基于BP神经网络的粳稻种子拉曼光谱鉴别方法研究

文献类型： 中文期刊

第一作者： 祝子涵

作者： 祝子涵;谭峰;田芳明;高嘉欣;白楠

作者机构：

关键词： 拉曼光谱;粳稻种子;预处理;特征波段;BP神经网络

期刊名称： 中国粮油学报

ISSN： 1003-0174

年卷期： 2023 年 38 卷 010 期

页码： 216-222

收录情况： 北大核心 ; CSCD

摘要： 为了缩短水稻种子检验周期、增加水稻种子检验品种、扩大水稻种子检验范围,以种植粳稻的5个地区(黑龙江、天津、山东、河南、江苏)的20种不同品种粳稻种子为研究对象,提出一种基于拉曼光谱技术不同产地和相同产地不同品种的粳稻种子快速准确鉴别方法.首先,实验使用Savitzky-Golay(SG)、一阶导数(1-Der)、二阶导数(2-Der)、多元散射校正(MSC)、标准正态变量变换(SNV)、迭代自适应加权惩罚最小二乘法(AIRPLS)6种不同预处理方法对光谱数据进行预处理,并对比不同预处理方法在BP神经网络判别模型中的判别效果;其次,采用竞争性自适应重加权采样算法(CARS)和连续投影算法(SPA)2种特征波段提取方法对光谱数据进行特征波段提取,并对比2种特征波段提取方法在BP神经网络判别模型中的判别效果;最后,通过遗传算法(GA)优化BP神经网络进一步提升模型识别准确率与运行速度.结果表明:6种预处理方法中SG平滑预处理方法效果最好,CARS特征波段提取方法相比于SPA特征波段提取方法效果更好,GA算法可以将BP神经网络模型识别准确率和运行速度优化.BP神经网络模型对5种不同产地粳稻种子识别准确率为100%;对相同产地不同品种粳稻种子识别准确率均在90%以上.实验表明应用拉曼光谱技术结合BP神经网络模型能够实现快速、有效地鉴别粳稻种子产地及品种.

分类号： S511.22

  • 相关文献

[1]霉变板栗的近红外光谱和神经网络方法判别. 周竹,刘洁,李小昱,李培武,王为,展慧. 2009

[2]基于向前和向后间隔偏最小二乘的特征光谱选择方法（英文）. 瞿芳芳,任东,侯金健,张忠,陆安详. 2016

[3]核桃仁脂肪含量的近红外光谱无损检测. 马文强,张漫,李源,杨莉玲,朱占江,崔宽波. 2019

[4]基于多时相NDVI及特征波段的作物分类研究. 马丽,徐新刚,刘良云,黄文江,贾建华,程一沛. 2008

[5]基于高光谱成像的核桃仁品质检测与分类方法. 马文强,张漫,李源,李民赞,杨莉玲,朱占江,崔宽波. 2020

[6]水稻叶片氮素及籽粒蛋白质含量的高光谱估测模型. 张浩,胡昊,陈义,唐旭,吴春艳,刘玉学,杨生茂,郑可锋. 2012

[7]基于多元统计方法的冬小麦叶面积指数光谱估测. 武改红,王超,赵佳佳,冯美臣,杨武德,孙慧,贾学勤,张雪茹. 2017

[8]柑橘花钾素营养的高光谱表征. 刘艳丽,何绍兰,吕强,易时来,谢让金. 2014

[9]基于高光谱成像技术的富士苹果轻微机械损伤检测研究. 沈宇,房胜,郑纪业,王风云,张琛,李哲. 2020

[10]核桃叶片氮元素含量的光谱预测模型. 马文强,刘佳,沈晓贺,陈中原,杨莉玲,张漫. 2023

[11]近红外、中红外和拉曼光谱法测定商品农药制剂中溴氰菊酯的含量. 熊艳梅,唐果,段佳,李春子,王冬,闵顺耕. 2010

[12]南海北部陆坡天然气水合物及其赋存沉积物特征. 刘昌岭,孟庆国,李承峰,孙建业,贺行良,杨胜雄,梁金强. 2017

[13]基于线扫描拉曼高光谱系统的奶粉中硫氰酸钠无损检测. 刘宸,杨桂燕,王庆艳,黄文倩,王超鹏,王晓彬,陈立平. 2018

[14]拉曼高光谱成像系统中光在奶粉层的穿透深度研究. 刘宸,王庆艳,黄文倩,陈立平,杨桂燕,王晓彬. 2017

[15]激光拉曼光谱无损分析浙贝母. 孙彩霞,潘志彦,戴芬,郑蔚然,于国光. 2018

[16]激光技术在农作物检测中的应用进展. 周光华,朱大洲,王成. 2010

[17]线扫描式拉曼高光谱成像技术无损检测奶粉三聚氰胺. 刘宸,杨桂燕,王庆艳,黄文倩,王晓彬,陈立平. 2017

[18]采用便携式拉曼光谱仪测定白酒中乙醇含量. 李高阳,范伟,刘咏红,单杨. 2013

[19]拉曼光谱在食品无损检测中的应用. 刘宸,黄文倩,王庆艳,陈立平,赵春江. 2015

[20]拉曼光谱法快速鉴别蜂蜜中掺入甜菜糖浆的可行性研究. 单杨,尹永,周孜,凌国巍. 2012

作者其他论文 更多>>

微信小程序