高光谱成像技术在作物种子方面的应用

发布时间：2021-06-06 18:29

　　作物种子作为种植业最基本、最原始的生产资料,选择出高质量的种子直接决定着农业生产的经济效益和生产效益。高光谱成像技术出现于20世纪80年代,具有无损、快速成像以及"图谱合一"等特点。运用高光谱成像技术在作物种子方面的研究,前人主要集中于作物种子的品种鉴别、活力检测和种子品质检测等方面。在前人的研究基础上进行深化总结凝炼可知,高光谱成像在作物种子品种鉴别研究主要应用数据处理模型包括偏最小二乘法（partial least squares,PLS）、Ada-Boost算法、极限学习机（extreme learning machine,ELM）、随机森林（random forest,RF）、支持向量机（support vector machine,SVM）和人工神经网络（artificial neural network,ANN）等。综上所述,本研究旨在为各种类型的作物种子研究提供最佳的光谱范围、样本种类、降噪方法、特征波段提取和模型建立等方面的依据,且对未来研究的方向提供了建议。 

【文章来源】：国土资源遥感. 2020,32(04)北大核心CSCD

【文章页数】：10 页

【文章目录】：
0 引言
1 种子品种鉴别
    1.1 基于偏最小二乘判别法的种子品种鉴别
    1.2 基于机器学习算法的种子品种鉴别
        1.2.1 粮食作物种子
        1.2.2 其他作物种子
2 种子活力检测
    2.1 可见光波段
    2.2 可见光—短波近红外波段
    2.3 长波近红外波段
3 种子品质检测
    3.1 种子外在品质
    3.2 种子内在品质
    3.3 种子元素含量
4 讨论
5 结论与展望


【参考文献】：
期刊论文
[1]利用叶面积指数优化冬小麦高光谱水分预测模型[J]. 白青蒙,韩玉国,彭致功,刘露,林少喆.  应用与环境生物学报. 2020(04)
[2]华南地区土壤全钾含量高光谱反演模型研究[J]. 彭一平,刘振华,王璐,赵理,胡月明.  西南农业学报. 2019(10)
[3]种子活力测定方法研究进展[J]. 陈泽贤,袁辉.  种子科技. 2019(16)
[4]基于高光谱遥感的农作物分类研究进展[J]. 张影,赵小娟,王迪.  中国农业信息. 2019(05)
[5]高光谱小波能量特征估测土壤有机质含量[J]. 章涛,于雷,易军,聂艳,周勇.  光谱学与光谱分析. 2019(10)
[6]基于高光谱特征波长的冬小麦水分含量估测模型[J]. 李天胜,崔静,王海江,杨晋.  新疆农业科学. 2019(10)
[7]基于无人机高光谱数据的玉米叶面积指数估算[J]. 程雪,贺炳彦,黄耀欢,孙志刚,李鼎,朱婉雪.  遥感技术与应用. 2019(04)
[8]基于近红外光谱分析技术的转Bt基因水稻种子及其亲本快速鉴别方法[J]. 林萍,高明清,陈永明.  江苏农业科学. 2019(13)
[9]高光谱技术无损检测单粒小麦种子生活力的特征波段筛选方法研究[J]. 张婷婷,向莹莹,杨丽明,王建华,孙群.  光谱学与光谱分析. 2019(05)
[10]基于高光谱图像技术的小麦种子分类识别研究[J]. 张航,姚传安,蒋梦梦,姬豫航,李华杰.  麦类作物学报. 2019(01)

博士论文
[1]玉米种子高光谱图像品种检测方法研究[D]. 魏利峰.沈阳农业大学 2017

硕士论文
[1]基于高光谱图像技术的脱绒棉种品种鉴别方法研究[D]. 黄蒂云.石河子大学 2018
[2]水稻种子鉴别的近红外光谱快速无损分析[D]. 彭丽君.暨南大学 2018
[3]基于高光谱图像的脱绒棉种活力检测方法研究[D]. 尤佳.石河子大学 2017
[4]基于高光谱成像技术小麦籽粒品种鉴别研究[D]. 丁秋.武汉轻工大学 2017



本文编号：3214917