CN113536213A - 确定种子活力的方法及处理器 - Google Patents

确定种子活力的方法及处理器 Download PDF

Info

Publication number
CN113536213A
CN113536213A CN202110628987.1A CN202110628987A CN113536213A CN 113536213 A CN113536213 A CN 113536213A CN 202110628987 A CN202110628987 A CN 202110628987A CN 113536213 A CN113536213 A CN 113536213A
Authority
CN
China
Prior art keywords
seed
spectrum
determining
denoising
spectral
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
Application number
CN202110628987.1A
Other languages
English (en)
Other versions
CN113536213B (zh
Inventor
朱明东
余应弘
谢红军
汤国华
曾晓珊
肖燕
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
HUNAN RICE RESEARCH INSTITUTE
Original Assignee
HUNAN RICE RESEARCH INSTITUTE
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by HUNAN RICE RESEARCH INSTITUTE filed Critical HUNAN RICE RESEARCH INSTITUTE
Priority to CN202110628987.1A priority Critical patent/CN113536213B/zh
Publication of CN113536213A publication Critical patent/CN113536213A/zh
Application granted granted Critical
Publication of CN113536213B publication Critical patent/CN113536213B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • G06F17/13—Differential equations
    • 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
    • G01N21/39—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using tunable lasers

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Algebra (AREA)
  • Optics & Photonics (AREA)
  • Operations Research (AREA)
  • Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)
  • Spectrometry And Color Measurement (AREA)

Abstract

本发明实施例提供一种确定种子活力的方法及处理器。方法包括：通过激光透射获取种子光谱；对种子光谱进行预处理以确定光谱信息；根据光谱信息确定种子活力。通过激光透射获取的种子光谱更加精确，对种子光谱进行预处理能够高精度地保留对种子光谱的光谱信息去噪过程中光谱的局部峰值信息，从而可以通过精确的光谱信息准确地确定种子活力。

Description

确定种子活力的方法及处理器
技术领域
本发明涉及光谱信息处理领域，具体地涉及一种确定种子活力方法及处理器。
背景技术
通过光谱信息确定种子活力，而在光谱信息处理领域内的现有技术中，基于扩散方程的去噪方法一直是一类重要的针对光谱信息的去噪方法，可以在去噪的同时更好的保持局部细节。然而，现有去噪方法中的空间非线性滤波算子的各种形式并没有涉及到针对扩散时间的有效调节，从而也无法保持对光谱信息去噪过程中的局部峰值信息，进而无法根据光谱信息准确地判断种子活力。
发明内容
本发明实施例的目的是提供一种确定种子活力的方法及处理器。
为了实现上述目的，本发明第一方面提供一种确定种子活力的方法，包括：通过激光透射获取种子光谱；
对种子光谱进行预处理以确定光谱信息；
根据光谱信息确定种子活力。
在本发明实施例中，根据光谱信息确定种子活力包括：
获取种子光谱的活力信息；
根据光谱信息和活力信息确定种子活力。
在本发明实施例中，对种子光谱进行预处理以确定光谱信息包括：
确定种子光谱的梯度信息；
通过梯度信息确定时间调制函数；
根据时间调制函数对预设的非线性扩散函数进行调整；
根据调整后的非线性扩散函数对所述种子光谱进行迭代去噪；
获取迭代去噪后的种子光谱的光谱信息。
在本发明实施例中，通过如下公式(1)的时间调制函数对梯度信息的峰值处和平滑处的扩散时间进行调整：
Figure BDA0003097175340000021
其中，u代表待去噪的光谱变量，x代表空间坐标变量，K代表梯度阈值，T*代表基本的扩散时间保障，通过梯度信息确定，T*的表达式如以下公式(2)所示：
Figure BDA0003097175340000022
其中，S代表时间步长内所有满足
Figure BDA0003097175340000023
数据点数目，N表示输入的种子光谱的数据点数目。
在本发明实施例中，确定种子光谱梯度信息包括：
通过如下公式(3)确定沿着种子光谱波长方向的梯度平方值：
Figure BDA0003097175340000024
其中，
Figure BDA0003097175340000025
u代表待去噪的光谱变量，x代表空间坐标变量。
在本发明实施例中，通过如下公式(4)对预设的非线性扩散函数进行调整：
Figure BDA0003097175340000026
其中，其中t代表时间坐标变量，x代表空间坐标变量，u代表种子光谱变量；
Figure BDA0003097175340000027
代表沿着时间轴t的导数；
Figure BDA0003097175340000028
代表光谱梯度谱；g代表任意的空间非线性去噪算子函数，具体地，非线性去噪算子函数表达式如以下公式(5)所示：
Figure BDA0003097175340000031
其中，K代表梯度阈值。
在本发明实施例中，初始去噪参数包括时间步长；根据调整后的非线性扩散函数对种子光谱进行迭代去噪包括：
通过非线性扩散方程确定单步迭代后的种子光谱；
确定单步迭代前种子光谱的第一信噪比；
确定单步迭代后种子光谱的第二信噪比；
在第二信噪比小于第一信噪比的情况下，对种子光谱进行迭代去噪，直到第二信噪比大于或等于第一信噪比，输出去噪光谱。
在本发明实施例中，在去噪光谱的精确度小于用户预设精确度的情况下，缩短时间步长并重新对去噪光谱进行迭代；
在去噪光谱的精确度大于或等于用户预设精确度的情况下，输出去噪光谱。
在本发明实施例中，调整后的非线性扩散函数通过如下公式(6)实现差分离散右端的空间去噪算子：
Figure BDA0003097175340000032
u代表待去噪的光谱变量，g代表任意的空间非线性去噪算子函数，T代表时间调制函数，x代表空间坐标变量，k代表常数，Δt代表时间步长。
本发明第二方面提供一种处理器，被配置成执行上述的确定种子活力的方法。
上述技术方案通过确定时间调制函数以对非线性扩散函数进行调整，进而根据调整后的非线性扩散函数对种子光谱进行迭代去噪，实现了空间非线性滤波算子针对扩散时间的有效调节，高精度地保留了对光谱信息去噪过程中光谱的局部峰值信息，并可以通过精确的光谱信息准确地确定种子活力。
本发明实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本发明实施例的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明实施例，但并不构成对本发明实施例的限制。在附图中：
图1示意性示出了根据本发明实施例的确定种子活力的方法的流程示意图；
图2示意性示出了根据本发明实施例的对种子光谱进行预处理以确定光谱信息的流程示意图；
图3示意性示出了根据本发明实施例的确定种子光谱梯度信息示意图；
图4示意性示出了根据本发明实施例的去噪效果示意图；
图5示意性示出了根据本发明实施例的迭代去噪流程示意图。
具体实施方式
以下结合附图对本发明实施例的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明实施例，并不用于限制本发明实施例。
图1示意性示出了根据本发明实施例的光谱去噪方法的流程示意图。如图1所示，在本发明一实施例中，提供了一种光谱去噪方法，包括以下步骤：
步骤101，通过激光透射获取种子光谱。
步骤102，对种子光谱进行预处理以确定光谱信息。
步骤103，根据光谱信息确定种子活力。
在一个实施例中，根据所述光谱信息确定种子活力包括：获取种子光谱的活力信息；根据光谱信息和所述活力信息确定种子活力。
其中，活力信息可以为表型信息，通过偏最小二乘法建立回归关系进而确定种子活力。
图2示意性示出了根据本发明实施例的对种子光谱进行预处理以确定光谱信息的流程示意图，如图2所示，在一个实施例中，提供了一种光谱去噪方法，包括以下步骤：
步骤201，确定种子光谱的梯度信息。
步骤202，通过梯度信息确定时间调制函数。
步骤203，根据时间调制函数对预设的非线性扩散函数进行调整。
步骤204，根据调整后的非线性扩散函数对种子光谱进行迭代去噪。
步骤205，获取迭代去噪后的种子光谱的光谱信息。
在一个实施例中，通过梯度信息确定时间调制函数，通过如下公式(1)的时间调制函数对梯度信息的峰值处和平滑处的扩散时间进行调整：
Figure BDA0003097175340000051
其中，T代表时间调制函数，T*代表基本的扩散时间保障，通过梯度信息确定，u代表待去噪的光谱变量，x代表空间坐标变量，K代表梯度阈值。
在一个实施例中，T*的表达式如以下公式(2)所示：
Figure BDA0003097175340000052
其中，S代表时间步长内所有满足
Figure BDA0003097175340000053
数据点数目，N表示输入的种子光谱的数据点数目，一般取梯度阈值K＝1。
在一个实施例中，确定种子光谱梯度信息包括：
通过如下公式(3)确定沿着种子光谱波长方向的梯度平方值：
Figure BDA0003097175340000061
其中，
Figure BDA0003097175340000062
u代表待去噪的光谱变量，x代表空间坐标变量。
如图3所示，图3示意性示出了确定种子光谱梯度信息的示意图，具体来说，通过公式(3)确定沿着光谱波长x方向的梯度平方，采用优选插值模板的方式确定了梯度信息中整个区域(包含间断处和局部峰值处)精准的梯度值信息，采用了取向前和向后差分中较大的梯度幅值作为当地的特征梯度的方法。如图3所示，通过采用梯度逼近的方法，可以提高梯度值的精确度。
在一个实施例中，通过如下公式(4)对预设的非线性扩散函数进行调整：
Figure BDA0003097175340000063
其中，T代表时间调制函数，t代表时间坐标变量，x代表空间坐标变量，u代表种子光谱变量；
Figure BDA0003097175340000064
代表沿着时间轴t的导数；
Figure BDA0003097175340000065
代表光谱梯度谱；g代表任意的空间非线性去噪算子函数。
在传统扩散函数中的扩散项前引入时间调制函数T，通过时间调制函数T实现了对梯度信息的峰值处和平滑处的扩散时间进行调整，其中，时间调制函数T表达式如公式(1)所示：
Figure BDA0003097175340000066
在一个实施例中，非线性去噪算子函数表达式如以下公式(5)所示：
Figure BDA0003097175340000071
其中，K代表梯度阈值，偏导数x代表沿着光谱波长和频率的变化方向中的任意一者。
在一个实施例中，初始去噪参数包括时间步长；根据调整后的非线性扩散函数对种子光谱进行迭代去噪包括：通过非线性扩散方程确定单步迭代后的种子光谱；确定单步迭代前种子光谱的第一信噪比；确定单步迭代后种子光谱的第二信噪比；在第二信噪比小于第一信噪比的情况下，对种子光谱进行迭代去噪，直到第二信噪比大于或等于第一信噪比，输出去噪光谱。
通过时间调制函数对非线性扩散函数进行调整，进而对种子光谱进行迭代去噪。用信噪比这一参数描述对种子光谱的去噪效果，在单步迭代去噪前光谱的第一信噪比大于单步迭代去噪后光谱的第二信噪比情况下，此时确定去噪效果不佳，返回重新迭代；在单步迭代去噪前光谱的第一信噪比小于单步迭代去噪后光谱的第二信噪比情况下，确定去噪达到预期去噪效果，输出去噪光谱。其中，预期去噪效果是指用户预设的去噪程度，由信噪比大小来表示。
在一个实施例中，在去噪光谱的精确度小于用户预设精确度的情况下，缩短时间步长并重新对去噪光谱进行迭代；在去噪光谱的精确度大于或等于用户预设精确度的情况下，输出去噪光谱。
例如，在去噪光谱的精确度小于用户预设精确度的情况下，将时间步长缩短为原来的一半，在更小的时间步长内获取更加精确的光谱信息以及梯度数据。
如图4所示，图4示意性示出了根据本发明实施例的去噪效果示意图。其中，以水稻种子的近红外透射光谱为例。针对高斯噪声方差为100的光谱图给出去噪效果对比。其中图4中的(a)图表示的是原始光谱，图4中的(b)图表示的是加入噪声后的光谱，图4中的(c)图为传统的P-M去噪算法得到的去噪光谱，图4中的(d)图为引入本发明技术方案中的调制函数T后的P-M算法得到的去噪光谱。可以看到，引入本发明构造的时间调制函数T后，经典的P-M算法表现出极大的去噪效果的提升。根据图4可以明显看到加入时间调制函数T后，传统P-M去噪算法表现出明显的局部间断和峰值保护能力，对于相对平滑处的高频噪声也具有较好的去噪能力。
在一个实施例中，调整后的非线性扩散函数通过如下公式(6)实现差分离散右端的空间去噪算子：
Figure BDA0003097175340000081
u代表待去噪的光谱变量，g代表任意的空间非线性去噪算子函数，T代表时间调制函数，x代表空间坐标变量，k代表常数，Δt代表时间步长。
调整后的非线性扩散函数是通过采用一维向前差分离散扩散时间，离散扩散时间步长后，差分离散右端的空间去噪算子。
在一个实施例中，获取种子光谱，并确定初始去噪参数设定，其中，设定时间步长Δt＝1和梯度阈值K＝1。根据种子光谱确定梯度信息，梯度信息包括梯度幅值尺度以及局部峰值信息中的至少一者。
根据梯度幅值尺度以及局部峰值信息确定时间调制函数，通过如下公式(1)的时间调制函数对梯度信息的峰值处和平滑处的扩散时间进行调整：
Figure BDA0003097175340000082
其中，T*代表基本的扩散时间保障，通过所述梯度信息确定，u代表所述待去噪的光谱变量，x代表空间坐标变量，K代表梯度阈值。T*的表达式如以下公式(2)所示：
Figure BDA0003097175340000091
其中，S代表时间步长内所有满足
Figure BDA0003097175340000092
数据点数目，N表示输入的种子光谱的数据点数目。
根据确定的时间调制函数对预设的非线性扩散函数进行调整，具体来说，可以在预设的非线性扩散函数中的扩散项前引入时间调制函数，具体表达式如以下公式(4)：
Figure BDA0003097175340000093
其中，其中t代表时间坐标变量，x代表空间坐标变量，u代表所述种子光谱变量；
Figure BDA0003097175340000094
代表沿着时间轴t的导数；
Figure BDA0003097175340000095
代表光谱梯度谱；g代表任意的空间非线性去噪算子函数。
引入时间调制函数后的非线性扩散函数能够在求解扩散方程的每个离散时间步长内，按照局部梯度幅值调节扩散时间尺度，通过相对差异的扩散时间达到光谱去噪的过程中光谱的局部峰值信息的保持。
图5示意性示出了根据本发明实施例的迭代去噪流程示意图，如图4所示，包括以下步骤：
步骤501，根据梯度信息确定时间调制函数。
步骤502，通过时间调制函数T调整非线性扩散函数。
步骤503，根据非线性扩散函数进行去噪处理。
步骤504，判断第一信噪比和第二信噪比的大小关系，在第一信噪比大于第二信噪比的情况下，返回步骤501；在第一信噪比小于第二信噪比的情况下，进入步骤505。
步骤505，判断去噪光谱精度和用户预设精度的关系，在去噪光谱精度小于用户预设精度的情况下，进入步骤506；在去噪光谱精度大于用户预设精度的情况下，进入步骤507。
步骤506，缩短时间步长。
步骤507，输出去噪光谱。
在一个实施例中，引入时间调制函数后的非线性扩散函数能够在求解扩散方程的每个离散时间步长内，按照局部梯度幅值调节扩散时间尺度，通过相对差异的扩散时间达到光谱去噪的过程确定精确的光谱的局部峰值信息。确定单步迭代前种子光谱的第一信噪比，通过引入时间调制函数后的非线性扩散函数确定单步迭代后种子光谱的第二信噪比。在第一信噪比小于第二信噪比的情况下，确定去噪达到预期去噪效果，输出去噪光谱；在第一信噪比大于第二信噪比的情况下，确定去噪效果不佳，返回步骤501进行重新迭代。其中，预期去噪效果是指用户预设的去噪程度，由信噪比大小来表示。
在一个实施例中，在第一信噪比小于第二信噪比的情况下，进入步骤505，判断去噪光谱精度和用户预设精度的大小关系，在去噪光谱的精确度小于用户预设精确度的情况下，缩短时间步长并重新对去噪光谱进行迭代；在去噪光谱的精确度大于或等于用户预设精确度的情况下，进入步骤507输出去噪光谱。例如，在去噪光谱的精确度小于用户预设精确度的情况下，将时间步长缩短为原来的一半，在更小的时间步长内获取更加精确的光谱信息以及梯度数据。
通过上述技术方案能够在对种子光谱进行去噪的同时，能够极大比例地保护光谱信息中的局部峰值信息，获得相对种子光谱较高的信噪比提升。
本发明实施例通过确定时间调制函数以对非线性扩散函数进行调整，进而根据调整后的非线性扩散函数对种子光谱进行迭代去噪，实现了空间非线性滤波算子针对扩散时间的有效调节，高精度地保留了对光谱信息去噪过程中光谱的局部峰值信息，进而能通过精确的种子光谱信息确定种子的活力。
处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来实现上述光谱去噪方法。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)，存储器包括至少一个存储芯片。
本发明实施例提供了一种设备，设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序，处理器执行程序时实现以下步骤：通过激光透射获取种子光谱；对种子光谱进行预处理以确定光谱信息；根据光谱信息确定种子活力。
在一个实施例中，根据光谱信息确定种子活力包括：获取种子光谱的活力信息；根据光谱信息和所述活力信息确定种子活力。
在一个实施例中，对种子光谱进行预处理以确定光谱信息包括：确定种子光谱的梯度信息；通过梯度信息确定时间调制函数；根据时间调制函数对预设的非线性扩散函数进行调整；根据调整后的非线性扩散函数对所述种子光谱进行迭代去噪；获取迭代去噪后的种子光谱的光谱信息。
在一个实施例中，通过如下公式(1)的时间调制函数对梯度信息的峰值处和平滑处的扩散时间进行调整：
Figure BDA0003097175340000111
其中，u代表待去噪的光谱变量，x代表空间坐标变量，K代表梯度阈值，T*代表基本的扩散时间保障，通过梯度信息确定，T*的表达式如以下公式(2)所示：
Figure BDA0003097175340000112
其中，S代表时间步长内所有满足
Figure BDA0003097175340000113
数据点数目，N表示输入的种子光谱的数据点数目。
在一个实施例中，确定种子光谱梯度信息包括：
通过如下公式(3)确定沿着种子光谱波长方向的梯度平方值：
Figure BDA0003097175340000121
其中，
Figure BDA0003097175340000122
u代表待去噪的光谱变量，x代表空间坐标变量。
在一个实施例中，通过如下公式(4)对预设的非线性扩散函数进行调整：
Figure BDA0003097175340000123
其中，其中t代表时间坐标变量，x代表空间坐标变量，u代表种子光谱变量；
Figure BDA0003097175340000124
代表沿着时间轴t的导数；
Figure BDA0003097175340000125
代表光谱梯度谱；g代表任意的空间非线性去噪算子函数，具体地，非线性去噪算子函数表达式如以下公式(5)所示：
Figure BDA0003097175340000126
其中，K代表梯度阈值。
在一个实施例中，初始去噪参数包括时间步长；根据调整后的非线性扩散函数对种子光谱进行迭代去噪包括：通过非线性扩散方程确定单步迭代后的种子光谱；确定单步迭代前种子光谱的第一信噪比；确定单步迭代后种子光谱的第二信噪比；在第二信噪比小于第一信噪比的情况下，对种子光谱进行迭代去噪，直到第二信噪比大于或等于第一信噪比，输出去噪光谱。
在一个实施例中，在去噪光谱的精确度小于用户预设精确度的情况下，缩短时间步长并重新对去噪光谱进行迭代；在去噪光谱的精确度大于或等于用户预设精确度的情况下，输出去噪光谱。
在一个实施例中，调整后的非线性扩散函数通过如下公式(6)实现差分离散右端的空间去噪算子：
Figure BDA0003097175340000131
u代表待去噪的光谱变量，g代表任意的空间非线性去噪算子函数，T代表时间调制函数，x代表空间坐标变量，k代表常数，Δt代表时间步长。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上仅为本发明的实施例而已，并不用于限制本发明。对于本领域技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本发明的权利要求范围之内。

Claims (10)

1.一种确定种子活力的方法，其特征在于，所述方法包括：
通过激光透射获取种子光谱；
对所述种子光谱进行预处理以确定光谱信息；
根据所述光谱信息确定种子活力。
2.根据权利要求1所述的确定种子活力的方法，其特征在于，所述根据所述光谱信息确定种子活力包括：
获取所述种子光谱的活力信息；
根据所述光谱信息和所述活力信息确定种子活力。
3.根据权利要求1所述的确定种子活力的方法，其特征在于，所述对所述种子光谱进行预处理以确定光谱信息包括：
确定所述种子光谱的梯度信息；
通过所述梯度信息确定时间调制函数；
根据所述时间调制函数对预设的非线性扩散函数进行调整；
根据调整后的非线性扩散函数对所述种子光谱进行迭代去噪；
获取迭代去噪后的所述种子光谱的光谱信息。
4.根据权利要求3所述的确定种子活力的方法，其特征在于，通过如下公式(1)的所述时间调制函数对所述梯度信息的峰值处和平滑处的扩散时间进行调整：
Figure FDA0003097175330000011
其中，u代表所述待去噪的光谱变量，x代表空间坐标变量，K代表梯度阈值，T*代表基本的扩散时间保障，通过所述梯度信息确定，T*的表达式如以下公式(2)所示：
Figure FDA0003097175330000021
其中，S代表时间步长内所有满足
Figure FDA0003097175330000022
数据点数目，N表示输入的种子光谱的数据点数目。
5.根据权利要求3所述的确定种子活力的方法，其特征在于，所述确定所述种子光谱梯度信息包括：
通过如下公式(3)确定沿着所述种子光谱波长方向的梯度平方值：
Figure FDA0003097175330000023
其中，
Figure FDA0003097175330000024
u代表待去噪的光谱变量，x代表空间坐标变量。
6.根据权利要求3所述的确定种子活力的方法，其特征在于，通过如下公式(4)对预设的非线性扩散函数进行调整：
Figure FDA0003097175330000025
其中t代表时间坐标变量，x代表空间坐标变量，u代表所述种子光谱变量；
Figure FDA0003097175330000026
代表沿着时间轴t的导数；
Figure FDA0003097175330000027
代表光谱梯度谱；g代表任意的空间非线性去噪算子函数，具体地，非线性去噪算子函数表达式如以下公式(5)所示：
Figure FDA0003097175330000028
其中，K代表梯度阈值。
7.根据权利要求3所述的确定种子活力的方法，其特征在于，所述初始去噪参数包括时间步长；所述根据调整后的非线性扩散函数对所述种子光谱进行迭代去噪包括：
通过所述非线性扩散方程确定所述单步迭代后的种子光谱；
确定单步迭代前所述种子光谱的第一信噪比；
确定单步迭代后所述种子光谱的第二信噪比；
在所述第二信噪比小于所述第一信噪比的情况下，对所述种子光谱进行迭代去噪，直到所述第二信噪比大于或等于所述第一信噪比，输出所述去噪光谱。
8.根据权利要求7所述的确定种子活力的方法，其特征在于，所述方法还包括：
在所述去噪光谱的精确度小于用户预设精确度的情况下，缩短所述时间步长并重新对所述去噪光谱进行迭代；
在所述去噪光谱的精确度大于或等于用户预设精确度的情况下，输出所述去噪光谱。
9.根据权利要求3所述的确定种子活力的方法，其特征在于，所述调整后的非线性扩散函数通过如下公式(6)实现差分离散右端的空间去噪算子：
Figure FDA0003097175330000031
u代表所述待去噪的光谱变量，g代表任意的空间非线性去噪算子函数，T代表所述时间调制函数，x代表空间坐标变量，k代表常数，Δt代表时间步长。
10.一种处理器，其特征在于，被配置成执行根据权利要求1至9中任意一项所述的确定种子活力的方法。
CN202110628987.1A 2021-06-02 2021-06-02 确定种子活力的方法及处理器 Active CN113536213B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110628987.1A CN113536213B (zh) 2021-06-02 2021-06-02 确定种子活力的方法及处理器

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110628987.1A CN113536213B (zh) 2021-06-02 2021-06-02 确定种子活力的方法及处理器

Publications (2)

Publication Number Publication Date
CN113536213A true CN113536213A (zh) 2021-10-22
CN113536213B CN113536213B (zh) 2024-02-20

Family

ID=78124576

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110628987.1A Active CN113536213B (zh) 2021-06-02 2021-06-02 确定种子活力的方法及处理器

Country Status (1)

Country Link
CN (1) CN113536213B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
SE0001967D0 (sv) * 2000-05-25 2000-05-25 Torbjoern Lestander Single seed sortation
US20130021469A1 (en) * 2011-07-19 2013-01-24 Ball Horticultural Company Seed classification using spectral analysis to determine existence of a seed structure
CN108613946A (zh) * 2018-05-14 2018-10-02 湖州师范学院 基于激光吸收光谱技术的种子活力测量系统及方法
CN109001154A (zh) * 2018-06-13 2018-12-14 贾良权 基于激光吸收光谱技术的种子活力高效测量系统
CN110308139A (zh) * 2019-06-27 2019-10-08 长江大学 基于激光诱导击穿光谱的水稻种子活力分级检测方法
CN111665221A (zh) * 2019-03-08 2020-09-15 中国科学院长春光学精密机械与物理研究所 基于透射光谱检测种子活力的装置及其使用方法
CN112819701A (zh) * 2019-11-15 2021-05-18 中国科学院长春光学精密机械与物理研究所 一种图像去噪方法、系统及电子设备

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
SE0001967D0 (sv) * 2000-05-25 2000-05-25 Torbjoern Lestander Single seed sortation
US20130021469A1 (en) * 2011-07-19 2013-01-24 Ball Horticultural Company Seed classification using spectral analysis to determine existence of a seed structure
CN108613946A (zh) * 2018-05-14 2018-10-02 湖州师范学院 基于激光吸收光谱技术的种子活力测量系统及方法
CN109001154A (zh) * 2018-06-13 2018-12-14 贾良权 基于激光吸收光谱技术的种子活力高效测量系统
CN111665221A (zh) * 2019-03-08 2020-09-15 中国科学院长春光学精密机械与物理研究所 基于透射光谱检测种子活力的装置及其使用方法
CN110308139A (zh) * 2019-06-27 2019-10-08 长江大学 基于激光诱导击穿光谱的水稻种子活力分级检测方法
CN112819701A (zh) * 2019-11-15 2021-05-18 中国科学院长春光学精密机械与物理研究所 一种图像去噪方法、系统及电子设备

Also Published As

Publication number Publication date
CN113536213B (zh) 2024-02-20

Similar Documents

Publication Publication Date Title
Savakis et al. Blur identification by residual spectral matching
Lagendijk et al. Iterative identification and restoration of images
US20200364829A1 (en) Electronic device and method for controlling thereof
CN107085838B (zh) 全息图噪声的去除方法及装置
Norris et al. Scaling limits for planar aggregation with subcritical fluctuations
CN110429921B (zh) 一种变步长lms自适应滤波方法及其存储介质
Yatawatta et al. Deep reinforcement learning for smart calibration of radio telescopes
CN109903246B (zh) 检测图像变化的方法及装置
CN113486296B (zh) 光谱去噪方法及处理器
Rowlands et al. Denoising of spectra with no user input: a spline‐smoothing algorithm
CN113536213B (zh) 确定种子活力的方法及处理器
Baddour et al. Matlab code for the discrete Hankel transform
CN109001805B (zh) 一种地震震源反演不确定性分析方法、存储介质及服务器
Kanaya Uniform convergence rates of kernel-based nonparametric estimators for continuous time diffusion processes: A damping function approach
CN110618463B (zh) 一种核磁共振数据反演方法、装置、存储介质及设备
Chen et al. Refined instrumental variable identification of continuous-time OE and BJ models from irregularly sampled data
US20170364731A1 (en) Adaptive signal detection and synthesis on trace data
CN113411140B (zh) 信道自适应通道特性学习方法及其模拟器、卫星导航系统
CN115222839A (zh) 一种加速多步贪婪扩展稀疏Kaczmarz方法
CN110968500A (zh) 一种测试用例的执行方法及装置
US11222407B2 (en) Apparatus, method and computer program for processing a piecewise-smooth signal
CN112578458A (zh) 叠前弹性阻抗随机反演方法、装置、存储介质及处理器
Orieux et al. Deconvolutionwith gaussian blur parameter and hyperparameters estimation
CN113590952B (zh) 一种数据中心构建的方法及系统
US11579947B2 (en) Univariate density estimation method

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
GR01 Patent grant
GR01 Patent grant