文献类型： 中文期刊

作者： 韩小伟 ¹ ; 周江明 ¹ ; 高英波 ² ; 田雪慧 ¹ ; 李明军 ¹ ; 郝延杰 ¹ ; 李伟 ¹ ; 李树兵 ¹ ; 刘树泽 ¹ ;

作者机构： 1.滨州市农业科学院

2.山东省农业科学院玉米研究所/小麦玉米国家工程实验室/农业农村部黄淮海北部玉米生物学与遗传育种重点实验室

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。