CN105699318A - 种子单籽粒无损检测方法及系统 - Google Patents
种子单籽粒无损检测方法及系统 Download PDFInfo
- Publication number
- CN105699318A CN105699318A CN201410682513.5A CN201410682513A CN105699318A CN 105699318 A CN105699318 A CN 105699318A CN 201410682513 A CN201410682513 A CN 201410682513A CN 105699318 A CN105699318 A CN 105699318A
- Authority
- CN
- China
- Prior art keywords
- spectrum
- seed
- transmission spectrum
- diffusing transmission
- infrared light
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种种子单籽粒无损检测方法及系统,属于光谱检测技术领域,所述方法包括以下步骤:S1:对待检测种子被近红外光源发出的近红外光照射时的第一漫透射光谱进行采集;S2:对所述第一漫透射光谱按照预设的预处理方式进行预处理;S3:对预处理后的第一漫透射光谱按照预设的特征提取方式进行特征提取,以获得第一光谱特征;S4:根据所述第一光谱特征通过品种模型确定所述待检测种子的品种。本发明根据待检测种子的漫透射光谱来确定其品种,由于在测量漫透射光谱时,近红外光能够通过完整籽粒,故而可采集籽粒的整体信息,并且大幅降低了种子的摆放位置对光谱质量的影响,提高了检测的稳定性。
Description
技术领域
本发明涉及光谱检测技术领域,特别涉及一种种子单籽粒无损检测方法及系统。
背景技术
种子是农业生产链条的最上缘,是重要的生产资料。国务院2011年将种子产业的发展提高到国家战略的水平。种子的品质直接影响着粮食的产量和质量,为了保证国家的粮食安全,必须对种子的品质进行检测。传统的检测方法(包括:田间种植、物理化学分析、DNA分子标记等)操作复杂,用时较长,成本较高,而且会对种子造成破坏。近红外光谱分析技术拥有快速、无损、操作简单、成本低的优点,近年来在农作物种子的定量和定性分析领域有着广泛的应用,取得了很大的成功。
近红外光谱检测种子主要有群体分析和单籽粒分析两种方式。在种子质量的检测和筛选领域,种子的单籽粒无损分析技术更加实用。单籽粒无损分析是评价农作物种子的重要技术,目前常用的单籽粒无损分析是漫反射光谱分析技术。
漫反射光谱分析技术中,分析光源与光谱仪检测端在种子样品同侧方向,分析光进入种子后反射回来被光谱仪接收,只能采集到种子的表面部分信息。由于种子具有复杂结构,是非均匀样品,漫反射光谱分析技术分析样品时分析光未能通过籽粒,无法采集籽粒的整体信息;种子样品摆放位置严重影响光谱质量(称之为分析的位置效应),必然影响分析结果,并使分析模型无法稳定使用。
发明内容
鉴于上述问题,本发明提供了一种克服上述问题或者至少部分地解决上述问题的一种种子单籽粒无损检测方法及系统。
一方面,本发明提供了一种种子单籽粒无损检测方法,所述方法包括以下步骤:
S1:对待检测种子被近红外光源发出的近红外光照射时的第一漫透射光谱进行采集;
S2:对所述第一漫透射光谱按照预设的预处理方式进行预处理;
S3:对预处理后的第一漫透射光谱按照预设的特征提取方式进行特征提取,以获得第一光谱特征;
S4:根据所述第一光谱特征通过品种模型确定所述待检测种子的品种。
其中,步骤S1之前还包括:
S001:对不同品种样本种子被所述近红外光源发出的近红外光照射时的第二漫透射光谱进行采集;
S002:对所述第二漫透射光谱按照所述预处理方式进行预处理;
S003:对预处理后的第二漫透射光谱按照所述特征提取方式进行特征提取,以获得第二光谱特征;
S004:根据所述第二光谱特征建立所述品种模型。
其中,所述第二漫透射光谱包括:胚面光谱和非胚面光谱;
步骤S002和步骤S003之间还包括:
计算所述第二漫透射光谱中的胚面光谱和非胚面光谱之间的相似度,若所述相似度低于第一阈值,则对所述近红外光源的参数进行调整,并返回步骤S001。
其中,步骤S003和步骤S004之间还包括:
计算不同品种的第二光谱特征之间的相对距离,若所述相对距离小于第二阈值,则对所述预处理方式和/或特征提取方式进行调整,并返回步骤S002。
其中,步骤S004中,根据所述第二光谱特征通过支持向量机或仿生模式识别方法建立所述品种模型。
另一方面,本发明还提供了一种种子单籽粒无损检测系统,所述系统包括:
第一采集单元,用于对待检测种子被近红外光源发出的近红外光照射时的第一漫透射光谱进行采集;
第一预处理单元,用于对所述第一漫透射光谱按照预设的预处理方式进行预处理;
第一提取单元,用于对预处理后的第一漫透射光谱按照预设的特征提取方式进行特征提取,以获得第一光谱特征;
品种确定单元,用于根据所述第一光谱特征通过品种模型确定所述待检测种子的品种。
其中,所述系统还包括:
第二采集单元,用于对不同品种样本种子被所述近红外光源发出的近红外光照射时的第二漫透射光谱进行采集;
第二预处理单元,用于对所述第二漫透射光谱按照所述预处理方式进行预处理;
第二提取单元,用于对预处理后的第二漫透射光谱按照所述特征提取方式进行特征提取,以获得第二光谱特征;
模型建立单元,用于根据所述第二光谱特征建立所述品种模型。
其中,所述第二漫透射光谱包括:胚面光谱和非胚面光谱;
所述系统还包括:
第一调整单元,用于计算所述第二漫透射光谱的胚面光谱和非胚面光谱之间的相似度,若所述相似度低于第一阈值,则对所述近红外光源的参数进行调整。
其中,所述系统还包括:
第二调整单元,用于计算不同品种的第二光谱特征之间的相对距离,若所述相对距离小于第二阈值,则对所述预处理方式和/或特征提取方式进行调整。
其中,所述模型建立单元根据所述第二光谱特征通过支持向量机或仿生模式识别方法建立所述品种模型。
本发明根据待检测种子的漫透射光谱来确定其品种,由于在测量漫透射光谱时,近红外光能够通过完整籽粒,故而可采集籽粒的整体信息,并且大幅降低了种子的摆放位置对光谱质量的影响,提高了检测的稳定性。
附图说明
图1是本发明一种实施方式的种子单籽粒无损检测方法的流程图;
图2是光谱采集装置的结构示意图;
图3a是采用漫反射光谱分析京玉16时的空间分布示意图;
图3b是采用漫透射光谱分析京玉16时的空间分布示意图;
图4a是采用漫反射光谱分析农华101时的主成分分析结果示意图;
图4b是采用漫透射光谱分析农华101时的主成分分析结构示意图;
图5是本发明一种实施方式的种子单籽粒无损检测系统的结构框图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
图1是本发明一种实施方式的种子单籽粒无损检测方法的流程图;参照图1,所述方法包括以下步骤:
S1:对待检测种子被近红外光源发出的近红外光照射时的第一漫透射光谱进行采集;
需要说明的是,本步骤中,采用如图2所述的光谱采集装置。由于籽粒的截面积较小,且“成分浓度”极高,为了使分析光穿透种子,让光谱仪获得足够强的光谱信号,故而采用外置高强近红外光源。为了避免高强度分析光直接进入光谱仪的检测器,在分析光源的出光口处增加光的中性衰减片,中性衰减片可以手动或自动进入光路。测定样品时中性衰减片退出光路。
在获得种子的漫透射光谱时,需要将种子放置在光阑上;光阑为圆形,直径相当于或略小于籽粒的宽度,光阑的形状也可以按照样品籽粒的形状确定。光阑保证分析光包含的样品特征信息为最高,且避免未通过样品(不承载样品特征信息)的分析光直接进入光谱仪检测器,对分析造成影响。
通过带有线性滤光片的光谱仪检测器采集漫透射光谱,并将所述漫透射光谱进行存储。
S2:对所述第一漫透射光谱按照预设的预处理方式进行预处理;
需要说明的是,由于原始光谱会受到仪器状态、环境的影响,含有噪声信息,需要用预处理方法对数据进行预处理。本步骤中,所述预设的预处理方式包括:通过一阶差分导数(FirstDerivative,FD)和矢量归一化(VectorNormalization,VN)处理漫透射光谱,所述FD中差分宽度为9。
S3:对预处理后的第一漫透射光谱按照预设的特征提取方式进行特征提取,以获得第一光谱特征;
S4:根据所述第一光谱特征通过品种模型确定所述待检测种子的品种。
由于本实施方式要解决的问题是检测所述待检测种子为杂交或母本的种子,属于分类问题。
本实施方式根据待检测种子的漫透射光谱来确定其品种,由于在测量漫透射光谱时,近红外光能够通过完整籽粒,故而可采集籽粒的整体信息,并且大幅降低了种子的摆放位置对光谱质量的影响,提高了检测的稳定性。
为便于建立所述品种模型,可选地,步骤S1之前还包括:
S001:对不同品种样本种子被所述近红外光源发出的近红外光照射时的第二漫透射光谱进行采集;
S002:对所述第二漫透射光谱按照所述预处理方式进行预处理;
S003:对预处理后的第二漫透射光谱按照所述特征提取方式进行特征提取,以获得第二光谱特征;
S004:根据所述第二光谱特征建立所述品种模型。
本步骤中,所述品种模型是通过选择支持向量机(SVM)或仿生模式识别方法所建立的。SVM的基本原理是寻找使不同品种之间差别最大的分类面。
通过漫透射光谱来确定待检测种子品种已经可以大幅降低种子的位置效应,但近红外光源的参数(例如:光源与种子之间的距离、近红外光的强度等)会对所述漫透射光谱产生影响,为了进一步降低种子的位置效应,以排除所述近红外光源的参数对所述漫透射光谱的影响,可选地,所述第二漫透射光谱包括:胚面光谱(即从种子胚面方向所检测到的光谱)和非胚面光谱(即从种子非胚面方向所检测到的光谱);
步骤S002和步骤S003之间还包括:
计算所述第二漫透射光谱中的胚面光谱和非胚面光谱之间的相似度,若所述相似度低于第一阈值,则对所述近红外光源的参数进行调整,并返回步骤S001。
在建立品种模型时,若不同品种的第二光谱特征之间的相对距离过小会导致检测结果造成影响,使得种子检测准确率降低,为提高所述种子检测的准确率,可选地,步骤S003和步骤S004之间还包括:
计算不同品种的第二光谱特征之间的相对距离,若所述相对距离小于第二阈值,则对所述预处理方式和/或特征提取方式进行调整,并返回步骤S002。
可选地,步骤S004中,根据所述第二光谱特征通过支持向量机SVM或仿生模式识别方法建立所述品种模型。
实施例
下面以一个具体的实施例来说明本发明,但不限定本发明的保护范围。
本实施例选用玉米种子作为对象,对玉米种子的单籽粒进行近红外漫透射无损检测,以确定玉米杂交种的纯度,并与常用的近红外漫反射分析的分析结果进行比较,验证近红外漫透射无损检测的优势。
纯度是玉米杂交种质量的重要指标,制种过程中母本种子容易混入到杂交种中,导致杂交种纯度不合格。现有的纯度鉴定方法操作复杂,成本高,而且破坏种子。种子单籽粒近红外光谱漫透射无损分析系统本用来对玉米杂交种及其母本进行区分,对杂交种的纯度进行鉴定。并与近红外漫反射光谱分析技术对杂交种纯度的鉴定效果进行对比,验证了种子单籽粒近红外光谱漫透射无损分析系统的优越性。
本实施例的种子单籽粒无损检测方法包括以下步骤:
A1:通过如图2所示的光谱采集装置对母本样本种子(包括60粒农华101的母本种子和60粒京玉16的母本种子,所述农华101和京玉16均为北京金色农华种业科技有限公司所销售种子的型号)被近红外光源(即所述光谱采集装置中的外置近红外光源)发出的近红外光照射时的第二漫透射光谱进行采集;
由于种子的胚面和非胚面差异较大,为了对种子的摆放方式和位置对光谱的影响进行验证,对每种种子均用30粒种子采集胚面光谱,30粒种子采集非胚面光谱。
其中,所述线性滤光片所保留的谱区范围为908.1~1677.2nm,所述光谱仪检测器为美国JDSU公司的MicroNIR1700近红外微型光谱仪。
A2:对所述第二漫透射光谱按照所述预处理方式进行预处理;
由于原始光谱中908.1~1100nm和1600~1677.2nm谱区内光谱噪声比较大,而1100~1600nm谱区内原始光谱噪声较小,因此本实施例后续处理将选用1100~1600nm谱区的光谱数据来处理和分析。预处理依次用一阶差分导数(FirstDerivative,FD,差分宽度为9)和矢量归一化(VectorNormalization,VN)。
A3:对预处理后的第二漫透射光谱按照所述特征提取方式进行特征提取,以获得第二光谱特征;
由于种子的光谱由数百个波长点数据组成,数据量较大,而且不同波长点数据之间具有很强的相关性,所以需要对原始光谱进行特征提取和降维。本实施例综合使用主成分分析(PrincipleComponentAnalysis:PCA)和正交化线性判别分析(OrthogonalLinearDiscriminantAnalysis:OLDA)对光谱进行特征提取和降维。
A4:计算所述第二漫透射光谱中的胚面光谱和非胚面光谱之间的相似度,若所述相似度低于第一阈值,则对所述近红外光源的参数进行调整,并返回步骤A1;
本步骤中,为了评价种子胚面和非胚面近红外光谱之间光谱相似度,提出了光谱相似度评价指标S。S计算步骤如下:
1)对每个波长点吸光度数据均采用Kolmogorov-Smirnov检验判定两类样本的吸光度在该波长点处是否存在统计差异。Kolmogorov-Smirnov检验是一种非参数检验方法,基于两组样本累积分布函数之间的差异确定两组样本是否来源于同一分布。两组样本累积分布函数之间的差异即为K-S检验的统计量K值。K值计算表达式如下:
K=max|F1(x)-F2(x)|
其中,F1(x)和F2(x)分别为该波长处两组样本吸光度的累积分布函数。K值为F1(x)和F2(x)差值的最大值。如果该波长处K值对应的概率p值<0.05,则认为该波长点处两类样本吸光度分布存在显著差异。
2)统计每个波段的p值,若某个波段p>0.05,则该波段设为1,认为两组数据在该波段没有显著差异。波段总数为N,无差异的波段数目为M。
3)S=M/N。其中,S值越大,说明两种品种的光谱相似度越高。
A5:计算所述第二光谱特征和第三光谱特征之间的相对距离,若所述相对距离小于第二阈值,则对所述预处理方式和/或特征提取方式进行调整,并返回步骤A2;
为了能够表示出各类种子样品集差异的大小,现定义它们在特征空间的相对距离Rij,式中Rij表示第i类和第j类之间的相对距离,Dij表示第i类与第j类重心的平方欧氏距离,Wi表示第i类内部的平均离差平方和,Wj表示第j类内部的平均离差平方和。Rij的值越大,表明第i类和第j类样品集差异也越大。在定性分析中两个样品集之间的相对距离可评价这两类样品的分类能力。
本步骤中,对所述预处理方式进行调整为改变预设的预处理方式,例如:预设的预处理方式包括一阶差分导数,则可将一阶差分导数调整为二阶差分导数,对所述特征提取方式进行调整也与所述预处理方式的调整类似。
A6:根据所述第二光谱特征通过支持向量机SVM建立所述母本和杂交模型。
由于SVM的基本原理是寻找使不同品种之间差别最大的分类面,本实施例中使用Matlab自带的svmtrain和svmpredict函数建立模型和测试,采用线性映射函数。
本步骤中,建立模型时,以京玉16杂交种子为例说明训练集和测试集的分配方法。从京玉16杂交种子的60粒种子的光谱(胚面光谱30条,非胚面光谱30条)中分别随机选取胚面光谱15条和非胚面光谱15条作为训练集建立模型,剩余30条光谱作为测试集样本。
A7:对待检测种子被近红外光源发出的近红外光照射时的第一漫透射光谱进行采集;
A8:对所述第一漫透射光谱按照预设的预处理方式进行预处理;
A9:对预处理后的第一漫透射光谱按照预设的特征提取方式进行特征提取,以获得第一光谱特征;
A10:根据所述第一光谱特征通过母本和杂交模型确定所述待检测种子的品种。
通过漫反射光谱在分析京玉16时,PCA保留6个主成分。母本和杂交种子的反射光谱在特征空间中部分混杂,差异较小(图3a)。母本和杂交种在特征空间中的相对距离R=4.13。而在漫透射光谱的特征空间中(PCA保留7个主成分),母本和杂交种有较大的差别(图3b),母本和杂交种在特征空间中的相对距离R=13.98。说明透射光谱中包含更多的母本和杂交种子的差异信息。模型性能比较说明,对京玉16进行纯度鉴定时,使用漫透射光谱分析技术(平均正确率98%)可以获得比漫反射光谱分析技术(平均正确率90%)更高的正确率(表1)。
其中,Sa代表种子胚面和非胚面光谱的相似度,Rb代表母本和杂交种子鉴定模型的区分能力。
对农华101进行相同的分析,发现反射(PCA主成分数目为8)和透射(PCA主成分数目为7)光谱的R值相当,说明两种方法对母本和杂交种子的区分能力相差不大。模型鉴定结果表明,反射和漫透射光谱分析技术的平均正确率分别为100%和98%,并没有显著的差异(表1)。
对种子进行观察发现,农华101母本和杂交种子的颜色和形状差异较大,母本种子颜色较浅,为浅黄的,杂交种子颜色较深,主要为红色,因此利用漫反射光谱分析技术分析时,很容易采集到母本和杂交种子表面的颜色差异,所以鉴定准确率很高。而京玉16的母本和杂交种子外形和颜色十分相似,漫反射光谱分析技术仅能获得种子表面的部分信息,就不能很好地区分两类种子,所以鉴定模型的正确率较低。漫透射光谱分析技术中分析光可以穿透整粒种子,采集到种子内部的信息,无论母本和杂交种的外形和颜色是否有差异,均能够取得较高的鉴定正确率。
所以,与漫反射光谱分析技术相比,漫透射光谱分析技术可以穿透种子籽粒,能充分获取母本和杂交种的内部的差异信息,区分能力更强。
另外,农作物种子等天然产物是非均匀样品,采集光谱时如果种子的摆放位置和摆放方式发生变化,由于种子不同部位的物质成分并不相同,会导致其近红外光谱的变化,这样光谱的可重复性就会较差,致使建立的模型稳健性降低。这是单籽粒光谱分析中的一个十分重要的问题。
玉米种子的非胚面主要是胚乳,胚面主要是胚。玉米种子的胚部的主要成分是油分和蛋白质,胚乳部分的物质成分主要是淀粉,因此胚面和非胚面的的物质成分并不相同。
本实施例对种子的胚面和非胚面的反射和透射光谱进行分析,计算胚面和非胚面光谱的相似度S,相似度越高,说明胚面和非胚面的差异越小,种子的位置效应对近红外光谱的影响越小。
用漫反射光谱分析技术分析时,农华101母本种子的胚面和非胚面光谱差异很大,相似度S为0.13(表1)。
在前两个主成分得分空间中,母本胚面和母本非胚面样本分布在两个不同的区域中;农华101杂交种的胚面和非胚面光谱差异并不显著(图4a)。观察种子发现,母本种子的胚面上胚部颜色很浅,非胚面主要是胚乳,颜色较深,有比较明显的差异。而杂交种的胚面和非胚面的颜色差异不大,这与主成分分析的结论是相同的。同时也说明反射光谱主要包含种子表面的信息,不能很好地获取母本和杂交种的本质差异。
使用漫透射光谱分析技术分析时,农华101母本种子的胚面和非胚面的光谱的相似度S为0.74(表1),在前两个主成分空间中分布在相同的区域中。农华101杂交种的胚面和非胚面光谱之间也没有明显的差异(图4b)。
京玉16母本和杂交种子胚面和非胚面有很大的差异,它们反射光谱的相似度S为仅为0.09(表1),差异非常显著。使用漫透射光谱分析技术时胚面和非胚面光谱的相似度S为0.43,有很大的提高。
与漫反射光谱分析技术相比,胚面和非胚面的的透射光谱之间的差异较小,说明漫透射光谱分析技术能更好地克服单籽粒种子的位置效应的影响。在现有的建模方法中,训练集中需要同时包含种子胚面和非胚面的光谱,模型才能获得比较稳定的鉴定正确率。如果胚面与非胚面的差异大于不同品种种子间的差异,或者训练集数据没有足够的代表性,模型的鉴定正确率会大幅降低。漫透射光谱分析技术可以克服玉米种子胚面和非胚面的差异,在提高模型稳健性方面有很大的优势和潜力。
本发明还公开了一种种子单籽粒无损检测系统,参照图5,所述系统包括:
第一采集单元,用于对待检测种子被近红外光源发出的近红外光照射时的第一漫透射光谱进行采集;
第一预处理单元,用于对所述第一漫透射光谱按照预设的预处理方式进行预处理;
第一提取单元,用于对预处理后的第一漫透射光谱按照预设的特征提取方式进行特征提取,以获得第一光谱特征;
品种确定单元,用于根据所述第一光谱特征通过母本和杂交模型确定所述待检测种子的品种。
可选地,所述系统还包括:
第二采集单元,用于对不同品种样本种子被所述近红外光源发出的近红外光照射时的第二漫透射光谱进行采集;
第二预处理单元,用于对所述第二漫透射光谱按照所述预处理方式进行预处理;
第二提取单元,用于对预处理后的第二漫透射光谱按照所述特征提取方式进行特征提取,以获得第二光谱特征;
模型建立单元,用于根据所述第二光谱特征建立所述母本和杂交模型。
可选地,所述第二漫透射光谱包括:胚面光谱和非胚面光谱;
所述系统还包括:
第一调整单元,用于计算所述第二漫透射光谱中的胚面光谱和非胚面光谱之间的相似度,若所述相似度低于第一阈值,则对所述近红外光源的参数进行调整。
可选地,所述系统还包括:
第二调整单元,用于计算所述不同品种第二光谱特征之间的相对距离,若所述相对距离小于第二阈值,则对所述预处理方式和/或特征提取方式进行调整。
可选地,所述模型建立单元根据所述第二光谱特征通过支持向量机SVM或仿生模式识别方法建立所述母本和杂交模型。
以上实施方式仅用于说明本发明,而并非对本发明的限制,有关技术领域的普通技术人员,在不脱离本发明的精神和范围的情况下,还可以做出各种变化和变型,因此所有等同的技术方案也属于本发明的范畴,本发明的专利保护范围应由权利要求限定。
Claims (10)
1.一种种子单籽粒无损检测方法,其特征在于,所述方法包括以下步骤:
S1:对待检测种子被近红外光源发出的近红外光照射时的第一漫透射光谱进行采集;
S2:对所述第一漫透射光谱按照预设的预处理方式进行预处理;
S3:对预处理后的第一漫透射光谱按照预设的特征提取方式进行特征提取,以获得第一光谱特征;
S4:根据所述第一光谱特征通过品种模型确定所述待检测种子的品种。
2.如权利要求1所述的方法,其特征在于,步骤S1之前还包括:
S001:对不同品种样本种子被所述近红外光源发出的近红外光照射时的第二漫透射光谱进行采集;
S002:对所述第二漫透射光谱按照所述预处理方式进行预处理;
S003:对预处理后的第二漫透射光谱按照所述特征提取方式进行特征提取,以获得第二光谱特征;
S004:根据所述第二光谱特征建立所述品种模型。
3.如权利要求2所述的方法,其特征在于,所述第二漫透射光谱包括:胚面光谱和非胚面光谱;
步骤S002和步骤S003之间还包括:
计算所述第二漫透射光谱中的胚面光谱和非胚面光谱之间的相似度,若所述相似度低于第一阈值,则对所述近红外光源的参数进行调整,并返回步骤S001。
4.如权利要求2所述的方法,其特征在于,步骤S003和步骤S004之间还包括:
计算不同品种的第二光谱特征之间的相对距离,若所述相对距离小于第二阈值,则对所述预处理方式和/或特征提取方式进行调整,并返回步骤S002。
5.如权利要求2所述的方法,其特征在于,步骤S004中,根据所述第二光谱特征通过支持向量机或仿生模式识别方法建立所述品种模型。
6.一种种子单籽粒无损检测系统,其特征在于,所述系统包括:
第一采集单元,用于对待检测种子被近红外光源发出的近红外光照射时的第一漫透射光谱进行采集;
第一预处理单元,用于对所述第一漫透射光谱按照预设的预处理方式进行预处理;
第一提取单元,用于对预处理后的第一漫透射光谱按照预设的特征提取方式进行特征提取,以获得第一光谱特征;
品种确定单元,用于根据所述第一光谱特征通过品种模型确定所述待检测种子的品种。
7.如权利要求6所述的系统,其特征在于,所述系统还包括:
第二采集单元,用于对不同品种样本种子被所述近红外光源发出的近红外光照射时的第二漫透射光谱进行采集;
第二预处理单元,用于对所述第二漫透射光谱按照所述预处理方式进行预处理;
第二提取单元,用于对预处理后的第二漫透射光谱按照所述特征提取方式进行特征提取,以获得第二光谱特征;
模型建立单元,用于根据所述第二光谱特征建立所述品种模型。
8.如权利要求7所述的系统,其特征在于,所述第二漫透射光谱包括:胚面光谱和非胚面光谱;
所述系统还包括:
第一调整单元,用于计算所述第二漫透射光谱的胚面光谱和非胚面光谱之间的相似度,若所述相似度低于第一阈值,则对所述近红外光源的参数进行调整。
9.如权利要求7所述的系统,其特征在于,所述系统还包括:
第二调整单元,用于计算不同品种的第二光谱特征之间的相对距离,若所述相对距离小于第二阈值,则对所述预处理方式和/或特征提取方式进行调整。
10.如权利要求7所述的系统,其特征在于,所述模型建立单元根据所述第二光谱特征通过支持向量机或仿生模式识别方法建立所述品种模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410682513.5A CN105699318B (zh) | 2014-11-24 | 2014-11-24 | 种子单籽粒无损检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410682513.5A CN105699318B (zh) | 2014-11-24 | 2014-11-24 | 种子单籽粒无损检测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105699318A true CN105699318A (zh) | 2016-06-22 |
CN105699318B CN105699318B (zh) | 2018-10-16 |
Family
ID=56941296
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410682513.5A Expired - Fee Related CN105699318B (zh) | 2014-11-24 | 2014-11-24 | 种子单籽粒无损检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105699318B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114112989A (zh) * | 2021-12-03 | 2022-03-01 | 四川启睿克科技有限公司 | 基于复合视觉的近红外检测方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040055211A1 (en) * | 2000-05-25 | 2004-03-25 | Torbjorn Lestander | Single seed sortation |
CN101055245A (zh) * | 2007-05-24 | 2007-10-17 | 吉林大学 | 便携式大豆品质检测近红外光谱仪 |
CN101738373A (zh) * | 2008-11-24 | 2010-06-16 | 中国农业大学 | 一种鉴别作物种子品种的方法 |
CN104062262A (zh) * | 2014-07-09 | 2014-09-24 | 中国科学院半导体研究所 | 一种基于近红外光谱的作物种子品种真实性鉴别方法 |
-
2014
- 2014-11-24 CN CN201410682513.5A patent/CN105699318B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040055211A1 (en) * | 2000-05-25 | 2004-03-25 | Torbjorn Lestander | Single seed sortation |
CN101055245A (zh) * | 2007-05-24 | 2007-10-17 | 吉林大学 | 便携式大豆品质检测近红外光谱仪 |
CN101738373A (zh) * | 2008-11-24 | 2010-06-16 | 中国农业大学 | 一种鉴别作物种子品种的方法 |
CN104062262A (zh) * | 2014-07-09 | 2014-09-24 | 中国科学院半导体研究所 | 一种基于近红外光谱的作物种子品种真实性鉴别方法 |
Non-Patent Citations (3)
Title |
---|
唐兴田 等: "近红外光谱漫反射和漫透射测量方法在玉米品种真实性鉴定中的应用研究", 《光谱学与光谱分析》 * |
王徽蓉 等: "玉米品种近红外光谱的特征分析与鉴别方法", 《光谱学与光谱分析》 * |
贾仕强 等: "应用近红外光谱进行玉米单籽粒品种真实性鉴定的光谱测量方法研究", 《谱学与光谱分析》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114112989A (zh) * | 2021-12-03 | 2022-03-01 | 四川启睿克科技有限公司 | 基于复合视觉的近红外检测方法及系统 |
CN114112989B (zh) * | 2021-12-03 | 2023-07-11 | 四川启睿克科技有限公司 | 基于复合视觉的近红外检测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN105699318B (zh) | 2018-10-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102179375B (zh) | 一种基于近红外作物单籽粒成分无损检测筛选方法 | |
CN101881726B (zh) | 植物幼苗综合性状活体无损检测方法 | |
Moscetti et al. | Detection of mold-damaged chestnuts by near-infrared spectroscopy | |
CN103344602B (zh) | 一种基于近红外光谱的水稻种质真伪无损检测方法 | |
CN105866056A (zh) | 一种基于近红外光谱的杂交种纯度鉴别方法 | |
CN1831516A (zh) | 用可见光和近红外光谱技术无损鉴别卷烟品种及真假的方法 | |
CN104376325A (zh) | 一种近红外定性分析模型的建立方法 | |
CN104062262A (zh) | 一种基于近红外光谱的作物种子品种真实性鉴别方法 | |
CN106706546A (zh) | 一种基于红外和拉曼光谱数据的人工智能学习物质分析方法 | |
CN108844917A (zh) | 一种基于显著性假设检验和偏最小二乘法的近红外光谱数据分析方法 | |
CN107515203A (zh) | 近红外技术定量分析水稻单籽粒直链淀粉含量的研究 | |
CN104374739A (zh) | 一种基于近红外定性分析的种子品种真实性鉴别方法 | |
CN102937575B (zh) | 一种基于二次光谱重组的西瓜糖度快速建模方法 | |
CN110749565A (zh) | 一种快速鉴别普洱茶存储年份的方法 | |
CN105044024A (zh) | 一种基于近红外光谱技术对葡萄果实进行无损检测的方法 | |
CN103364359A (zh) | Simca模式识别法在近红外光谱识别大黄药材中的应用 | |
CN104568824A (zh) | 基于可见/近红外光谱的虾类新鲜度等级检测方法及装置 | |
CN101692043A (zh) | 一种近红外光谱快速、无损伤鉴别人参种子的方法 | |
CN103743705A (zh) | 一种假高粱及其近似物种的快速检测方法 | |
CN104345045A (zh) | 一种基于化学模式识别和近红外光谱的相似药材鉴别方法 | |
CN113655027A (zh) | 一种近红外快速检测植物中单宁含量的方法 | |
Harjoko et al. | Image processing approach for grading tobacco leaf based on color and quality | |
CN105699318A (zh) | 种子单籽粒无损检测方法及系统 | |
US11293858B2 (en) | Methods of distinguishing hemp from marijuana | |
CN105424647A (zh) | 水稻种子品种真实性鉴别模型的构建方法及其应用 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20181016 Termination date: 20181124 |