文献类型： 中文期刊

作者： 吴静珠 ¹ ; 张乐 ¹ ; 李江波 ¹ ; 刘翠玲 ¹ ; 孙晓荣 ¹ ; 余乐 ¹ ;

作者机构： 1.北京工商大学食品安全大数据技术北京市重点实验室;北京农业智能装备技术研究中心

关键词： 单粒玉米;水分含量;高光谱;集成学习;自适应加权

期刊名称： 农业机械学报

ISSN： 1000-1298

年卷期： 2022 年 05 期

页码： 302-308

收录情况： EI ; 北大核心 ; CSCD

摘要： 为建立单粒玉米种子水分含量的高精度检测模型，制备了80份不同水分含量的玉米种子样本。针对玉米种胚朝上和种胚朝下分别进行高光谱反射图像采集，每份样本取样100粒，波长范围为968.05～2 575.05 nm。采用PCA快速提取单粒种子光谱，经多元散射校正预处理后，分别采用随机森林(RF)和AdaBoost算法建立单粒种子水分检测模型，并集成两种算法特征提出基于加权策略的改进RF用于单粒种子水分含量建模。利用单粒玉米种子胚朝上的光谱信息建立的改进RF模型训练集相关系数R为0.969,训练集均方根误差(RMSEC)为0.094%,测试集R为0.881,测试集均方根误差(RMSEP)为0.404%;利用单粒玉米种子胚朝下的光谱信息建立的改进RF模型训练集R为0.966,RMSEC为0.100%,测试集R为0.793,RMSEP为0.544%。实验结果表明：改进RF的泛化能力和预测精度明显优于RF和AdaBoost算法；种胚朝上的单粒玉米种子水分含量检测模型优于种胚朝下的模型。高光谱检测技术结合集成学习算法建立的玉米种子水分检测模型预测精度高，稳健性好。