基于机器视觉技术的玉米种子精选方法研究

文献类型： 中文期刊

第一作者： 韩小伟

作者： 韩小伟;周江明;高英波;田雪慧;李明军;郝延杰;李伟;李树兵;刘树泽

作者机构：

关键词： 玉米种子;精选方法;物理参数;机器视觉技术;多层感知器神经网络模型

期刊名称： 作物杂志

ISSN： 1001-7283

年卷期： 2024 年 006 期

页码： 242-248

收录情况： 北大核心 ; CSCD

摘要： 为进一步提高玉米种子发芽率，探讨适宜的种子精选方法及参数，以郑单958为材料，通过种子形态自动化识别软件（Seed Identification）获取单粒玉米种子物理参数，并进行单粒种子发芽试验，研究玉米种子活力指标与其形态物理参数之间的相关性，筛选最优精选指标，同时采用单一指标分类法、二元逻辑回归模型和多层感知器神经网络模型预测种子发芽率，确定最佳精选方法。结果表明，幼苗芽长、根长、鲜重与种子物理参数R、A、S、B3呈显著相关。分别按170≤R≤190、10≤A≤20、16≤S≤24、71≤B3≤79进行单一指标精选，其发芽率由未筛选前的66.0%分别提升至72.1%、73.7%、75.0%、73.6%，获选率分别为56.8%、63.6%、52.3%和50.8%；二元逻辑回归模型方法使种子发芽率提高至80.9%，种子发芽获选率88.4%，模型稳定率97.3%；多层感知器神经网络模型方法下种子发芽率提高至82.9%，种子发芽获选率89.5%，模型稳定率97.7%。综上，物理指标R、A、S和B3值可作为玉米种子精选参数；相比单一指标和二元逻辑回归模型，多层感知器神经网络模型在预测种子发芽率、获选率和稳定性方面具有较强优势，可确定为最佳精选方法。

分类号： TP391.41%S513

  • 相关文献

[1]澳洲坚果物理参数试验研究. 宋德庆,薛忠,杨为海,邓干然,邹明宏,陆超忠. 2011

[2]茶树嫩梢形态与力学特性试验研究. 傅童,郑航,薛向磊,叶云翔,俞国红,葛青. 2024

[3]不同育苗盘规格对烤烟小苗生长性状的影响. 徐经年,汪升友,郭飞,张文祥,陈鑫,唐经祥,汪文杰. 2022

[4]自动监控技术在设施农业生产中的应用系冽(二) 机器视觉技术在设施生产中的研究与应用. 张云鹤,乔晓军. 2008

[5]机器视觉技术在食用菌产业中的研究应用进展与展望. 陈学东,马聪,张建华. 2022

[6]基于机器视觉技术的金鲳鱼质量预测研究. 单佳楠,郑晓伟. 2023

[7]基于机器视觉技术的鱼类识别研究进展. 杨东海,张胜茂,汤先峰. 2019

[8]机器视觉在稻米粒型检测中的应用. 陈建华,姚青,谢绍军,孙成效,朱智伟. 2007

[9]九单48玉米高产栽培技术. 沈利国,赵华. 2007

[10]浅谈降低玉米种子加工破碎率的方法. 魏宏斌,张世全. 2013

[11]影响玉米种子发芽率的主要因素. 王亚莉,王兆川,马新春. 2016

[12]2O08年玉米种子市场评述. 佟屏亚. 2008

[13]等离子体技术处理玉米种子及效益分析. 柴寿江,方向前,付稀厚,李桂梅,李忠芹,郑军虎,郑在环,邢文志,吕端春,陈侠. 2007

[14]玉米种子萌发初期生理特性的变化研究. 马俊华,王自霞,刘建军,梦俊文,赵学梅,周晓梅. 2011

[15]玉米种子活力测定方法研究进展. 陈菁. 2015

[16]盐溶蛋白电泳和SSR标记鉴定苏玉20种子纯度的比较研究. 王波,彭宏,罗绪标,郭玲. 2016

[17]国内外玉米种子精选分级技术装备及发展趋势. 李寒松,陈立涛,张晓亮,孔凡祝,贾振超. 2016

[18]玉米种子老化过程中抗氧化酶活性的变化. 刘建军,马俊华,孟俊文,王自霞,周小梅. 2013

[19]老化玉米种子修复处理后的活力效应研究. 马俊华,刘建军,乔燕祥,王自霞,周晓梅. 2012

[20]套购玉米种子为何难以禁止——基于博弈论的诠释. 王军,梁晓玲,李季刚,戴泉,仲玉贵,孙国华. 2006

作者其他论文 更多>>

微信小程序