性強(qiáng)，受分子內(nèi)外環(huán)境的影響小，而且在近紅外光譜區(qū)樣品的光譜特性很穩(wěn)定?？梢姽夥秶墓庾V特征能反映樣品的顏色、質(zhì)感等視覺特征。可見光與近紅外光譜的本質(zhì)特征為快速鑒別作物種子品種奠定了基礎(chǔ)。將已知品種的作物樣本與光譜數(shù)據(jù)進(jìn)行相關(guān)性分析，建立品種鑒別模型。使用本發(fā)明的裝置和方法，用光譜照射樣品，檢測(cè)樣品的吸收和反射光譜，確定對(duì)滿足吸收和反射光譜與樣品特性之間的相關(guān)關(guān)系，進(jìn)行建模和預(yù)測(cè)。
本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是它包括1)一種建立在不同品種作物種子樣本與來(lái)自樣本的可見光、近紅外吸收光譜之間關(guān)系上的作物種子品種鑒別方法；光譜儀通過數(shù)據(jù)線接口經(jīng)A/D轉(zhuǎn)化與計(jì)算機(jī)相連；光源用三腳支架固定，調(diào)節(jié)光源俯視角，配套電源線與外接電源相連；光譜儀用配套三腳支架固定，調(diào)節(jié)其高度和視角；固定好光源、光譜儀和種子樣本的位置。光源照射在用進(jìn)樣容器盛裝的作物種子樣本上，光譜儀經(jīng)過白板校正后，接收來(lái)自樣本的反射和散射光；；采集作物種子樣本的光譜圖像，再轉(zhuǎn)換成光譜基本數(shù)據(jù)；2)不同作物種子鑒別包括建立品種鑒別模型和未知樣品的鑒定兩個(gè)階段在作物種子品種鑒別模型階段必須收集各種已知品種的作物種子，并獲得種子的可見光和近紅外光譜；對(duì)于某一待識(shí)別種子可以通過和模型中標(biāo)準(zhǔn)種子光譜進(jìn)行分析而計(jì)算出這種種子所對(duì)應(yīng)的閾值，這個(gè)閾值就是鑒定新未知樣品的標(biāo)準(zhǔn)；通過收集標(biāo)準(zhǔn)樣品光譜，計(jì)算某種種子相應(yīng)的閾值并且對(duì)模型進(jìn)行檢驗(yàn)后，就建立品種鑒別模型；檢驗(yàn)過程實(shí)際上就是確認(rèn)模型里的每一種種子都只能被惟一的鑒定，而不能與其他物質(zhì)相混淆；在未知樣品的鑒定階段，未知樣品的光譜得到后就可以對(duì)其進(jìn)行鑒別；未知種子樣品的光譜可以和庫(kù)中每一種種子的參考光譜進(jìn)行比較；如果未知樣品光譜和模型中某一種子參考光譜距離小于參考光譜對(duì)應(yīng)的閾值，那么這個(gè)未知樣品就與模型中的這種種子屬于同一種物質(zhì)。
可見光近紅外鑒別作物種子品種可以具體分為以下幾個(gè)步驟1)標(biāo)準(zhǔn)或參考樣品光譜集的建立光譜鑒別作物種子就是把樣本光譜與標(biāo)準(zhǔn)光譜進(jìn)行比較，建立穩(wěn)定可靠的標(biāo)準(zhǔn)光譜集，首先要測(cè)量各種作物種子樣本的標(biāo)準(zhǔn)光譜；一般同一樣品需多次重復(fù)測(cè)量，不同批號(hào)的樣品也需重復(fù)測(cè)量，以平均光譜近似作為該樣品標(biāo)準(zhǔn)光譜；對(duì)作物種子光譜圖像轉(zhuǎn)換成樣本光譜基本數(shù)據(jù)。
2)光譜的校正與預(yù)處理獲得樣本光譜后的第一步是對(duì)樣本光譜進(jìn)行校正和預(yù)處理，光譜校正的作用是光譜圖的規(guī)范化、抵消背景干擾及提高光譜的質(zhì)量，這里采用平滑、中心化、求導(dǎo)、歸一化、多元散射校正、SNV、Reduce、Noise中的一種、任意二種或任意三種光譜預(yù)處理，采用何種校正方法要依光譜的質(zhì)量及干擾的情況來(lái)選擇，預(yù)處理也可以把原來(lái)隱藏的信號(hào)差異放大出來(lái)，提高光譜的分辨率，使品種鑒別更加直觀、可靠；3)光譜特征的提取作物種子品種鑒別的重要依據(jù)是光譜特征的相似性(或差異性)，因此正確獲取光譜特征是準(zhǔn)確鑒別的關(guān)鍵一環(huán)，可見光近紅外光譜的特點(diǎn)是光譜數(shù)據(jù)量大，光譜具有多變性、背景很復(fù)雜性；因此，在近紅外光譜鑒別作物種子品種的定性判別分析更多依靠若干個(gè)峰組或頻率段甚至全光譜來(lái)進(jìn)行定性判別，如偏差權(quán)重法、Kruskal-Wallistesting檢驗(yàn)、主成分分析、偏最小二乘法、DPLS、SIMCA、LLM、Fisher判別、KNN、小波分析或ANN特征篩選方法來(lái)提取光譜特征以提高分析鑒別結(jié)果的可靠性；4)鑒別模型的建立對(duì)于大量復(fù)雜的作物種子樣品，確定未知樣品屬于某一種類，采用模式識(shí)別來(lái)進(jìn)行鑒別，鑒別作物種子品種的模式識(shí)別方法用Fisher判別、Bayes判別、逐步判別、線性學(xué)習(xí)機(jī)、KNN、SIMCA、DPLS、聚類分析、最小二乘回歸、歐式距離或神經(jīng)網(wǎng)絡(luò)；以模式識(shí)別來(lái)進(jìn)行判別分析，需要將已知品種樣品的光譜分成學(xué)習(xí)集和檢驗(yàn)集兩部分，劃分的依據(jù)是學(xué)習(xí)集和檢驗(yàn)集中的類別種類應(yīng)相同，具有廣泛的代表性；然后對(duì)各種作物種子樣品依先驗(yàn)知識(shí)進(jìn)行賦初值，來(lái)建立品種鑒別模型，然后用檢驗(yàn)集來(lái)評(píng)價(jià)模型的性能；
5)未知樣品品種判別獲取未知作物種子樣本光譜時(shí)所采用的測(cè)量方法，必須同獲取參考光譜時(shí)所采用的測(cè)量方法保持一致，模型中的參考樣本和未知樣品光譜之間的變異來(lái)源應(yīng)該盡可能減少；采樣方法、分辯率、掃描間隔或掃描時(shí)間測(cè)量參數(shù)，應(yīng)該保持一致；把未知品種樣本的光譜經(jīng)光譜校正及預(yù)處理，光譜特征的提取，送入鑒別模型與參考樣品進(jìn)行比較。
所述的作物種子品種為農(nóng)作物種子、蔬菜種子或牧草種子。
本發(fā)明與背景技術(shù)相比具有的有益效果是1)利用光譜技術(shù)鑒別作物種子品種，其分析速度大大加快。光譜的測(cè)定過程一般可在30秒內(nèi)完成(多通道儀器可在1秒內(nèi)完成)。
2)不使用任何化學(xué)試劑，降低了檢測(cè)成本，也不污染環(huán)境。
3)與化學(xué)方法相比，系統(tǒng)誤差和人為誤差大大降低，提高了測(cè)量精度。
4)能夠處理大量樣本分析，節(jié)省時(shí)間，實(shí)時(shí)檢測(cè)技術(shù)能夠很好的應(yīng)用于環(huán)境監(jiān)測(cè)。
5)能夠?qū)Ψ治鰳颖具M(jìn)行無(wú)損鑒別，鑒別后的作物仍能用于種植、生產(chǎn)。


圖1是可見光和近紅外光譜技術(shù)無(wú)損鑒別作物種子品種原理圖；圖2是五個(gè)品種水稻的典型光譜曲線圖；圖3是各個(gè)樣本對(duì)應(yīng)的主成分1和主成分2的得分圖。
具體實(shí)施例方式
如圖1所示，本發(fā)明它包括1)一種建立在不同品種作物種子樣本與來(lái)自樣本的可見光、近紅外吸收光譜之間關(guān)系上的作物種子品種鑒別方法；光譜儀通過數(shù)據(jù)線接口經(jīng)A/D轉(zhuǎn)化與計(jì)算機(jī)相連；光源用三腳支架固定，調(diào)節(jié)光源俯視角，配套電源線與外接電源相連；光譜儀用配套三腳支架固定，調(diào)節(jié)其高度和視角；固定好光源、光譜儀和種子樣本的位置。光源照射在用進(jìn)樣容器盛裝的作物種子樣本上，光譜儀經(jīng)過白板校正后，接收來(lái)自樣本的反射和散射光；采集作物種子樣本的光譜圖像，再轉(zhuǎn)換成光譜基本數(shù)據(jù)。
2)不同作物種子鑒別包括建立品種鑒別模型和未知樣品的鑒定兩個(gè)階段在作物種子品種鑒別模型階段必須收集各種已知品種的作物種子，并獲得種子的可見光和近紅外光譜；對(duì)于某一待識(shí)別種子可以通過和模型中標(biāo)準(zhǔn)種子光譜進(jìn)行分析而計(jì)算出這種種子所對(duì)應(yīng)的閾值，這個(gè)閾值就是鑒定新未知樣品的標(biāo)準(zhǔn)；通過收集標(biāo)準(zhǔn)樣品光譜，計(jì)算某種種子相應(yīng)的閾值并且對(duì)模型進(jìn)行檢驗(yàn)后，就建立品種鑒別模型；檢驗(yàn)過程實(shí)際上就是確認(rèn)模型里的每一種種子都只能被惟一的鑒定，而不能與其他物質(zhì)相混淆；在未知樣品的鑒定階段，未知樣品的光譜得到后就可以對(duì)其進(jìn)行鑒別；未知種子樣品的光譜可以和庫(kù)中每一種種子的參考光譜進(jìn)行比較；如果未知樣品光譜和模型中某一種子參考光譜距離小于參考光譜對(duì)應(yīng)的閾值，那么這個(gè)未知樣品就與模型中的這種種子屬于同一種物質(zhì)。
3)本鑒別系統(tǒng)能對(duì)農(nóng)作物種子(如稻、小麥、大麥、玉米等)、蔬菜種子(菜豆、萵苣、甘藍(lán)、白菜等)和牧草種子(黑麥草、羊茅、早熟禾等)進(jìn)行品種鑒別。
本系統(tǒng)由美國(guó)ASD(Analytical Spectral Device)公司的Handheld FieldSpec光譜儀、光譜儀配套的14.5V鹵素?zé)?、?jì)算機(jī)、校正白板、進(jìn)樣容器、電源等組成。該光譜儀波長(zhǎng)為325～1075nm，掃描次數(shù)30次，分辨率3.5cm-1，探頭視場(chǎng)角為20度。用數(shù)據(jù)線將光譜儀與PC電腦相連，樣品置于特制的容器中。進(jìn)樣容器是有一定高度(大于10mm)玻璃容器或黑化玻璃容器。光譜儀探頭距離樣本高度固定為80-200mm，光源距盛樣容器中心300mm，成45度角。以上為數(shù)據(jù)采集裝置。待光譜數(shù)據(jù)采集完畢，用光譜專用分析軟件ASD ViewSpec ProV2.14和Unscramble V9.2進(jìn)行數(shù)據(jù)處理分析。最后將分析的數(shù)據(jù)反饋信息接收平臺(tái)，顯示實(shí)時(shí)監(jiān)測(cè)的品種情況。
以水稻為例來(lái)說(shuō)明作物種子品種鑒別方法，五個(gè)品種水稻用于建立品種鑒別模型。水稻情況如表1所示。
表1.五個(gè)品種水稻簡(jiǎn)介

1)標(biāo)準(zhǔn)或參考樣品光譜集的建立對(duì)標(biāo)準(zhǔn)樣品進(jìn)行光譜掃描，光譜儀通過數(shù)據(jù)線接口經(jīng)A/D轉(zhuǎn)換與計(jì)算機(jī)相連；光源用三腳支架固定，調(diào)節(jié)光源俯視角，配套電源線與外接電源相連；光譜儀用配套三腳支架固定，調(diào)節(jié)其高度和視角；設(shè)定采樣方法、分辯率、掃描間隔或掃描時(shí)間等測(cè)量參數(shù)。得到光譜圖像如圖2所示。
2)光譜校正及預(yù)處理把光譜圖像數(shù)據(jù)化，獲得樣本光譜數(shù)據(jù)后的第一步是對(duì)樣本光譜進(jìn)行校正和預(yù)處理，這里采用平滑、多元散射校正光譜預(yù)處理方法，預(yù)處理把原來(lái)隱藏的信號(hào)差異放大出來(lái)，提高光譜的分辨率，使品種鑒別更加直觀、可靠；3)光譜特征的提取應(yīng)用主成分分析法來(lái)提取光譜主要特征，在主成分得分圖上可以看到不同種類水稻種子的聚類圖。主成分1和主成分2對(duì)五種水稻品種的聚類效果如圖2所示。說(shuō)明主成分包含了對(duì)品種敏感的特征信息。主成分對(duì)原始光譜數(shù)據(jù)進(jìn)行了壓縮并提取出了對(duì)于品種敏感的光譜信息。壓縮得到的前四個(gè)主成分對(duì)原始光譜數(shù)據(jù)的解釋能力達(dá)到99.6％。前四個(gè)個(gè)主成分的累積可信度如表2所示。
表2.主成分及其累積可信度

4)鑒別模型的建立用神經(jīng)網(wǎng)絡(luò)的方法建立了鑒別模型，已知品種樣品的光譜分成學(xué)習(xí)集和檢驗(yàn)集兩部分，學(xué)校集是從所有樣本中隨機(jī)抽取的125個(gè)樣本，每個(gè)品種25個(gè)樣本。剩下的25個(gè)樣本作為檢驗(yàn)樣本。經(jīng)過主成分分析得到的前四個(gè)主成分作為神經(jīng)網(wǎng)絡(luò)的輸入，經(jīng)過反復(fù)學(xué)習(xí)確定了神經(jīng)網(wǎng)絡(luò)的隱含層節(jié)點(diǎn)數(shù)為7，最小訓(xùn)練速率取0.2，最大迭代次數(shù)1000。經(jīng)過訓(xùn)練建立了神經(jīng)網(wǎng)絡(luò)模型，對(duì)樣本的擬合誤差等于2.917×10-4。
5)未知樣本品種判別對(duì)未知的25個(gè)樣本進(jìn)行鑒別。鑒別結(jié)果如表3所示。
表3.該鑒別模型對(duì)未知25個(gè)樣本的鑒別結(jié)果

注1-II優(yōu)46；2-II優(yōu)63seed；3-汕優(yōu)10；4-汕優(yōu)63；5-中佳粳21.
該模型對(duì)未知25個(gè)樣品的品種鑒別率為100％，說(shuō)明利用可見光和近紅外光譜技術(shù)無(wú)損鑒別作物種子品種是可行的。
權(quán)利要求
1.一種用可見光和近紅外光譜技術(shù)無(wú)損鑒別作物種子品種的方法，其特征在于它包括1)一種建立在不同品種作物種子樣本與來(lái)自樣本的可見光、近紅外吸收光譜之間關(guān)系上的作物種子品種鑒別方法；光譜儀通過數(shù)據(jù)線接口經(jīng)A/D轉(zhuǎn)化與計(jì)算機(jī)相連；光源用三腳支架固定，調(diào)節(jié)光源俯視角，配套電源線與外接電源相連；光譜儀用配套三腳支架固定，調(diào)節(jié)其高度和視角；固定好光源、光譜儀和種子樣本的位置，光源照射在用進(jìn)樣容器盛裝的作物種子樣本上，光譜儀經(jīng)過白板校正后，接收來(lái)自樣本的反射和散射光；采集作物種子樣本的光譜圖像，再轉(zhuǎn)換成光譜基本數(shù)據(jù)；2)不同作物種子鑒別包括建立品種鑒別模型和未知樣品的鑒定兩個(gè)階段在作物種子品種鑒別模型階段必須收集各種已知品種的作物種子，并獲得種子的可見光和近紅外光譜；對(duì)于某一待識(shí)別種子可以通過和模型中標(biāo)準(zhǔn)種子光譜進(jìn)行分析而計(jì)算出這種種子所對(duì)應(yīng)的閾值，這個(gè)閾值就是鑒定新未知樣品的標(biāo)準(zhǔn)；通過收集標(biāo)準(zhǔn)樣品光譜，計(jì)算某種種子相應(yīng)的閾值并且對(duì)模型進(jìn)行檢驗(yàn)后，就建立品種鑒別模型；檢驗(yàn)過程實(shí)際上就是確認(rèn)模型里的每一種種子都只能被惟一的鑒定，而不能與其他物質(zhì)相混淆；在未知樣品的鑒定階段，未知樣品的光譜得到后就可以對(duì)其進(jìn)行鑒別；未知種子樣品的光譜可以和庫(kù)中每一種種子的參考光譜進(jìn)行比較；如果未知樣品光譜和模型中某一種子參考光譜距離小于參考光譜對(duì)應(yīng)的閾值，那么這個(gè)未知樣品就與模型中的這種種子屬于同一種物質(zhì)。
2.根據(jù)權(quán)利要求1所述的用可見光和近紅外光譜技術(shù)無(wú)損鑒別作物種子品種的方法，其特征在于可見光近紅外鑒別作物種子品種可以具體分為以下幾個(gè)步驟1)標(biāo)準(zhǔn)或參考樣品光譜集的建立光譜鑒別作物種子就是把樣本光譜與標(biāo)準(zhǔn)光譜進(jìn)行比較，建立穩(wěn)定可靠的標(biāo)準(zhǔn)光譜集，首先要測(cè)量各種作物種子樣本的標(biāo)準(zhǔn)光譜；一般同一樣品需多次重復(fù)測(cè)量，不同批號(hào)的樣品也需重復(fù)測(cè)量，以平均光譜近似作為該樣品標(biāo)準(zhǔn)光譜；對(duì)作物種子光譜圖像轉(zhuǎn)換成樣本光譜基本數(shù)據(jù)；2)光譜的校正與預(yù)處理獲得樣本光譜后的第一步是對(duì)樣本光譜進(jìn)行校正和預(yù)處理，光譜校正的作用是光譜圖的規(guī)范化、抵消背景干擾及提高光譜的質(zhì)量，這里采用平滑、中心化、求導(dǎo)、歸一化、多元散射校正、SNV、Reduce、Noise中的一種、任意二種或任意三種方法光譜預(yù)處理方法，采用何種校正方法要依光譜的質(zhì)量及干擾的情況來(lái)選擇，預(yù)處理也可以把原來(lái)隱藏的信號(hào)差異放大出來(lái)，提高光譜的分辨率，使品種鑒別更加直觀、可靠；3)光譜特征的提取作物種子品種鑒別的重要依據(jù)是光譜特征的相似性(或差異性)，因此正確獲取光譜特征是準(zhǔn)確鑒別的關(guān)鍵一環(huán)，可見光近紅外光譜的特點(diǎn)是光譜數(shù)據(jù)量大，光譜具有多變性、背景很復(fù)雜性；因此，在近紅外光譜鑒別作物種子品種的定性判別分析更多依靠若干個(gè)峰組或頻率段甚至全光譜來(lái)進(jìn)行定性判別，如偏差權(quán)重法、Kruskal-Wallistesting檢驗(yàn)、主成分分析、偏最小二乘法、DPLS、SIMCA、LLM、Fisher判別、KNN、小波分析或ANN特征篩選方法來(lái)提取光譜特征以提高分析鑒別結(jié)果的可靠性；4)鑒別模型的建立對(duì)于大量復(fù)雜的作物種子樣品，確定未知樣品屬于某一種類，采用模式識(shí)別來(lái)進(jìn)行鑒別，鑒別作物種子品種的模式識(shí)別方法用Fisher判別、Bayes判別、逐步判別、線性學(xué)習(xí)機(jī)、KNN、SIMCA、DPLS、聚類分析、最小二乘回歸、歐式距離或神經(jīng)網(wǎng)絡(luò)；以模式識(shí)別來(lái)進(jìn)行判別分析，需要將已知品種樣品的光譜分成學(xué)習(xí)集和檢驗(yàn)集兩部分，劃分的依據(jù)是學(xué)習(xí)集和檢驗(yàn)集中的類別種類應(yīng)相同，具有廣泛的代表性；然后對(duì)各種作物種子樣品依先驗(yàn)知識(shí)進(jìn)行賦初值，來(lái)建立品種鑒別模型，然后用檢驗(yàn)集來(lái)評(píng)價(jià)模型的性能；5)未知樣品品種判別獲取未知作物種子樣本光譜時(shí)所采用的測(cè)量方法，必須同獲取參考光譜時(shí)所采用的測(cè)量方法保持一致，模型中的參考樣本和未知樣品光譜之間的變異來(lái)源應(yīng)該盡可能減少；采樣方法、分辯率、掃描間隔或掃描時(shí)間測(cè)量參數(shù)，應(yīng)該保持一致；把未知品種樣本的光譜經(jīng)光譜校正及預(yù)處理，光譜特征的提取，送入鑒別模型與參考樣品進(jìn)行比較。
3.根據(jù)權(quán)利要求1或2所述的用可見光和近紅外光譜技術(shù)無(wú)損鑒別作物種子品種的方法，其特征在于所述的作物種子品種為農(nóng)作物種子、蔬菜種子或牧草種子。
全文摘要
本發(fā)明公開了一種用可見光和近紅外光譜技術(shù)無(wú)損鑒別作物種子品種的方法。它包括光譜儀和光源14.5V鹵素?zé)粲萌_支架固定；通過電源線為光譜儀、光源和計(jì)算機(jī)提供220V交流電；光譜儀通過數(shù)據(jù)線與計(jì)算機(jī)連接，將采集到的樣本光譜數(shù)據(jù)傳輸?shù)接?jì)算機(jī)。用光譜專用分析軟件ASD ViewSpec Pro V2.14和Unscramble V9.2對(duì)采集的數(shù)據(jù)進(jìn)行處理分析。最后將分析的數(shù)據(jù)反饋信息接收平臺(tái)，顯示被測(cè)樣本的品種。整個(gè)過程在計(jì)算機(jī)的控制下，實(shí)現(xiàn)數(shù)據(jù)的采集、存儲(chǔ)、顯示和處理功能。本發(fā)明主要用于快速、準(zhǔn)確地實(shí)現(xiàn)作物的品種鑒別，為促進(jìn)農(nóng)業(yè)生產(chǎn)、作物育種和種子檢驗(yàn)提供了方便、快捷、高效的方法。
文檔編號(hào)A01C1/00GK1831515SQ20061005016
公開日2006年9月13日 申請(qǐng)日期2006年4月3日 優(yōu)先權(quán)日2006年4月3日
發(fā)明者何勇, 李曉麗, 鮑一丹 申請(qǐng)人:浙江大學(xué)