CN106383088A - 一种基于多光谱成像技术的种子纯度快速无损检测方法 - Google Patents
一种基于多光谱成像技术的种子纯度快速无损检测方法 Download PDFInfo
- Publication number
- CN106383088A CN106383088A CN201610692669.0A CN201610692669A CN106383088A CN 106383088 A CN106383088 A CN 106383088A CN 201610692669 A CN201610692669 A CN 201610692669A CN 106383088 A CN106383088 A CN 106383088A
- Authority
- CN
- China
- Prior art keywords
- seed
- purity
- sample
- seed sample
- seed purity
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种基于多光谱成像技术的种子纯度快速无损检测方法。即利用光谱成像技术获取种子的光谱信息,将获取的光谱信息与经过田间小区种植获得对应的种子纯度信息经由光谱图像处理、数据分析和计算机建模,实现对种子纯度快速无损检测。本发明方法具有操作简便、快速、无破损、检测成本较低等优点,适用于种子纯度快速无损检测,可满足生产上种子纯度大规模快速无损检测的需要。
Description
技术领域
本发明涉及种子检测方法领域,具体是一种基于多光谱成像技术的种子纯度快速无损检测方法。
背景技术
种子是农业生产中最重要的生产资料,具有国家战略性和基础核心地位,只有保证种子质量,提高民族种业的竞争力,才能保证国家的粮食安全。优质的种子是提高作物产量和质量的前提条件,而纯度是衡量种子质量的关键指标。当前生产上应用的种子品种种类众多,品种间的遗传相似性越来越高,由于纯度鉴别比较困难,每年因纯度差而造成的经济损失是不可估计的。目前在种子纯度鉴别常用的鉴定方法可分为形态鉴定、物理化学法鉴定、生理生化法鉴定、分子生物学方法鉴定和细胞学方法鉴定。但上述鉴定方法存在的缺点:①鉴定时间长;②鉴别成本高;③过程繁琐;④鉴别者需要专门技术知识;⑤鉴别需要特定的测试条件、化学试剂、器材等。因此,目前市场缺乏有效的快速现场鉴别技术和手段,给农业生产、管理执法等带来诸多困难,难以有效保障种子安全和作物质量。
近年来,多光谱成像技术是将光谱信息和图像信息融为一体的一种分析方法,因其具有快速、简单、无污染以及不破坏样品等多方面的优点,越来越多地
应用于农业、食品、化工等相关领域。本发明基于多光谱成像技术的种子纯度快速无损检测方法,将对保障种子质量和促进农业增产、农民增收具有重要意义。
发明内容
针对现有技术存在的问题,本发明的目的是提供一种基于多光谱成像技术的种子纯度快速无损检测方法,以对种子纯度能进行快速鉴别。
为了达到上述目的,本发明所采用的技术方案为:
一种基于多光谱成像技术的种子纯度快速无损检测方法,其特征在于:包括以下步骤:
(1)、采收待测相关品种的种子样品运回实验室,在20℃,相对湿度约55%条件下保存,将每一粒种子样品进行编号,并随机选取一部分种子样品作为建模集,其余部分种子样品作为预测集;
(2)、采用多光谱成像仪,采集获取的所有种子样品的多光谱图像;
(3)、对步骤(2)采集的多光谱图像进行典型判别分析和阈值分割,针对感兴趣区域提取所有种子样品的平均光谱反射率,然后通过形态学分析提取出所有种子样品的形态学特征值;
(4)、将所有样品种子进行实地种植,经过成长后获取每粒种子样品的纯度信息,并根据编号标记与步骤(2)中获得的光谱及图像形态特征进行对应;
(5)、将步骤(4)所获得的建模集中种子样品的纯度信息,结合步骤(3)所获得的建模集中种子样品光谱特征和图像形态特征,利用化学计量学方法建立种子纯度鉴别模型,通过定义适应度函数优选模型参数,得到最佳预测模型;
(6)、利用步骤(5)建立的种子纯度鉴别模型,对预测集中种子样品的纯度进行预测,预测得到的种子样品纯度信息与实地种植预测集中种子样品后获取的纯度信息进行比对分析,得到种子纯度鉴别模型的预测精度,利用此种子纯度鉴别模型能够实现对种子纯度进行快速无损检测。
所述的一种基于多光谱成像技术的种子纯度快速无损检测方法,其特征在于:所述步骤(1)中对待测种子样品进行逐个进行编号标记,不需要对待测种子样品进行特殊预处理。
所述的一种基于多光谱成像技术的种子纯度快速无损检测方法,其特征在于:所述步骤(3)中,对获取的多光谱图像进行光谱特征提取和图像特征提取,对多光谱图像首先采用典型判别分析和二值化方法对图像进行分割获取目标种子样品的区域,通过对该区域面积进行标记,再对多光谱图像灰度化计算该区域下每个像素点反射率并进行平均,计算公式如下:
其中,S为该粒种子样品在第k个波段下的光谱反射率,I(i,j)是多光谱图像灰度化之后第(i,j)像素的灰度值,m,n分别为图像的行数和列数,对二值化分割后的种子样品区域进行形态学分析,获取种子样品的形态特征,具体如下:通过种子样品区域像素点的个数累加获得种子样品面积参数,计算种子样品区域在一行上的最大距离和一列上最大距离的比值作为种子样品的宽长比。
所述的一种基于多光谱成像技术的种子纯度快速无损检测方法,其特征在于:所述步骤(4)中,对种子样品的实际纯度信息检测采用运往中国海南育种基地进行田间小区种植鉴定。
所述的一种基于多光谱成像技术的种子纯度快速无损检测方法,其特征在于:所述步骤(5)中,采用最小二乘支持向量机回归法LS-SVM计算机建立种子纯度鉴别模型;采用赤池信息准则作为适应度函数进行支持向量机核参数的选择,所得最优核参数分别为核参数σ2取值64和惩罚系数γ取值0.0051,并建立种子纯度鉴别模型种子纯度鉴别模型。
所述的一种基于多光谱成像技术的种子纯度快速无损检测方法,其特征在于:步骤(2)中多光谱成像仪其光谱范围为400-1000nm,采集多光谱图像前利用定标板对多光谱成像仪校准。
所述的一种基于多光谱成像技术的种子纯度快速无损检测方法,其特征在于:可用于设计、建立一套光谱无损检测种子纯度的装置,推广到农业种子产业中,减少农民每年因为种子纯度问题产生的损失。
本发明的原理为:本发明介绍了一种基于多光谱成像技术的种子纯度快速无损检测方法,即利用光谱成像技术获取种子光谱和图像特征信息与经过田间小区种植鉴定所获得的对应种子纯度信息经数据分析后,结合化学计量学方法建立模型,实现对种子纯度快速无损检测。此法具有操作简便、快速、无破损、检测成本较低等优点,有利于对种子纯度快速检测,可满足生产上种子纯度大规模快速无损检测的需要。
本发明的有益效果:本发明与现有方法相比,该方法能够对种子纯度进行科学准确快速的鉴别,而且不破坏样品、不污染环境。本发明是基于多光谱成像技术的种子纯度快速、无损、无污染的预测方法,由田间小区种植鉴定所得种子纯度信息与对应的光谱图像信息经由数据分析结合化学计量学方法建立分析模型,实现对种子纯度的快速无损检测。
附图说明
图1南瓜种子样品在波长范围为400-1000nm的平均反射光谱图;
图2是背景剔除和图像分割后的光谱图像;
图3是所建模型在南瓜种子样品预测集进行测试所得结果图;
图4是所建模型在南瓜种子样品建模集进行测试所得结果图。
具体实施方式
下面对本发明的实施例作详细说明,本实施例在以本发明技术方案为前提下进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
本实施例包括以下步骤:
(1)样品的预处理
采收相关品种的南瓜种子200粒,在25℃,相对湿度81%左右的环境下保存,将每一粒种子进行唯一性编号,并随机将南瓜种子按照3:1划分为建模集和预测集。
(2)南瓜种子光谱图像获取与预处理
a、光谱图像获取
光谱图像测定采用VideometerLab多光谱测量仪(Videometer A/S,丹麦),其光谱范围为400-1000nm。多光谱成像系统进行定标板(白板、黑板和几何点板)校准,样品进行多光谱图像获取时,正反各拍照一次,取平均值作为样品的光谱图像。
b、光谱图像预处理
获取的光谱图像首先用仪器自带图像处理软件进行去噪处理,然后采用典型判别分析(CDA)和阈值设定完成背景剔除和图像分割,经过反射率动态定标板将南瓜子图像信息的灰度值转换成反射率值,然后通过形态学分析提取出各个南瓜种子的面积、宽长比、圆度等特征值。
(3)南瓜种子纯度田间小区种植鉴定
将标记的南瓜种子运往中国海南育种基地进行实地种植,每个待测样品鉴定小区采用随机排列,小区面积72m2,每小区种植4厢,厢长10m,厢距1.8m包沟,株距40cm。在雌花开花前后,子房清晰可见时进行品种鉴定。
(4)南瓜种子纯度检测模型建立
采用最小二乘支持向量机回归法(LS-SVM)对上述样本建立模型,本方法采用径向基核函数作为LS-SVM的核函数,采用赤池信息准则(AIC)作为适应度函数进行支持向量机核参数的选择,所得最优核参数分别为核参数σ2取值64和惩罚系数γ取值0.0051,并建立预测模型。
(5)模型验证
利用建立的模型,对预测集样品进行预测,得到的南瓜种子纯度与田间小区实际种植南瓜所得纯度结果基本一致,在验证集中鉴别的正确率为96%,在预测集中的鉴别正确率为98.67%。表明所建立的模型具有较好的预测能力,本方法在种子纯度的快速无损鉴别应用上可行。
图3为利用建立的南瓜种子纯度鉴别模型在预测集进行测试的结果,图4模型在建模集测试的结果,结果表明本方法能够实现对南瓜种子纯度快速无损检测。
Claims (7)
1.一种基于多光谱成像技术的种子纯度快速无损检测方法,其特征在于:包括以下步骤:
(1)、采收待测相关品种的种子样品运回实验室,在20℃,相对湿度约55%条件下保存,将每一粒种子样品进行编号,并随机选取一部分种子样品作为建模集,其余部分种子样品作为预测集;
(2)、采用多光谱成像仪,采集获取的所有种子样品的多光谱图像;
(3)、对步骤(2)采集的多光谱图像进行典型判别分析和阈值分割,针对感兴趣区域提取所有种子样品的平均光谱反射率,然后通过形态学分析提取出所有种子样品的形态学特征值;
(4)、将所有样品种子进行实地种植,经过成长后获取每粒种子样品的纯度信息,并根据编号标记与步骤(2)中获得的光谱及图像形态特征进行对应;
(5)、将步骤(4)所获得的建模集中种子样品的纯度信息,结合步骤(3)所获得的建模集中种子样品光谱特征和图像形态特征,利用化学计量学方法建立种子纯度鉴别模型,通过定义适应度函数优选模型参数,得到最佳预测模型;
(6)、利用步骤(5)建立的种子纯度鉴别模型,对预测集中种子样品的纯度进行预测,预测得到的种子样品纯度信息与实地种植预测集中种子样品后获取的纯度信息进行比对分析,得到种子纯度鉴别模型的预测精度,利用此种子纯度鉴别模型能够实现对种子纯度进行快速无损检测。
2.根据权利要求1所述的一种基于多光谱成像技术的种子纯度快速无损检测方法,其特征在于:所述步骤(1)中对待测种子样品进行逐个编号标记,不需要对待测种子样品进行特殊预处理。
3.根据权利要求1所述的一种基于多光谱成像技术的种子纯度快速无损检测方法,其特征在于:所述步骤(3)中,对获取的多光谱图像进行光谱特征提取和图像特征提取,对多光谱图像首先采用典型判别分析和二值化方法对图像进行分割获取目标种子样品的区域,通过对该区域面积进行标记,再对多光谱图像灰度化计算该区域下每个像素点反射率并进行平均,计算公式如下:
其中,S为该粒种子样品在第k个波段下的光谱反射率,I(i,j)是多光谱图像 灰度化之后第(i,j)像素的灰度值,m,n分别为图像的行数和列数,对二值化分割后的种子样品区域进行形态学分析,获取种子样品的形态特征,具体如下:通过种子样品区域像素点的个数累加获得种子样品面积参数,计算种子样品区域在一行上的最大距离和一列上最大距离的比值作为种子样品的宽长比。
4.根据权利要求1所述的一种基于多光谱成像技术的种子纯度快速无损检测方法,其特征在于:所述步骤(4)中,对种子样品的实际纯度信息检测采用运往中国海南育种基地进行田间小区种植鉴定。
5.根据权利要求1所述的一种基于多光谱成像技术的种子纯度快速无损检测方法,其特征在于:所述步骤(5)中,采用最小二乘支持向量机回归法LS-SVM计算机建立种子纯度鉴别模型;采用赤池信息准则作为适应度函数进行支持向量机核参数的选择,所得最优核参数分别为核参数σ2取值64和惩罚系数γ取值0.0051,并建立种子纯度鉴别模型种子纯度鉴别模型。
6.根据权利要求1所述的一种基于多光谱成像技术的种子纯度快速无损检测方法,其特征在于:步骤(2)中多光谱成像仪其光谱范围为400-1000nm,采集多光谱图像前利用定标板对多光谱成像仪校准。
7.根据权利要求1所述的一种基于多光谱成像技术的种子纯度快速无损检测方法,其特征在于:可用于设计、建立一套光谱无损检测种子纯度的装置,推广到农业种子产业中,减少农民每年因为种子纯度问题产生的损失。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610692669.0A CN106383088A (zh) | 2016-08-19 | 2016-08-19 | 一种基于多光谱成像技术的种子纯度快速无损检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610692669.0A CN106383088A (zh) | 2016-08-19 | 2016-08-19 | 一种基于多光谱成像技术的种子纯度快速无损检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106383088A true CN106383088A (zh) | 2017-02-08 |
Family
ID=57916823
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610692669.0A Pending CN106383088A (zh) | 2016-08-19 | 2016-08-19 | 一种基于多光谱成像技术的种子纯度快速无损检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106383088A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109580493A (zh) * | 2018-11-16 | 2019-04-05 | 长江大学 | 一种快速检测对节白蜡批量种子质量的方法 |
CN111380813A (zh) * | 2020-03-20 | 2020-07-07 | 合肥工业大学 | 一种便携式小麦种子多品质无损检测装置及检测方法 |
WO2020206963A1 (zh) * | 2019-04-12 | 2020-10-15 | 浙江大学 | 一种杂交秋葵种子分类鉴别装置和方法 |
CN114140422A (zh) * | 2021-11-26 | 2022-03-04 | 合肥工业大学 | 一种荧光与多光谱成像融合的黄曲霉毒素检测建模方法 |
CN117253122A (zh) * | 2023-11-17 | 2023-12-19 | 云南大学 | 玉米种子近似品种筛选方法、装置、设备及存储介质 |
CN117315490A (zh) * | 2023-11-23 | 2023-12-29 | 成都中医药大学 | 一种检测种子发芽率的方法、模型和存储介质及建模方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1831515A (zh) * | 2006-04-03 | 2006-09-13 | 浙江大学 | 用可见光和近红外光谱技术无损鉴别作物种子品种的方法 |
CN104990892A (zh) * | 2015-06-24 | 2015-10-21 | 中国农业大学 | 种子的光谱图像无损鉴别模型建立方法及种子鉴别方法 |
CN105866056A (zh) * | 2015-03-25 | 2016-08-17 | 山东翰能高科科技有限公司 | 一种基于近红外光谱的杂交种纯度鉴别方法 |
-
2016
- 2016-08-19 CN CN201610692669.0A patent/CN106383088A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1831515A (zh) * | 2006-04-03 | 2006-09-13 | 浙江大学 | 用可见光和近红外光谱技术无损鉴别作物种子品种的方法 |
CN105866056A (zh) * | 2015-03-25 | 2016-08-17 | 山东翰能高科科技有限公司 | 一种基于近红外光谱的杂交种纯度鉴别方法 |
CN104990892A (zh) * | 2015-06-24 | 2015-10-21 | 中国农业大学 | 种子的光谱图像无损鉴别模型建立方法及种子鉴别方法 |
Non-Patent Citations (3)
Title |
---|
KARSTEN HARTELIUS, ET AL.: "A new spectral imaging based technology for phenotyping and classification of seed samples", 《ISTA SEED SYMPOSIUM ABSTRACTS》 * |
TIMOTHY WILKES,ET AL.: "Feasibility Study for Applying Spectral Imaging for Wheat Grain Authenticity Testing in Pasta", 《FOOD AND NUTRITION SCIENCES》 * |
刘伟 等: "基于支持向量机的多光谱成像稻谷品种鉴别", 《农业工程学报》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109580493A (zh) * | 2018-11-16 | 2019-04-05 | 长江大学 | 一种快速检测对节白蜡批量种子质量的方法 |
WO2020206963A1 (zh) * | 2019-04-12 | 2020-10-15 | 浙江大学 | 一种杂交秋葵种子分类鉴别装置和方法 |
CN111380813A (zh) * | 2020-03-20 | 2020-07-07 | 合肥工业大学 | 一种便携式小麦种子多品质无损检测装置及检测方法 |
CN111380813B (zh) * | 2020-03-20 | 2022-11-29 | 合肥工业大学 | 一种便携式小麦种子多品质无损检测装置及检测方法 |
CN114140422A (zh) * | 2021-11-26 | 2022-03-04 | 合肥工业大学 | 一种荧光与多光谱成像融合的黄曲霉毒素检测建模方法 |
CN117253122A (zh) * | 2023-11-17 | 2023-12-19 | 云南大学 | 玉米种子近似品种筛选方法、装置、设备及存储介质 |
CN117253122B (zh) * | 2023-11-17 | 2024-01-23 | 云南大学 | 玉米种子近似品种筛选方法、装置、设备及存储介质 |
CN117315490A (zh) * | 2023-11-23 | 2023-12-29 | 成都中医药大学 | 一种检测种子发芽率的方法、模型和存储介质及建模方法 |
CN117315490B (zh) * | 2023-11-23 | 2024-02-02 | 成都中医药大学 | 一种检测种子发芽率的方法、模型和存储介质及建模方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106383088A (zh) | 一种基于多光谱成像技术的种子纯度快速无损检测方法 | |
Huang et al. | New optimized spectral indices for identifying and monitoring winter wheat diseases | |
CN101881726B (zh) | 植物幼苗综合性状活体无损检测方法 | |
Ranjan et al. | Assessment of plant nitrogen stress in wheat (Triticum aestivum L.) through hyperspectral indices | |
CN105224960A (zh) | 基于聚类算法的玉米种子高光谱图像分类识别模型更新方法 | |
Shafri et al. | Detection of stressed oil palms from an airborne sensor using optimized spectral indices | |
Qiao et al. | Estimating maize LAI by exploring deep features of vegetation index map from UAV multispectral images | |
Zhang et al. | Hyperspectral estimation of canopy chlorophyll of winter wheat by using the optimized vegetation indices | |
CN103278467A (zh) | 一种植物叶片氮素丰缺快速无损高准确率的鉴别方法 | |
CN110082310A (zh) | 一种橡胶树叶片氮素含量的近红外波段高光谱诊断方法 | |
Liu et al. | Estimating leaf chlorophyll contents by combining multiple spectral indices with an artificial neural network | |
CN113657158A (zh) | 基于Google Earth Engine的大尺度大豆种植区域提取算法 | |
CN114782840A (zh) | 一种基于无人机rgb影像的小麦物候期实时分类方法 | |
Zheng et al. | Detection of Huanglongbing (citrus greening) based on hyperspectral image analysis and PCR | |
CN112232343B (zh) | 一种粮食霉变粒识别神经网络和识别方法 | |
CN114112941A (zh) | 基于支持向量回归的航空高光谱水体富营养化评价方法 | |
Zhang et al. | Evaluating maize grain quality by continuous wavelet analysis under normal and lodging circumstances | |
CN108663334A (zh) | 基于多分类器融合寻找土壤养分光谱特征波长的方法 | |
CN104198397A (zh) | 氮磷钾交互作用下温室作物营养含量检测的方法 | |
Chauhan et al. | Classification of Nutritional Deficiencies in Cabbage Leave Using Random Forest | |
CN116863341A (zh) | 基于时间序列卫星遥感影像的作物分类和识别方法和系统 | |
Gao et al. | Study on deep learning model for online estimation of chlorophyll content based on near ground multispectral feature bands | |
Feng et al. | Spectroscopic detection of wheat yellow mosaic virus infection based on invariant shape spectral processing and machine learning | |
CN105954206B (zh) | 紫玉米叶片花色苷含量的测量方法及系统 | |
CN107153047A (zh) | 一种利用近红外光谱检测油菜茎秆倒伏指数的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170208 |