种子高光谱图像识别中的化学计量学方法研究

发布时间：2020-04-11 15:07

【摘要】：种子是农业生产最基本、最主要的生产资料,是各项农业技术和农业生产资料发挥作用的载体,对农业的增产、增收方面起到了关键性作用,因此种子的质量安全问题对整个农业生产的发展起到至关重要的作用。种子纯度是反映种子质量的重要指标,体现了种子品种在特征特性方面典型一致的程度。随着杂交技术的广泛应用以及制种环节过程中的多种因素的影响,导致种子间的混杂的现象经常出现,对农民百姓的利益造成严重的威胁,因此如何提高种子纯度检测的准确性和可靠性对保证种子质量,保障农业高产具有重要的研究意义。化学计量学方法综合了统计学、应用数学以及计算科学及其他相关学科的理论方法与手段,可以设计和选择最优的量测方法对数据进行解析,从而实现最大限度的获取光谱数据中的有效信息。而高光谱图像技术可以同时反映种子的光谱特征和图像特征,在农产品无损检测中已经得到广泛应用。本文旨在结合高光谱图像技术与化学计量学方法,研究出一种快速、无损、准确和鲁棒性高的分类模型以解决种子纯度检测中出现的一些问题。研究重点主要是针对如何结合化学计量学方法对高光谱数据进行波段选择,以及对利用高光谱图像建立的数学模型的更新这两大方面。具体研究内容如下:1.结合局部学习算法实现玉米种子近红外高光谱图像的最优波段选择。本课题共采集了6类样本共720粒的玉米种子在874-1734nm波段范围内的256幅近红外高光谱图像,利用局部学习算法获得波段的特征权重,并依据特征权重选择了最优波段。最后利用最优波段的均值光谱特征建立偏最小二乘判别分析,从而实现玉米种子纯度的快速检测。实验结果表明:局部学习算法可有效获取最优鉴选波段,为实现玉米种子的快速鉴选提供了一个可能的技术途径。2.结合主动学习算法研究玉米种子纯度检测模型更新。本课题以两类来自两个不同年份的玉米种子在874-1734nm的近红外高光谱图像为研究对象,结合主动学习算法选择具有代表性的待测样本,最终以添加最少最优的样本数来扩大原模型的样本空间,从而实现模型的快速更新,提高模型的稳定性,同时与基于随机选择算法(RS)和Kennard-Stone算法(KS)的模型更新效果进行比较。实验结果表明:利用主动学习添加少数新样本更新后的模型的预测精度明显提高,同时基于主动学习算法的模型更新效果明显优于RS和KS。因此基于主动学习算法实现玉米种子纯度检测模型的更新是可行的。3.结合增量式支持向量数据描述(ISVDD)算法实现不同年份之间的玉米种子纯度检测模型的在线更新。本课题利用4类共2000粒玉米种子在400-1000nm的可见近红外高光谱图像,结合ISVDD算法实现在线更新LSSVM模型,从而提高模型的鲁棒性和可靠性。实验结果表明:基于ISVDD算法的模型更新策略对不同年份的玉米种子识别提供了一个有效的方法,从而扩大模型的泛化能力。
【学位授予单位】：江南大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：S339.31;TP391.41

【相似文献】

相关期刊论文 前10条

1 朱荣光;姚雪东;高广娣;唐明翔;卢士玲;马本学;;不同储存时间和取样部位牛肉颜色的高光谱图像检测[J];农业机械学报;2013年07期

2 赵杰文;刘剑华;陈全胜;Saritporn Vittayapadung;;利用高光谱图像技术检测水果轻微损伤[J];农业机械学报;2008年01期

3 吴瑞梅;吴彦红;艾施荣;刘木华;赵杰文;严霖元;;茶叶外形品质的高光谱图像量化分析[J];江西农业大学学报;2013年02期

4 艾施荣;吴瑞梅;吴彦红;严霖元;;利用高光谱图像技术鉴别庐山云雾茶产地[J];江西农业大学学报;2014年02期

5 徐爽;何建国;易东;贺晓光;;基于高光谱图像技术的长枣糖度无损检测[J];食品与机械;2012年06期

6 刘木华,赵杰文,郑建鸿,吴瑞梅;农畜产品品质无损检测中高光谱图像技术的应用进展[J];农业机械学报;2005年09期

7 程国首;郭俊先;肉孜·阿木提;饶秀勤;亢银霞;石砦;;基于高光谱图像技术预测苹果大小[J];农机化研究;2012年06期

8 苏文浩;何建国;刘贵珊;王松磊;贺晓光;吴龙国;;近红外高光谱图像技术在马铃薯外部缺陷检测中的应用[J];食品与机械;2013年05期

9 陈树人;邹华东;吴瑞梅;闫润;毛罕平;;基于高光谱图像技术的稻田苗期杂草稻识别[J];农业机械学报;2013年05期

10 韩小珍;辛世华;王松磊;何建国;;高光谱在农产品无损检测中的应用展望[J];宁夏工程技术;2013年04期

相关会议论文 前10条

1 张兵;王向伟;郑兰芬;童庆禧;;高光谱图像地物分类与识别研究[A];成像光谱技术与应用研讨会论文集[C];2004年

2 高连如;张兵;孙旭;李山山;张文娟;;高光谱数据降维与分类技术研究[A];第八届成像光谱技术与应用研讨会暨交叉学科论坛文集[C];2010年

3 王成;何伟基;陈钱;;基于波段重组和小波变换的高光谱图像嵌入式压缩方法[A];黑龙江、江苏、山东、河南、江西 五省光学（激光）联合学术‘13年会论文（摘要）集[C];2013年

4 孙蕾;罗建书;;基于分类预测的高光谱遥感图像无损压缩[A];第一届建立和谐人机环境联合学术会议（HHME2005）论文集[C];2005年

5 杨勇;刘木华;邹小莲;苗蓬勃;赵珍珍;;基于高光谱图像技术的猕猴桃硬度品质检测[A];走中国特色农业机械化道路——中国农业机械学会2008年学术年会论文集（下册）[C];2008年

6 张晓红;张立福;王晋年;童庆禧;;HJ-1A卫星高光谱遥感图像质量综合评价[A];第八届成像光谱技术与应用研讨会暨交叉学科论坛文集[C];2010年

7 高东生;高连知;;基于独立分量分析的高光谱图像目标盲探测方法研究[A];国家安全地球物理丛书（八）——遥感地球物理与国家安全[C];2012年

8 冯维一;陈钱;何伟基;;基于小波稀疏的高光谱目标探测算法[A];黑龙江、江苏、山东、河南、江西 五省光学（激光）联合学术‘13年会论文（摘要）集[C];2013年

9 彭妮娜;易维宁;方勇华;;基于核函数的高光谱图像信息提取研究[A];光子科技创新与产业化——长三角光子科技创新论坛暨2006年安徽博士科技论坛论文集[C];2006年

10 蒲晓丰;雷武虎;黄涛;王迪;;基于稳健背景子空间的高光谱图像异常检测[A];中国光学学会2010年光学大会论文集[C];2010年

相关博士学位论文 前10条

1 普晗晔;高光谱遥感图像的解混理论和方法研究[D];复旦大学;2014年

2 王亮亮;非线性流形结构在高光谱图像异常检测中的应用研究[D];国防科学技术大学;2014年

3 贺智;改进的经验模态分解算法及其在高光谱图像分类中的应用[D];哈尔滨工业大学;2014年

4 魏然;基于成像机理分析的高光谱图像信息恢复研究[D];哈尔滨工业大学;2015年

5 叶珍;高光谱图像特征提取与分类算法研究[D];西北工业大学;2015年

6 冯婕;基于软计算和互信息理论的遥感图像地物分类[D];西安电子科技大学;2014年

7 孙涛;快速多核学习分类研究及应用[D];西安电子科技大学;2015年

8 李昌国;基于谱间和校正相关性的高光谱图像压缩方法研究及GPU并行实现[D];成都理工大学;2015年

9 徐速;基于压缩感知的高光谱图像稀疏解混方法研究[D];重庆大学;2015年

10 南一冰;星载推扫型高光谱运动成像误差建模与高精度校正技术研究[D];北京理工大学;2015年

相关硕士学位论文 前10条

1 丰烁;高光谱图像波段选取问题的改进算法研究[D];昆明理工大学;2015年

2 赵伟彦;果蔬干燥过程中的品质无损检测技术研究[D];江南大学;2015年

3 马亚楠;果蔬中内部害虫的高光谱图像检测技术研究[D];江南大学;2015年

4 刘大洋;基于近红外光谱和高光谱图像技术无损识别猕猴桃膨大果[D];西北农林科技大学;2015年

5 王坤;高光谱图像异常目标检测及光谱成像在伪装评估方面的应用研究[D];南京理工大学;2015年

6 王启聪;高光谱图像分类的GPU并行优化研究[D];南京理工大学;2015年

7 程凯;无先验信息的高光谱图像小目标检测算法研究[D];苏州大学;2015年

8 李秩期;基于高光谱及多信息融合的马铃薯外部缺陷无损检测研究[D];宁夏大学;2015年

9 王健;基于高光谱图像的马铃薯形状及重量分类识别建模研究[D];宁夏大学;2015年

10 吴蓓芬;偏振高光谱图像场景仿真及分类方法研究[D];哈尔滨工业大学;2015年

，

本文编号：2623729