玉米单倍体籽粒近红外光谱建模和识别系统
发布时间：2021-09-22 07:25
单倍体育种技术是现代农业的一个重要研究方向,利用农作物的单倍体可以获得农作物的纯种品种,也可用于农作物杂交育种中获得具有优良特性的杂交品种。玉米是我国种植规模最大且产量最高的粮食作物,单倍体育种是玉米育种中快速且高效的一种方式。单倍体识别是玉米单倍体育种技术研究和实施的前提和必要条件。研究人员对玉米单倍体的识别主要依靠细胞和解剖学鉴定、分子标记鉴定和遗传标记鉴定等方法,但这些方式不但费时费力,还会对玉米籽粒造成损伤。为了帮助研究人员解决区分玉米单倍体和二倍体籽粒中遇到的上述问题,本文针对单倍体诱导的玉米籽粒,利用近红外光谱技术在鉴别速度和识别准确率上的优势,开发了一个玉米单倍体籽粒近红外光谱建模和识别系统,对于高油诱导的玉米籽粒,本系统还可通过预测籽粒的油分含量来进行辅助识别,提高识别的准确性。本系统以Py Qt为系统图形化界面的开发基础,结合Sklearn、Py Qt Graph等扩展库,使用近红外光谱技术中支持向量机、偏最小二乘回归、多元散射校正和主成分分析等相关算法,实现了对原始光谱进行数据整理、光谱预处理、特征降维、建立识别模型和样本识别等功能,并利用具体的玉米籽粒光谱数据验证...
【文章来源】：北京林业大学北京市 211工程院校 教育部直属院校
【文章页数】：78 页
【学位级别】：硕士
【部分图文】：
PyQtGraph示例程序及效果
2系统的相关技术介绍9函数是模型、视图和代理之间的媒介，视图的操作通过信号触发对应槽函数，模型会将数据的变化传递给视图，代理可设置视图中自定义条目的显示和编辑，用户对视图的操作会使视图发出信号并触发槽函数，最后模型获取视图中数据的情况（王晋晶，2019）。上述交互过程如图2.2所示。图2.2MVD框架Figure2.2MVDframework2.4本章小结本章介绍了玉米单倍体籽粒近红外光谱建模和识别系统的相关技术。首先介绍了实现本文系统用到的Python以及它的PyQt、Sklearn和PyQtGraph等扩展库，然后介绍了SQLite，最后介绍了开发系统的MVC思想。
玉米单倍体籽粒近红外光谱建模和识别系统16其中，dE是光谱真值和拟合值之间的误差矩阵，B是d维回归中得到的对角矩阵。对于未知玉米籽粒含油量的预测，若其原始光谱为X，则可利用公式（3-20）得到预测含油量。X(X)Ty=UBQ（3-20）偏最小二乘回归（PLSR）拟合油分的原理中结合了主成分分析的相关理论，该方法将会对原始特征进行特征提取，并使用特征提取的特征进行回归，完成油分的拟合。②朴素贝叶斯分类朴素贝叶斯分类器具有稳定的分类效率，对小样本数据有很好的表现，是一个较为简单且实用的分类算法。假设玉米单倍体和二倍体籽粒的油分含量分别服从独立的高斯分布，那么玉米籽粒的油分含量服从两个独立高斯分布组成的混合高斯分布，如图3.1是基于上述假设的概率分布图，故可利用朴素贝叶斯分类器中的高斯模型对玉米籽粒单倍体和二倍体油分进行识别。图3.1油分概率分布图Figure3.1Diagramofprobabilitydistributionofoilcontent朴素贝叶斯分类器是以贝叶斯定理为基础的贝叶斯分类器中简单且常用的一种分类方法。朴素贝叶斯分类器包括多项式模型、伯努利模型和高斯模型三个模型。其中，多项式和伯努利模型适用于离散型特征变量，高斯模型适用于连续型特征变量。假设1C代表玉米籽粒中的单倍体，2C代表玉米籽粒中的二倍体，jx（j=1，···，n，n为样个数）代表某一玉米籽粒的油分值，本文使用现有的单倍体和二倍体油分数据求得单倍体（1C）和二倍体（2C）油分的均值（μ）和标准差（σ2），因其油分数据呈高斯分布，可利用公式（3-21）得到某一籽粒的油分值（jx）属于某一类（iC）的概率。
【参考文献】：
期刊论文
[1]光谱预处理方法选择研究[J]. 第五鹏瑶,卞希慧,王姿方,刘巍. 光谱学与光谱分析. 2019(09)
[2]近红外光谱技术在纺织产品检测中的应用[J]. 孙克强,王京力,廖佳,赵珍玉. 轻纺工业与技术. 2019(08)
[3]基于核局部保持投影的近红外光谱玉米单倍体识别研究[J]. 刘文杰,李卫军,覃鸿,李浩光,宁欣. 光谱学与光谱分析. 2019(08)
[4]SQLITE数据库在统计中的应用[J]. 陈卫华. 统计科学与实践. 2019(05)
[5]基于深度信念网络的多品种玉米单倍体定性鉴别方法研究[J]. 于云华,李浩光,沈学锋,逄燕. 光谱学与光谱分析. 2019(03)
[6]我国玉米生产地位、优势与自给率分析[J]. 陈印军,王琦琪,向雁. 中国农业资源与区划. 2019(01)
[7]红外光谱在微藻领域的应用研究进展[J]. 刘京华,陈军,秦松,戚泽明,黄青. 光谱学与光谱分析. 2019(01)
[8]基于机器学习的玉米单倍体近红外光谱鉴别方法研究[J]. 李伟,李金龙,李卫军,刘丽威,李浩光,陈琛,陈绍江. 光谱学与光谱分析. 2018(09)
[9]近红外光谱技术在粮食检测中的应用进展[J]. 李佳楠. 粮食科技与经济. 2018(08)
[10]软件技术在近红外光谱定量分析中的应用[J]. 陈素彬,胡振,张晓琪,任维. 化学教育(中英文). 2018(16)
博士论文
[1]多元校正及模型转移中的缺损数据重构和交替残差多线性方法研究[D]. 杜文.湖南大学 2016
硕士论文
[1]雷达目标跟踪算法研究与实现[D]. 王晋晶.西安电子科技大学 2019
[2]鸡蛋新鲜度可见-近红外光谱在线检测技术研究[D]. 李小明.华中农业大学 2017
[3]支持向量机核函数及关键参数选择研究[D]. 尹嘉鹏.哈尔滨工业大学 2016
[4]基于C/S模式的PLC远程监控软件的设计与开发[D]. 陈含思.东南大学 2016
本文编号：3403376
【文章来源】：北京林业大学北京市 211工程院校 教育部直属院校
【文章页数】：78 页
【学位级别】：硕士
【部分图文】：
PyQtGraph示例程序及效果
2系统的相关技术介绍9函数是模型、视图和代理之间的媒介，视图的操作通过信号触发对应槽函数，模型会将数据的变化传递给视图，代理可设置视图中自定义条目的显示和编辑，用户对视图的操作会使视图发出信号并触发槽函数，最后模型获取视图中数据的情况（王晋晶，2019）。上述交互过程如图2.2所示。图2.2MVD框架Figure2.2MVDframework2.4本章小结本章介绍了玉米单倍体籽粒近红外光谱建模和识别系统的相关技术。首先介绍了实现本文系统用到的Python以及它的PyQt、Sklearn和PyQtGraph等扩展库，然后介绍了SQLite，最后介绍了开发系统的MVC思想。
玉米单倍体籽粒近红外光谱建模和识别系统16其中，dE是光谱真值和拟合值之间的误差矩阵，B是d维回归中得到的对角矩阵。对于未知玉米籽粒含油量的预测，若其原始光谱为X，则可利用公式（3-20）得到预测含油量。X(X)Ty=UBQ（3-20）偏最小二乘回归（PLSR）拟合油分的原理中结合了主成分分析的相关理论，该方法将会对原始特征进行特征提取，并使用特征提取的特征进行回归，完成油分的拟合。②朴素贝叶斯分类朴素贝叶斯分类器具有稳定的分类效率，对小样本数据有很好的表现，是一个较为简单且实用的分类算法。假设玉米单倍体和二倍体籽粒的油分含量分别服从独立的高斯分布，那么玉米籽粒的油分含量服从两个独立高斯分布组成的混合高斯分布，如图3.1是基于上述假设的概率分布图，故可利用朴素贝叶斯分类器中的高斯模型对玉米籽粒单倍体和二倍体油分进行识别。图3.1油分概率分布图Figure3.1Diagramofprobabilitydistributionofoilcontent朴素贝叶斯分类器是以贝叶斯定理为基础的贝叶斯分类器中简单且常用的一种分类方法。朴素贝叶斯分类器包括多项式模型、伯努利模型和高斯模型三个模型。其中，多项式和伯努利模型适用于离散型特征变量，高斯模型适用于连续型特征变量。假设1C代表玉米籽粒中的单倍体，2C代表玉米籽粒中的二倍体，jx（j=1，···，n，n为样个数）代表某一玉米籽粒的油分值，本文使用现有的单倍体和二倍体油分数据求得单倍体（1C）和二倍体（2C）油分的均值（μ）和标准差（σ2），因其油分数据呈高斯分布，可利用公式（3-21）得到某一籽粒的油分值（jx）属于某一类（iC）的概率。
【参考文献】：
期刊论文
[1]光谱预处理方法选择研究[J]. 第五鹏瑶,卞希慧,王姿方,刘巍. 光谱学与光谱分析. 2019(09)
[2]近红外光谱技术在纺织产品检测中的应用[J]. 孙克强,王京力,廖佳,赵珍玉. 轻纺工业与技术. 2019(08)
[3]基于核局部保持投影的近红外光谱玉米单倍体识别研究[J]. 刘文杰,李卫军,覃鸿,李浩光,宁欣. 光谱学与光谱分析. 2019(08)
[4]SQLITE数据库在统计中的应用[J]. 陈卫华. 统计科学与实践. 2019(05)
[5]基于深度信念网络的多品种玉米单倍体定性鉴别方法研究[J]. 于云华,李浩光,沈学锋,逄燕. 光谱学与光谱分析. 2019(03)
[6]我国玉米生产地位、优势与自给率分析[J]. 陈印军,王琦琪,向雁. 中国农业资源与区划. 2019(01)
[7]红外光谱在微藻领域的应用研究进展[J]. 刘京华,陈军,秦松,戚泽明,黄青. 光谱学与光谱分析. 2019(01)
[8]基于机器学习的玉米单倍体近红外光谱鉴别方法研究[J]. 李伟,李金龙,李卫军,刘丽威,李浩光,陈琛,陈绍江. 光谱学与光谱分析. 2018(09)
[9]近红外光谱技术在粮食检测中的应用进展[J]. 李佳楠. 粮食科技与经济. 2018(08)
[10]软件技术在近红外光谱定量分析中的应用[J]. 陈素彬,胡振,张晓琪,任维. 化学教育(中英文). 2018(16)
博士论文
[1]多元校正及模型转移中的缺损数据重构和交替残差多线性方法研究[D]. 杜文.湖南大学 2016
硕士论文
[1]雷达目标跟踪算法研究与实现[D]. 王晋晶.西安电子科技大学 2019
[2]鸡蛋新鲜度可见-近红外光谱在线检测技术研究[D]. 李小明.华中农业大学 2017
[3]支持向量机核函数及关键参数选择研究[D]. 尹嘉鹏.哈尔滨工业大学 2016
[4]基于C/S模式的PLC远程监控软件的设计与开发[D]. 陈含思.东南大学 2016
本文编号：3403376
本文链接：https://www.wllwen.com/kejilunwen/huaxue/3403376.html
教材专著
