基于高光譜圖像技術(shù)的脫絨棉種品種鑒別方法研究
發(fā)布時間：2020-12-07 14:47
種子的質(zhì)量關(guān)乎整個農(nóng)業(yè)生產(chǎn)的發(fā)展,其中種子品種識別檢驗是保證種子質(zhì)量的一個重要手段。我國棉花種植的面積比較大,雜交種發(fā)展迅速,品種層出不窮,多、亂、雜的現(xiàn)象十分普遍。由于傳統(tǒng)的檢測方法存在著周期長、過程繁瑣等諸多缺點。因此本論文結(jié)合農(nóng)業(yè)生產(chǎn)實際要求,將高光譜圖像技術(shù)引入到脫絨棉種品種分類檢測研究中,以710、新陸早41、新陸早50、新陸早57、新陸早62為研究對象,充分利用高光譜圖像“圖譜合一”的優(yōu)勢,結(jié)合化學計量方法,研究出一種方便、高效、快捷的脫絨棉種品種無損鑒定法。主要研究內(nèi)容和結(jié)果如下:（1）融合高光譜圖像的光譜和圖像信息對脫絨棉種的品種進行識別研究。采用SG平滑及歸一化法對棉種的光譜數(shù)據(jù)進行預(yù)處理,利用主動輪廓模型提取出棉種的長、寬、面積、圓形度等12個形態(tài)特征參數(shù),選用SPA-GA-PLS投影分析對棉種的光譜和圖像特征變量進行篩選,并將篩選出的7個光譜特征變量及5個形狀特征變量進行融合,采用PLS-DA,SIMCA,kNN,PCA-LDA及PCA-QDA法建立基于光譜及形狀信息融合的棉種分類模型。結(jié)果可得:其中PLS-DA模型的預(yù)測效果最好,該融合模型的識別精度從原來的93...
【文章來源】：石河子大學新疆維吾爾自治區(qū) 211工程院校
【文章頁數(shù)】：63 頁
【學位級別】：碩士
【部分圖文】：
技術(shù)路線圖
譜儀 2、鏡頭 3、載物臺 4、電動位移平臺 5、電動位移平6、光源發(fā)生器 7、光源 8、CCD 相機圖 2-1 高光譜成像系統(tǒng)Fig 2-1 Hyperspectral imaging system
圖 2-3 脫絨棉種 ROI 提取Fig 2-3 The ROI extraction of delintedcottonseeds圖 2-4 脫絨棉種光譜特性曲線Fig 2-4 The spectral curve of delintedcottonseeds2.3.2 光譜預(yù)處理由于高光譜圖像在采集過程中容易受到光源分布不均及周圍環(huán)境溫度等影響，導(dǎo)致原始光譜圖像既包含了樣本可用光譜信息又包含了一些噪聲等無用信息，這些噪聲會在一定程度上影響模型的準確性和可靠性。通過對光譜的適當變換和處理，提取出高光譜中的可用信息，去除或標準光譜中的無用信息，為后續(xù)的光譜特征的提取與處理提供保障。常用的光譜預(yù)處理法有平滑、變量標準化、多元散射校正及歸一化處理等，以下是幾種預(yù)處理方法的簡要介紹：（1）平滑平滑的目的是濾掉信號中的噪聲，留下有用的信息。Savitzky-Golay 濾波器（S-G）是一種特殊的低通濾波器，它是時域內(nèi)基于局域多項式最小二乘法擬合的濾波方法，這種濾波器最大的優(yōu)勢是在濾除噪聲的同時盡可能減少平滑對有用信息的影響，可確保信
【參考文獻】：
期刊論文
[1]不同老化處理時間對棉花種子生理生化的影響[J]. 姬俊華,孟超敏,何慶飛. 種子. 2017(11)
[2]利用少量波段近紅外光譜圖像鑒定玉米種子純度[J]. 冉航,崔永進,靳召晰,嚴衍祿,安冬. 光譜學與光譜分析. 2017(09)
[3]基于聯(lián)合偏度的高光譜圖像波段選擇對玉米種子分類研究（英文）[J]. 楊賽,朱啟兵,黃敏. 光譜學與光譜分析. 2017(03)
[4]基于近紅外高光譜成像及信息融合的小麥品種分類研究[J]. 董高,郭建,王成,陳子龍,鄭玲,朱大洲. 光譜學與光譜分析. 2015(12)
[5]棉籽油分含量近紅外無損檢測分析模型與應(yīng)用[J]. 商連光,李軍會,王玉美,李玉華,王丹,熊敏,華金平. 光譜學與光譜分析. 2015(03)
[6]近紅外高光譜成像技術(shù)快速鑒別國產(chǎn)咖啡豆品種[J]. 鮑一丹,陳納,何勇,劉飛,張初,孔汶汶. 光學精密工程. 2015(02)
[7]融合光譜、紋理及形態(tài)特征的水稻種子品種高光譜圖像單粒鑒別[J]. 鄧小琴,朱啟兵,黃敏. 激光與光電子學進展. 2015(02)
[8]高光譜與機器學習相結(jié)合的大白菜種子品種鑒別研究[J]. 程術(shù)希,孔汶汶,張初,劉飛,何勇. 光譜學與光譜分析. 2014(09)
[9]基于高光譜圖像光譜與紋理信息的生菜氮素含量檢測[J]. 孫俊,金夏明,毛罕平,武小紅,朱文靜,張曉東,高洪燕. 農(nóng)業(yè)工程學報. 2014(10)
[10]基于高光譜圖像處理的大豆品種識別(英文)[J]. 譚克竹,柴玉華,宋偉先,曹曉達. 農(nóng)業(yè)工程學報. 2014(09)
碩士論文
[1]基于高光譜圖像的脫絨棉種活力檢測方法研究[D]. 尤佳.石河子大學 2017
[2]基于高光譜圖像信息的桑葉農(nóng)殘精確定量無損檢測與可視化分析[D]. 蔣淑英.江蘇大學 2016
[3]基于KNN算法的Android應(yīng)用異常檢測技術(shù)研究[D]. 劉曉明.北京交通大學 2016
[4]基于光譜的微藻藻種鑒別及內(nèi)部信息（色素、油脂）檢測的研究[D]. 潘健.浙江大學 2016
[5]光譜技術(shù)和籽粒性狀快速鑒定棉花品種純度和真實性的研究[D]. 顧相蕊.長江大學 2014
[6]玉米高光譜圖像的特征提取與分類研究[D]. 朱曉.江南大學 2013
[7]基于紅外光譜技術(shù)的牛奶摻雜判別方法的研究[D]. 何彬.天津大學 2010
[8]基于主動輪廓模型和水平集方法的圖像分割[D]. 林維詩.西安電子科技大學 2010
[9]基于SSR標記的棉種真實性和品種純度鑒定技術(shù)研究[D]. 王俊芳.中國農(nóng)業(yè)科學院 2009
本文編號：2903444
【文章來源】：石河子大學新疆維吾爾自治區(qū) 211工程院校
【文章頁數(shù)】：63 頁
【學位級別】：碩士
【部分圖文】：
技術(shù)路線圖
譜儀 2、鏡頭 3、載物臺 4、電動位移平臺 5、電動位移平6、光源發(fā)生器 7、光源 8、CCD 相機圖 2-1 高光譜成像系統(tǒng)Fig 2-1 Hyperspectral imaging system
圖 2-3 脫絨棉種 ROI 提取Fig 2-3 The ROI extraction of delintedcottonseeds圖 2-4 脫絨棉種光譜特性曲線Fig 2-4 The spectral curve of delintedcottonseeds2.3.2 光譜預(yù)處理由于高光譜圖像在采集過程中容易受到光源分布不均及周圍環(huán)境溫度等影響，導(dǎo)致原始光譜圖像既包含了樣本可用光譜信息又包含了一些噪聲等無用信息，這些噪聲會在一定程度上影響模型的準確性和可靠性。通過對光譜的適當變換和處理，提取出高光譜中的可用信息，去除或標準光譜中的無用信息，為后續(xù)的光譜特征的提取與處理提供保障。常用的光譜預(yù)處理法有平滑、變量標準化、多元散射校正及歸一化處理等，以下是幾種預(yù)處理方法的簡要介紹：（1）平滑平滑的目的是濾掉信號中的噪聲，留下有用的信息。Savitzky-Golay 濾波器（S-G）是一種特殊的低通濾波器，它是時域內(nèi)基于局域多項式最小二乘法擬合的濾波方法，這種濾波器最大的優(yōu)勢是在濾除噪聲的同時盡可能減少平滑對有用信息的影響，可確保信
【參考文獻】：
期刊論文
[1]不同老化處理時間對棉花種子生理生化的影響[J]. 姬俊華,孟超敏,何慶飛. 種子. 2017(11)
[2]利用少量波段近紅外光譜圖像鑒定玉米種子純度[J]. 冉航,崔永進,靳召晰,嚴衍祿,安冬. 光譜學與光譜分析. 2017(09)
[3]基于聯(lián)合偏度的高光譜圖像波段選擇對玉米種子分類研究（英文）[J]. 楊賽,朱啟兵,黃敏. 光譜學與光譜分析. 2017(03)
[4]基于近紅外高光譜成像及信息融合的小麥品種分類研究[J]. 董高,郭建,王成,陳子龍,鄭玲,朱大洲. 光譜學與光譜分析. 2015(12)
[5]棉籽油分含量近紅外無損檢測分析模型與應(yīng)用[J]. 商連光,李軍會,王玉美,李玉華,王丹,熊敏,華金平. 光譜學與光譜分析. 2015(03)
[6]近紅外高光譜成像技術(shù)快速鑒別國產(chǎn)咖啡豆品種[J]. 鮑一丹,陳納,何勇,劉飛,張初,孔汶汶. 光學精密工程. 2015(02)
[7]融合光譜、紋理及形態(tài)特征的水稻種子品種高光譜圖像單粒鑒別[J]. 鄧小琴,朱啟兵,黃敏. 激光與光電子學進展. 2015(02)
[8]高光譜與機器學習相結(jié)合的大白菜種子品種鑒別研究[J]. 程術(shù)希,孔汶汶,張初,劉飛,何勇. 光譜學與光譜分析. 2014(09)
[9]基于高光譜圖像光譜與紋理信息的生菜氮素含量檢測[J]. 孫俊,金夏明,毛罕平,武小紅,朱文靜,張曉東,高洪燕. 農(nóng)業(yè)工程學報. 2014(10)
[10]基于高光譜圖像處理的大豆品種識別(英文)[J]. 譚克竹,柴玉華,宋偉先,曹曉達. 農(nóng)業(yè)工程學報. 2014(09)
碩士論文
[1]基于高光譜圖像的脫絨棉種活力檢測方法研究[D]. 尤佳.石河子大學 2017
[2]基于高光譜圖像信息的桑葉農(nóng)殘精確定量無損檢測與可視化分析[D]. 蔣淑英.江蘇大學 2016
[3]基于KNN算法的Android應(yīng)用異常檢測技術(shù)研究[D]. 劉曉明.北京交通大學 2016
[4]基于光譜的微藻藻種鑒別及內(nèi)部信息（色素、油脂）檢測的研究[D]. 潘健.浙江大學 2016
[5]光譜技術(shù)和籽粒性狀快速鑒定棉花品種純度和真實性的研究[D]. 顧相蕊.長江大學 2014
[6]玉米高光譜圖像的特征提取與分類研究[D]. 朱曉.江南大學 2013
[7]基于紅外光譜技術(shù)的牛奶摻雜判別方法的研究[D]. 何彬.天津大學 2010
[8]基于主動輪廓模型和水平集方法的圖像分割[D]. 林維詩.西安電子科技大學 2010
[9]基于SSR標記的棉種真實性和品種純度鑒定技術(shù)研究[D]. 王俊芳.中國農(nóng)業(yè)科學院 2009
本文編號：2903444
本文鏈接：http://www.wukwdryxk.cn/nykjlw/nzwlw/2903444.html
最近更新
教材專著
