發(fā)布時間：2017-12-14 10:40

  本文關(guān)鍵詞：高光譜圖像技術(shù)檢測玉米種子品質(zhì)研究

  更多相關(guān)文章： 高光譜圖像 成熟度 品種真實性 種子凍害 異常檢測

【摘要】：國以農(nóng)為本,農(nóng)以種為先。種子質(zhì)量直接關(guān)系到農(nóng)作物的產(chǎn)量和農(nóng)民的利益。提高種子質(zhì)量,規(guī)范種子市場,對提高糧食生產(chǎn)能力、增加農(nóng)民收入等方面都有十分重要的意義。玉米是世界第三大糧食作物。玉米種子商品化程度高,品種繁多,易混淆。同時單粒播種技術(shù)的推進(jìn)進(jìn)一步提高了種子質(zhì)量精細(xì)管控的要求。研究單粒玉米種子質(zhì)量無損檢測技術(shù)有利于保障玉米育種業(yè)和種植業(yè)的健康發(fā)展。本研究以商品化雜交玉米種子為研究對象,采用高光譜反射成像結(jié)合模式識別技術(shù),針對影響玉米種子質(zhì)量且不易分辨的幾類問題,研究單粒玉米種子的成熟度識別、品種真實性、是否遭受凍害及凍害程度的質(zhì)量問題的檢測方法。主要研究內(nèi)容和結(jié)論如下：(1)提出基于500～580 nm波段范圍方差圖的背景分割方法,方差圖二值化后結(jié)合掩模法實現(xiàn)對高光譜圖像中玉米種子和背景的分割,該方法可克服邊緣部分陰影的影響,實現(xiàn)玉米種子和背景之間的有效分割。(2)分析玉米種子成熟度高和成熟度低2類感興趣區(qū)域的平均光譜,采用波段比運算并結(jié)合KW檢驗,找出二者差異最大的最優(yōu)波段比(640 nm/525 nm)。提取最優(yōu)波段比對應(yīng)的波段比圖像,采用圖像處理技術(shù)分析圖像并區(qū)分2類種子。以864粒玉米種子為研究對象,對成熟度高和成熟度低的種子平均正確識別率為93.9%。(3)提出光譜特征、形態(tài)特征和紋理特征相結(jié)合的玉米種子品種區(qū)分方法,有助于提高單獨采用光譜或形態(tài)特征時某些光譜相近或形態(tài)相近種子的正確識別率。采用SPA算法優(yōu)選種子特征波段,并提取特征波段的平均紋理特征和種子的形態(tài)特征,將種子光譜信息和圖像信息融合作為SVM模型輸入變量,可以實現(xiàn)對雜交玉米種子品種的有效區(qū)分。選取了10種黃色系雜交玉米種子共1855粒樣本,玉米種子胚面數(shù)據(jù)預(yù)測集和胚乳面數(shù)據(jù)預(yù)測集對應(yīng)相應(yīng)的SVM模型的平均正確識別率均為96.8%和96.6%。(4)考慮到玉米種子品種繁多,傳統(tǒng)的多分類模式識別方法在進(jìn)行模型訓(xùn)練時無法搜集到所有品種樣本進(jìn)行訓(xùn)練,因此提出以種子平均光譜為特征,采用SVDD-KNNDD分類器的異常檢測方法對玉米品種進(jìn)行真實性快速無損檢測的技術(shù)路線。該方法針對每個品種建立單分類模型,該模型只與品種自身樣本有關(guān),無須搜集其他品種樣本進(jìn)行訓(xùn)練,當(dāng)有新品種時,無須重新訓(xùn)練其他品種的識別模型。在各類樣本胚面光譜SGFD預(yù)處理后的SVDD-KNNDD模型的測試結(jié)果中,對10類樣本進(jìn)行測試,大多數(shù)情況下可以100%正確識別異常類種子,少數(shù)幾種情況的識別率較低,將異常品種種子誤判為正常品種種子的最高錯誤識別率為68.5%,而將正常品種識別為正常品種的最低正確識別率為84%,大部分正常類品種的正確識別率均大于90%。此技術(shù)路線可以為玉米種子品種真實性的快速檢測提供借鑒和參考,也可以作為其他類型種子的真實性識別參考方法。(5)玉米種子受到凍害后會導(dǎo)致種子活力不同程度的下降。采用高光譜圖像識別肉眼難以分辨的受凍害的玉米種子樣本,種子的平均光譜結(jié)合SVM建�？梢杂行�區(qū)分凍害種子和正常種子。MSC、SNV和SGFD預(yù)處理方法均有助于提高各類受凍害種子的正確識別率。當(dāng)數(shù)據(jù)采用SGFD預(yù)處理方法SVM建模時,—5℃凍害處理樣本胚面數(shù)據(jù)的最低正確識別率為88%(4h),最高正確識別率為96.9%(16h),胚乳面數(shù)據(jù)的最低正確識別率為73.6%(4h),最高正確識別率為98.4(12 h)；—18℃凍害處理樣本胚面數(shù)據(jù)的最低正確識別率為96.9%,胚乳面數(shù)據(jù)的最低正確識別率為95.2%。(6)考慮到無法采集到凍害樣本的實際情況,采用SVDD-KNNDD的異常檢測方法,只對正常類種子光譜建模并用于凍害種子識別,該模型對種子發(fā)芽率嚴(yán)重下降的凍害處理樣本(—5℃凍害處理12 h和16 h,—18℃凍害處理4 h以上)識別效果相對較好。當(dāng)采用正常類胚乳面和胚面平均光譜建模時,—5℃凍害處理的樣本中16h處理的凍害樣本正確識別率為96%和90%(對應(yīng)胚乳面和胚面數(shù)據(jù)),凍害處理12 h的樣本正確識別率為65.5%和77.5%(對應(yīng)胚乳面和胚面數(shù)據(jù)),其他凍害處理時間較短的樣本正確識別率均較低；而—18℃凍害處理的樣本的正確識別率均較高,各凍害處理樣本的胚乳面數(shù)據(jù)最低正確識別率為89.7%,最高為100%,各凍害處理樣本的胚面最低正確識別率為92%,最高為100%。(7)高光譜圖像技術(shù)可以通過交互方式選擇感興趣區(qū)域來實現(xiàn)對不同部位的精確分析。為了精確研究玉米種子胚部的受凍害程度,提出用KW檢驗選擇最優(yōu)波段比、確定最優(yōu)波段比圖像對玉米中胚部的分割方法,取得了較好的分割效果,并從分割后的胚部高光譜圖像中提取各像素點光譜結(jié)合SVM分類方法用于種子凍害程度識別。統(tǒng)計每個樣本胚部被識別為正常類和不同凍害程度的像素點占胚部圖像所有像素點的比例,并對胚部受凍害程度進(jìn)行識別。當(dāng)種子受到—5℃凍害處理時,對各樣本的胚部像素進(jìn)行分類,對正常樣本正確識別率為99.2%,經(jīng)4h凍害處理的樣本被識別為正常樣本的錯誤識別率為4.2%,對經(jīng)16 h凍害處理樣本的正確識別率為99.2%,經(jīng)12 h凍害處理的樣本被識別為經(jīng)16 h凍害處理樣本的錯誤識別率為6.7%。凍害處理時間為4、8和12 h的樣本胚部識別結(jié)果雖然也有一定趨勢,但不能明確區(qū)分,錯誤判別籽粒較多。研究結(jié)果表明：通過胚部情況區(qū)分凍害樣本和正常樣本效果良好,通過胚部單像素點光譜結(jié)合SVM模型區(qū)分凍害種子和正常種子是可行的,對嚴(yán)重凍害種子識別效果也較好,但對凍害程度的識別效果不佳。以上研究成果為我國研發(fā)基于圖像技術(shù)的玉米種子成熟度分級設(shè)備,采用高光譜圖像分析品種真實性快速識別和凍害種子無損鑒別系統(tǒng)奠定了基礎(chǔ)。
【學(xué)位授予單位】：浙江大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2016
【分類號】：S513;TP391.41
，

本文編號：1287611