基于多光谱成像技术的小麦品种快速无损鉴定

文献类型： 中文期刊

第一作者： 许学

作者： 许学;马卉;王钰;刘伟;杨剑波;汪秀峰

作者机构：

关键词： 多光谱成像;小麦;特征融合;品种鉴定;无损;神经网络

期刊名称： 中国农学通报

ISSN： 1000-6850

年卷期： 2019 年 015 期

页码： 14-19

收录情况： CSCD

摘要： 为了研究多光谱成像技术对小麦品种快速无损鉴定的可行性,采用VideometerLab多光谱图像采集设备对5个小麦品种共500个样品在405~970 nm波段内的进行多光谱图像信息进行采集,获取其光谱、颜色和形态特征.利用主成分分析对5个小麦品种进行定性鉴别,同时,基于光谱特征和光谱图像特征分别比较了神经网络、支持向量机和随机森林3种模型的鉴定效果.结果显示:利用19个光谱特征值建立的模型中,BPNN识别模型效果最佳,其建模集和预测集的识别率分别为100%和91.25%.融合19个光谱特征和6个图像特征所建立的模型中,BPNN识别模型效果最佳,其建模集和预测集的识别率分别达到了100%和98.4%.结果表明,基于BPNN的多光谱特征融合能够有效的提高小麦品种鉴定效率,为小麦品种的快速无损检测提供了一个新途径.

分类号： TP391.41%S512.1

  • 相关文献

[1]无人机多光谱影像的小麦倒伏信息多特征融合检测研究. 朱文静,冯展康,戴世元,张平平,嵇文,王爱臣,魏新华. 2024

[2]利用SSR标记进行小麦品种鉴定和新品种保护研究. 李汝玉,李群,张文兰,张晗,宋国安,王东建. 2007

[3]专用优质小麦品种选育、鉴定和审定中存在的问题和建议. 赵虹,王西成,李铁庄,曹廷杰. 2004

[4]利用SSR标记进行中国小麦品种鉴定的研究. 李汝玉,李群,张文兰,陈小荣,阚天君,宋国安. 2008

[5]小麦已知含抗白粉病基因品种鉴定及评价. 乔体尚,程麦风. 1995

[6]大麦籽粒总淀粉含量近红外快速无损检测模型的构建. 巫小建,曾凡荣,岳文浩,汪军妹. 2021

[7]基于番茄特性的柔性末端执行器设计. 周科宏,夏礼如,柳军,钱明艳,皮杰. 2022

[8]多光谱成像技术诊断植物病虫害的人工神经网络模型. 冯洁,廖宁放,赵波,罗永道,李宝聚,戴志福. 2008

[9]基于多光谱和sRGB空间的自然植物色的重现. 李遂贤,廖宁放,石延霞,李宝聚. 2006

[10]近紫外-可见-短波近红外多光谱成像数据的糯玉米种子热损伤粒的无损快速鉴别. 王冬,韩平,吴静珠,赵丽丽,徐恒. 2021

[11]基于多光谱图像的水稻叶片叶绿素和籽粒氮素含量检测研究. 张浩,姚旭国,张小斌,祝利莉,叶少挺,郑可锋,胡为群. 2008

[12]基于深度学习与多尺度特征融合的烤烟烟叶分级方法. 鲁梦瑶,周强,姜舒文,王聪,陈栋,陈天恩. 2022

[13]基于卷积神经网络的田间麦穗检测方法研究. 张合涛,赵春江,王传宇,郭新宇,李大壮,苟文博. 2023

[14]基于特征融合与冗余剔除的普洱茶种类电子鼻识别方法. 徐赛,张倩倩. 2020

[15]融合边特征与注意力的表格结构识别模型. 吕学强,张煜楠,韩晶,崔运鹏,李欢. 2023

[16]基于卷积神经网络深度特征融合的番茄叶片病害检测. 杜忠康,房胜,李哲,郑纪业. 2021

[17]一种基于高光谱图像的熟牛肉TVB-N含量预测方法. 田卫新,何丹丹,杨东,陆安祥. 2016

[18]基于多特征融合和稀疏表示的农业害虫图像识别方法. 张永玲,姜梦洲,俞佩仕,姚青,杨保军,唐健. 2018

[19]多核学习算法及其在高光谱图像分类中的应用研究进展. 李广洋,寇卫利,陈帮乾,代飞,强振平,吴超. 2021

[20]改进YOLOv3的多尺度高分辨率特征增强图像目标检测. 杨文姬,李浩,王映龙,梅梦. 2023

作者其他论文 更多>>

微信小程序