CN109520964A - 基于nirs的种子活力测定方法、系统及存储介质 - Google Patents
基于nirs的种子活力测定方法、系统及存储介质 Download PDFInfo
- Publication number
- CN109520964A CN109520964A CN201811294230.8A CN201811294230A CN109520964A CN 109520964 A CN109520964 A CN 109520964A CN 201811294230 A CN201811294230 A CN 201811294230A CN 109520964 A CN109520964 A CN 109520964A
- Authority
- CN
- China
- Prior art keywords
- nirs
- index
- seed vigor
- processing
- plsr model
- 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
- 238000003860 storage Methods 0.000 title claims abstract description 11
- 238000001320 near-infrared absorption spectroscopy Methods 0.000 title claims abstract 13
- 238000000034 method Methods 0.000 claims abstract description 76
- 238000012545 processing Methods 0.000 claims abstract description 29
- 238000002235 transmission spectroscopy Methods 0.000 claims abstract description 28
- 238000012360 testing method Methods 0.000 claims abstract description 15
- 238000001228 spectrum Methods 0.000 claims description 24
- 238000012937 correction Methods 0.000 claims description 9
- 238000002790 cross-validation Methods 0.000 claims description 5
- 230000003044 adaptive effect Effects 0.000 claims description 4
- 238000007689 inspection Methods 0.000 claims description 4
- 230000008901 benefit Effects 0.000 claims description 3
- 238000009499 grossing Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 238000005457 optimization Methods 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 6
- 238000001514 detection method Methods 0.000 abstract description 5
- 238000010183 spectrum analysis Methods 0.000 abstract description 4
- 238000004458 analytical method Methods 0.000 abstract description 3
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 10
- 240000008042 Zea mays Species 0.000 description 8
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 description 8
- 235000005822 corn Nutrition 0.000 description 8
- 238000005259 measurement Methods 0.000 description 8
- 230000035784 germination Effects 0.000 description 6
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000009395 breeding Methods 0.000 description 3
- 230000001488 breeding effect Effects 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 230000003595 spectral effect Effects 0.000 description 3
- 241000482268 Zea mays subsp. mays Species 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 238000002329 infrared spectrum Methods 0.000 description 2
- 238000007427 paired t-test Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 208000013016 Hypoglycemia Diseases 0.000 description 1
- 244000061176 Nicotiana tabacum Species 0.000 description 1
- 235000002637 Nicotiana tabacum Nutrition 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000012271 agricultural production Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 230000008014 freezing Effects 0.000 description 1
- 238000007710 freezing Methods 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- 230000002218 hypoglycaemic effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000001766 physiological effect Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000005057 refrigeration Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000009331 sowing Methods 0.000 description 1
- 235000013311 vegetables Nutrition 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/359—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light
-
- 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
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3563—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing solids; Preparation of samples therefor
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NIRS的种子活力测定方法、系统及存储介质,方法包括:根据样品种子以及所述样品种子的原始近红外透射光谱,得到指标成分测定值;对样品种子的原始近红外透射光谱进行预处理,所述预处理包括去趋势处理和均值中心化处理;根据指标成分测定值确定建模方法;基于确定的建模方法,通过预处理的结果构建PLSR模型;通过PLSR模型进行种子活力测定。本发明基于近红外光谱分析技术建立了能够预测种子活力的PLSR模型,大大加快了种子活力预测的速度并提高了种子活力预测的准确度;另外,本发明无需使用大量检测设备,降低了成本,可广泛应用于红外分析技术领域。
Description
技术领域
本发明涉及红外分析技术领域,尤其是一种基于NIRS的种子活力测定方法、系统及存 储介质。
背景技术
甜玉米是在广东省和华南地区重要的优势和特色农作物,具有粮食与果蔬作物兼有的营 养特点,同时具有口感好、低血糖食品的特性,是广东农业救灾优先选择的农作物。种子活 力高是甜玉米种子重要的品质性状,高活力种子的品种具有明显的生长优势和增产潜力,对 农业生产具有十分重要的意义。
随着现代化低温库的兴起,能够大大延长种子的寿命,但随着贮存时间的延长,种子会 发生老化,导致活力下降,生理特性发生改变。传统的种子活力检测方法从开始检验到获取 结果需要一周左右,时间长,且需要用到多种检测设备,成本较高,不适用于急需了解种子 的发芽状况的过程,例如生产、加工、收购、仓储或调运等过程。因此,如果能够找到一种 方法及时对种子活力进行检测,实现对育种材料种子活力进行快速、准确、简便、有效的检 测,筛选高活力种质育种,这会对提高玉米产量具有重大意义。
近红外光谱分析技术(NIRS)经过近些年的发展,已广泛应用于石油化工、制药和烟草 等领域,并取得了良好的经济效益。但国内外还未见近红外光谱分析技术在测定玉米种子活 力或建立相关模型方面的报道。
发明内容
为解决上述技术问题,本发明的目的在于:提供一种快速准确且成本低的,基于NIRS 的种子活力测定方法、系统及存储介质。
本发明一方面所采取的技术方案为:
基于NIRS的种子活力测定方法,包括以下步骤:
根据样品种子以及所述样品种子的原始近红外透射光谱,得到指标成分测定值;
对样品种子的原始近红外透射光谱进行预处理,所述预处理包括去趋势处理和均值中心 化处理;
根据指标成分测定值确定建模方法;
基于确定的建模方法,通过预处理的结果构建PLSR模型;
通过PLSR模型进行种子活力测定。
进一步,所述对样品种子的原始近红外透射光谱进行预处理这一步骤,包括以下步骤:
采用最小二乘法对原始近红外透射光谱进行拟合,得到拟合直线;
用原始近红外透射光谱减去拟合直线,得到去趋势后的光谱;
对去趋势后的光谱进行计算,得到的平均光谱。
进一步,所述根据指标成分测定值确定建模方法这一步骤,包括以下步骤:
根据指标成分测定值确定若干个建模方法对建模结果的影响值;
根据得到的影响值,确定用于构建PLSR模型的建模方法;
其中,所述指标成分测定值包括校正误差均方根和交叉验证误差均方根;所述若干个建 模方法包括相关系数法、无信息变量消除法、竞争自适应加权法以及随机蛙跳法。
进一步,所述基于确定的建模方法,通过预处理的结果构建PLSR模型这一步骤,包括以 下步骤:
通过波长优选方法,对样品种子的原始近红外透射光谱进行优化处理;
基于优化处理后的近红外透射光谱,采用相关系数法构建PLSR模型。
进一步,还包括以下步骤:
采用KS检验法将样品种子划分为校正集和验证集。
进一步,还包括以下步骤:
通过校正集对PLSR模型进行优化校正;
通过验证集对PLSR模型的预测能力进行验证。
进一步,所述预处理还包括自动缩放处理、标准正态变量变换处理、多元散射校正处理 以及平滑处理。
本发明另一方面所采取的技术方案是:
基于NIRS的种子活力测定系统,包括:
采集模块,用于根据样品种子以及所述样品种子的原始近红外透射光谱,得到指标成分 测定值;
预处理模块,用于对样品种子的原始近红外透射光谱进行预处理,所述预处理包括去趋 势处理和均值中心化处理;
确定模块,用于根据指标成分测定值确定建模方法;
建模模块,用于基于确定的建模方法,通过预处理的结果构建PLSR模型;
测定模块,用于通过PLSR模型进行种子活力测定。
本发明另一方面所采取的技术方案是:
基于NIRS的种子活力测定系统,包括:
至少一个处理器;
至少一个存储器,用于存储至少一个程序;
当所述至少一个程序被所述至少一个处理器执行,使得所述至少一个处理器实现所述的 基于NIRS的种子活力测定方法。
本发明另一方面所采取的技术方案是:
存储介质,其中存储有处理器可执行的指令,所述处理器可执行的指令在由处理器执行 时用于执行所述的基于NIRS的种子活力测定方法。
本发明的有益效果是:本发明基于近红外光谱分析技术建立了能够预测种子活力的PLSR 模型,大大加快了种子活力预测的速度并提高了种子活力预测的准确度;另外,本发明无需 使用大量检测设备,降低了成本。
附图说明
图1为本发明基于NIRS的种子活力测定方法的步骤流程图。
具体实施方式
下面结合说明书附图和具体实施例对本发明作进一步解释和说明。对于本发明实施例中 的步骤编号,其仅为了便于阐述说明而设置,对步骤之间的顺序不做任何限定,实施例中的 各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。
参照图1,本发明实施例提供了一种基于NIRS的种子活力测定方法,包括以下步骤:
S1、根据样品种子以及所述样品种子的原始近红外透射光谱,得到指标成分测定值;
本实施例收集目前被广泛应用的415份甜玉米骨干自交系材料的干种子(含水量≤13%) 作为样品种子,然后采集样品的原始近红外透射光谱,并采用常规方法对甜玉米的活力指数 进行检测,得到指标成分测定值。
具体方法为:采用目前被广泛应用的415份甜玉米骨干自交系材料,在海南三亚南繁基 地繁种,即:2017年11月10日同期播种,2018年3月2日同期采收,2018年3月12日晒 干(种子含水量≤13%)入库冷藏3个月,然后分装干种子进行种力指数测定和光谱采集。
本实施例通过Antaris II傅里叶变换近红外光谱仪的透射模块进行原始近红外光谱的采集。 光谱范围10000-6000cm-1,分辨率为8cm-1,扫描次数32;每小时进行一次背景的采集, 以空气作为参考。
其中,甜玉米活力指数的测定方法为:按照农作物检验规程(GB/T 3534-1995),采用标 准发芽实验,第7天测定发芽率;7d后将根取出,烘干,称量干重;其中,发芽指数和活力 指数的计算公式分别为:
发芽指数=∑(第n天正常发芽种子数)/相应发芽天数;活力指数=发芽指数×根重。
S2、对样品种子的原始近红外透射光谱进行预处理,所述预处理包括去趋势处理和均值 中心化处理;
本实施例中,所述样品参与建模的样品为415个,活力指数的范围为0.3752-1.3668。
进一步作为优选的实施方式,所述对样品种子的原始近红外透射光谱进行预处理这一步 骤,包括以下步骤:
S21、采用最小二乘法对原始近红外透射光谱进行拟合,得到拟合直线;
S22、用原始近红外透射光谱减去拟合直线,得到去趋势后的光谱;
S23、对去趋势后的光谱进行计算,得到的平均光谱。
具体地,本实施例首先利用最小二乘法根据原始光谱X拟合出一条直线X0, 而原始光谱减去拟合出来的这条直线得到去趋势之后的光谱Xd,即 Xd=X-repmat(X0,m,1),其中m为样本数;然后计算去趋势之后光谱的平均 光谱则对光谱进行去趋势和均值中心化之后的光谱为
需要说明的是,由于NIRS是一种间接测定技术,本发明所使用的样品,其一级数据测 定需要损坏样品,不可回收利用,所需时间长,为急需了解种子活力的用户带来了一定的困 难;而且,由于仪器噪声、近红外光谱之间存在多重相关性的影响,造成特征区间的选择较 为困难;此外,玉米颗粒较大,装样影响大,因此,有效信息的提取也是模型建立的关键问 题。
本实施例所采集的近红外光谱的原始谱图中包含冗余信息,为了保证样品光谱的分辨, 光谱的数据一般有数百到数千个变量点。因此为了有效提高模型的适用能力、简化模型计算, 需要对光谱进行预处理和波长筛选,从而获得稳定性和可靠性都比较好的模型。
进一步作为优选的实施方式,所述预处理还包括自动缩放处理、标准正态变量变换处理、 多元散射校正处理以及平滑处理。
S3、根据指标成分测定值确定建模方法;
具体地,所述选择参与建模的变量的具体方法为:以RMSEC(校正误差均方根)和RMSECV(交叉验证误差均方根)值作为模型的主要评价指标,分别考察相关系数法(CC)、 无信息变量消除法(UVE)、竞争自适应加权法(CARS)、随机蛙跳法(RF)对建模结果的 影响。本实施例最终选取方法为相关系数法(CC),选择参与建模的变量为945个。
其中,各个建模方法的选择原理如下:CC首先将光谱阵和浓度阵进行相关性分析,得 到全波段范围下的相关系数图;然后设定一相关系数阈值,选择相关系数绝对值大于阈值的 光谱变量建立模型。
UVE首先产生一组随机噪声加入到光谱变量中,然后建立PLSR模型并得到回归系数(b), 然后计算C值(其中,Ci=mean(bi)/s td(bi)),其中Ci表示计算的不同的波数下UVE值, bi表示不同的波数下的回归系数,选择光谱中C值大于噪声变量中C的最大值的变量建立模 型。
CARS每个波长点视为一个个体,通过蒙卡特罗采样法从样品集中一定比例的样品作为 校正集来建立PLSR模型,同时引入指数衰减函数去掉权重小的波长点,并采用自适应加权 采样技术筛选回归系数绝对值大的波长点,对变量实行逐步淘汰,从而得到一系列波长点组 成的变量子集。对每个变量子集进行交叉检验,选择RMSECV(交叉验证误差均方根)值最 小的变量子集作为最佳波长点组合。
RF利用少数变量多次迭代高维数据,计算每个变量的选择频率,决定该变量的重要性, 有效建立预测模型。
如表1所示,本实施例参与建模样品数为415,活力指数的范围为0.3752-1.3668。然后 对光谱进行去趋势和均值中心化的处理,采用多种变量选择方法选择参与建模的变量,表1 为不同变量选择方法建模结果。结果显示CC法预测结果最好,且主成分数较小,模型比较 稳健,参与建模的变量数为945,简化了运算过程。模型的RMSEC、RMSECV、RMSEP、Rc、Rcv、Rp值分别为0.123、0.143、0.133、0.775、0.676、0.723。其中,Rc代表校正集相关 系数;Rcv代表交叉验证相关系数;Rp代表预测集相关系数;LVs代表潜变量数
表1
本发明引入波长优选的思想,即去除对外界环境因素变化敏感和存在多重相关性的波长, 减少波长变量的个数,提高计算速度,从而提高模型的准确性和有效性。
S4、基于确定的建模方法,通过预处理的结果构建PLSR模型;
S5、通过PLSR模型进行种子活力测定。
进一步作为优选的实施方式,还包括以下步骤:
采用KS检验法将样品种子划分为校正集和验证集;
通过校正集对PLSR模型进行优化校正;
通过验证集对PLSR模型的预测能力进行验证。
具体地,本实施例通过验证集样品来考察模型的预测能力,利用配对t检验进行统计学 分析。由表2的配对t检验统计结果可知,NIRS法与标准发芽实验得到的结果的均值和标准 差非常接近,在95%的置信限下P=0.3021>0.05,说明两种方法测定结果之间不存在显著性差 异,NIRS法可替代传统方法进行甜玉米种子活力指数的快速测定。
表2
与图1的方法相对应,本发明实施例还提供了一种基于NIRS的种子活力测定系统,包括:
采集模块,用于根据样品种子以及所述样品种子的原始近红外透射光谱,得到指标成分 测定值;
预处理模块,用于对样品种子的原始近红外透射光谱进行预处理,所述预处理包括去趋 势处理和均值中心化处理;
确定模块,用于根据指标成分测定值确定建模方法;
建模模块,用于基于确定的建模方法,通过预处理的结果构建PLSR模型;
测定模块,用于通过PLSR模型进行种子活力测定。
与图1的方法相对应,本发明实施例还提供了一种基于NIRS的种子活力测定系统,包括:
至少一个处理器;
至少一个存储器,用于存储至少一个程序;
当所述至少一个程序被所述至少一个处理器执行,使得所述至少一个处理器实现所述的 基于NIRS的种子活力测定方法。
上述方法实施例中的内容均适用于本系统实施例中,本系统实施例所具体实现的功能与 上述方法实施例相同,并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
此外,本发明实施例还提供了一种存储介质,其中存储有处理器可执行的指令,所述处 理器可执行的指令在由处理器执行时用于执行所述的基于NIRS的种子活力测定方法。
以上是对本发明的较佳实施进行了具体说明,但本发明并不限于所述实施例,熟悉本领 域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换,这些等同的 变形或替换均包含在本申请权利要求所限定的范围内。
Claims (10)
1.基于NIRS的种子活力测定方法,其特征在于:包括以下步骤:
根据样品种子以及所述样品种子的原始近红外透射光谱,得到指标成分测定值;
对样品种子的原始近红外透射光谱进行预处理,所述预处理包括去趋势处理和均值中心化处理;
根据指标成分测定值确定建模方法;
基于确定的建模方法,通过预处理的结果构建PLSR模型;
通过PLSR模型进行种子活力测定。
2.根据权利要求1所述的基于NIRS的种子活力测定方法,其特征在于:所述对样品种子的原始近红外透射光谱进行预处理这一步骤,包括以下步骤:
采用最小二乘法对原始近红外透射光谱进行拟合,得到拟合直线;
用原始近红外透射光谱减去拟合直线,得到去趋势后的光谱;
对去趋势后的光谱进行计算,得到的平均光谱。
3.根据权利要求1所述的基于NIRS的种子活力测定方法,其特征在于:所述根据指标成分测定值确定建模方法这一步骤,包括以下步骤:
根据指标成分测定值确定若干个建模方法对建模结果的影响值;
根据得到的影响值,确定用于构建PLSR模型的建模方法;
其中,所述指标成分测定值包括校正误差均方根和交叉验证误差均方根;所述若干个建模方法包括相关系数法、无信息变量消除法、竞争自适应加权法以及随机蛙跳法。
4.根据权利要求3所述的基于NIRS的种子活力测定方法,其特征在于:所述基于确定的建模方法,通过预处理的结果构建PLSR模型这一步骤,包括以下步骤:
通过波长优选方法,对样品种子的原始近红外透射光谱进行优化处理;
基于优化处理后的近红外透射光谱,采用相关系数法构建PLSR模型。
5.根据权利要求1所述的基于NIRS的种子活力测定方法,其特征在于:还包括以下步骤:
采用KS检验法将样品种子划分为校正集和验证集。
6.根据权利要求5所述的基于NIRS的种子活力测定方法,其特征在于:还包括以下步骤:
通过校正集对PLSR模型进行优化校正;
通过验证集对PLSR模型的预测能力进行验证。
7.根据权利要求1所述的基于NIRS的种子活力测定方法,其特征在于:所述预处理还包括自动缩放处理、标准正态变量变换处理、多元散射校正处理以及平滑处理。
8.基于NIRS的种子活力测定系统,其特征在于:包括:
采集模块,用于根据样品种子以及所述样品种子的原始近红外透射光谱,得到指标成分测定值;
预处理模块,用于对样品种子的原始近红外透射光谱进行预处理,所述预处理包括去趋势处理和均值中心化处理;
确定模块,用于根据指标成分测定值确定建模方法;
建模模块,用于基于确定的建模方法,通过预处理的结果构建PLSR模型;
测定模块,用于通过PLSR模型进行种子活力测定。
9.基于NIRS的种子活力测定系统,其特征在于:包括:
至少一个处理器;
至少一个存储器,用于存储至少一个程序;
当所述至少一个程序被所述至少一个处理器执行,使得所述至少一个处理器实现如权利要求1-7中任一项所述的基于NIRS的种子活力测定方法。
10.存储介质,其中存储有处理器可执行的指令,其特征在于:所述处理器可执行的指令在由处理器执行时用于执行如权利要求1-7中任一项所述的基于NIRS的种子活力测定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811294230.8A CN109520964A (zh) | 2018-11-01 | 2018-11-01 | 基于nirs的种子活力测定方法、系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811294230.8A CN109520964A (zh) | 2018-11-01 | 2018-11-01 | 基于nirs的种子活力测定方法、系统及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109520964A true CN109520964A (zh) | 2019-03-26 |
Family
ID=65774350
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811294230.8A Pending CN109520964A (zh) | 2018-11-01 | 2018-11-01 | 基于nirs的种子活力测定方法、系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109520964A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112986156A (zh) * | 2021-02-08 | 2021-06-18 | 浙江大学 | 一种谷物种子冻伤表征及识别方法 |
CN117744891A (zh) * | 2024-02-08 | 2024-03-22 | 北京市农林科学院智能装备技术研究中心 | 种子引发效果预测方法、装置、电子设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102230888A (zh) * | 2011-06-16 | 2011-11-02 | 浙江大学 | 一种检测塑化剂含量的方法 |
CN102960096A (zh) * | 2012-11-13 | 2013-03-13 | 中国科学院合肥物质科学研究院 | 基于近红外光谱的水稻单籽粒活力无损检测筛选方法 |
CN104237232A (zh) * | 2013-06-24 | 2014-12-24 | 北京林业大学 | 基于红外热图像的林木种子活力快速检测系统 |
KR20160037507A (ko) * | 2014-09-29 | 2016-04-06 | 경북대학교 산학협력단 | Ft-ir 분광분석기를 통한 부모계 계통으로부터 f1잡종종자의 신속한 구별 |
-
2018
- 2018-11-01 CN CN201811294230.8A patent/CN109520964A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102230888A (zh) * | 2011-06-16 | 2011-11-02 | 浙江大学 | 一种检测塑化剂含量的方法 |
CN102960096A (zh) * | 2012-11-13 | 2013-03-13 | 中国科学院合肥物质科学研究院 | 基于近红外光谱的水稻单籽粒活力无损检测筛选方法 |
CN104237232A (zh) * | 2013-06-24 | 2014-12-24 | 北京林业大学 | 基于红外热图像的林木种子活力快速检测系统 |
KR20160037507A (ko) * | 2014-09-29 | 2016-04-06 | 경북대학교 산학협력단 | Ft-ir 분광분석기를 통한 부모계 계통으로부터 f1잡종종자의 신속한 구별 |
Non-Patent Citations (2)
Title |
---|
张锐 等: "一种用于一次谐波背景消除与基线校正的新型方法", 《物理学报》 * |
李武 等: "高温老化下甜玉米种子活力近红外光谱检测技术研究", 《核农学报》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112986156A (zh) * | 2021-02-08 | 2021-06-18 | 浙江大学 | 一种谷物种子冻伤表征及识别方法 |
CN112986156B (zh) * | 2021-02-08 | 2022-03-11 | 浙江大学 | 一种谷物种子冻伤表征及识别方法 |
CN117744891A (zh) * | 2024-02-08 | 2024-03-22 | 北京市农林科学院智能装备技术研究中心 | 种子引发效果预测方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Walsh et al. | The uses of near infra-red spectroscopy in postharvest decision support: A review | |
CN113192117B (zh) | 一种基于Sentinel-2卫星影像红边波段改进小麦生长早期叶面积指数估算的方法 | |
Subedi et al. | Assessment of avocado fruit dry matter content using portable near infrared spectroscopy: Method and instrumentation optimisation | |
CN102495005B (zh) | 高光谱图像技术诊断作物水分亏缺的方法 | |
Kumar et al. | Postharvest performance of apple phenotypes predicted by near-infrared (NIR) spectral analysis | |
CN108680515B (zh) | 一种单粒水稻直链淀粉定量分析模型构建及其检测方法 | |
CN109470648B (zh) | 一种单籽粒作物不完善粒快速无损判定方法 | |
CN102305772A (zh) | 基于遗传核偏最小二乘法的近红外光谱特征波长筛选方法 | |
CN111855589A (zh) | 水稻叶片氮积累量遥感反演模型和方法 | |
CN108760655B (zh) | 一种苹果味觉图谱信息可视化方法 | |
CN104990895B (zh) | 一种基于局部区域的近红外光谱信号标准正态校正方法 | |
CN110069895B (zh) | 冬小麦含氮量全生育时段光谱监测模型建立方法 | |
Hadiwijaya et al. | Multi-product calibration model for soluble solids and water content quantification in Cucurbitaceae family, using visible/near-infrared spectroscopy | |
CN110333195A (zh) | 植物叶片水分含量检测方法及装置 | |
CN108613943B (zh) | 一种基于光谱形态转移的近红外单籽粒作物成分检测方法 | |
CN104255118B (zh) | 基于近红外光谱技术的水稻种子发芽率快速无损测试方法 | |
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 | |
CN109520964A (zh) | 基于nirs的种子活力测定方法、系统及存储介质 | |
CN115479902A (zh) | 基于波长的叶绿素含量测定模型构建方法及其系统 | |
CN106932557B (zh) | 一种基于多算法推荐的不同地区间土壤养分模型转移方法 | |
CN108535250A (zh) | 基于Streif指数的‘富士’苹果成熟度无损检测方法 | |
Wang et al. | Monitoring model for predicting maize grain moisture at the filling stage using NIRS and a small sample size | |
CN107796779A (zh) | 橡胶树叶片氮素含量的近红外光谱诊断方法 | |
CN107169161A (zh) | 分段直接矫正及斜率和截距修正的土壤养分模型转移方法 | |
Yuan et al. | Application of hyperspectral imaging to discriminate waxy corn seed vigour after aging. |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for 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: 20190326 |