文献类型： 中文期刊

作者： 夏宇 ¹ ; 孟静武 ¹ ; 罗斌 ² ; 康凯 ² ; 王成 ² ; 张晗 ² ;

作者机构： 1.陕西科技大学电气与控制工程学院

2.北京市农林科学院智能装备技术研究中心

关键词： 高光谱;跨品种检测;理化特征;贮藏年份;泛化能力;玉米种子活力

期刊名称： 农业工程学报

ISSN： 1002-6819

年卷期： 2024 年 40 卷 016 期

页码： 261-268

收录情况： EI ; 北大核心 ; CSCD

摘要： 玉米种子老化劣变是影响玉米种子活力的关键因素，因此，识别种子的贮藏时间对于种质资源保存、种子质量鉴定具有重要意义。为实现跨品种玉米种子贮藏年份的准确分类，该研究通过对103个玉米品种种子的理化参数与高光谱波段的相关性结合机器学习算法对不同贮藏年份的玉米种子进行识别。分析玉米种子内部理化参数随贮藏年份增加的变化趋势，筛选出随贮藏年份变化呈现一致变化规律的理化参数。分别基于胚面与胚乳面的全波段光谱数据和特征波长筛选的光谱数据建立分类模型，筛选出最优分类模型。对随贮藏年份变化呈现一致变化规律的理化参数与高光谱波段进行Pearson相关性分析，利用相关性筛选特征波段用于建模。对比了特征波长筛选、相关系数筛选和相关系数筛选与特征波长筛选结合的建模准确率，并验证了模型跨品种检测能力。结果表明，基于相关系数筛选与特征波长筛选结合建立反向传播神经网络（back propagation neural network,BPNN）分类模型的准确率最高，单粒预测准确率为92.3%，群体预测准确率为94.4%。该研究提出的方法通过多个玉米品种的验证，模型具有较高的泛化能力。研究结果可为玉米种子贮藏的精准管理提供理论依据且对种业振兴具有重要的现实意义。