CN113916827B - 一种基于太赫兹光谱相关系数分析的玉米种子成分检测方法 - Google Patents
一种基于太赫兹光谱相关系数分析的玉米种子成分检测方法 Download PDFInfo
- Publication number
- CN113916827B CN113916827B CN202111246943.9A CN202111246943A CN113916827B CN 113916827 B CN113916827 B CN 113916827B CN 202111246943 A CN202111246943 A CN 202111246943A CN 113916827 B CN113916827 B CN 113916827B
- Authority
- CN
- China
- Prior art keywords
- spectrum
- correlation coefficient
- sample
- corn seed
- starch
- 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.)
- Active
Links
- 238000001228 spectrum Methods 0.000 title claims abstract description 104
- 240000008042 Zea mays Species 0.000 title claims abstract description 51
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 title claims abstract description 51
- 235000002017 Zea mays subsp mays Nutrition 0.000 title claims abstract description 51
- 235000005822 corn Nutrition 0.000 title claims abstract description 51
- 238000001514 detection method Methods 0.000 title claims abstract description 14
- 238000004458 analytical method Methods 0.000 title abstract description 9
- 229920002472 Starch Polymers 0.000 claims abstract description 50
- 239000008107 starch Substances 0.000 claims abstract description 50
- 235000019698 starch Nutrition 0.000 claims abstract description 49
- 239000000126 substance Substances 0.000 claims abstract description 42
- 210000001161 mammalian embryo Anatomy 0.000 claims abstract description 31
- 238000000862 absorption spectrum Methods 0.000 claims abstract description 26
- 230000032683 aging Effects 0.000 claims abstract description 26
- 238000010586 diagram Methods 0.000 claims abstract description 22
- 230000000007 visual effect Effects 0.000 claims abstract description 22
- 230000008859 change Effects 0.000 claims abstract description 15
- 238000003384 imaging method Methods 0.000 claims abstract description 13
- 238000000034 method Methods 0.000 claims abstract description 13
- 238000012545 processing Methods 0.000 claims abstract description 11
- 230000011218 segmentation Effects 0.000 claims abstract description 8
- 239000011159 matrix material Substances 0.000 claims description 27
- 230000003595 spectral effect Effects 0.000 claims description 17
- 238000012360 testing method Methods 0.000 claims description 7
- 230000002596 correlated effect Effects 0.000 claims description 5
- 229920002261 Corn starch Polymers 0.000 claims description 4
- 239000008120 corn starch Substances 0.000 claims description 4
- 238000012935 Averaging Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000012512 characterization method Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 abstract description 2
- 230000010354 integration Effects 0.000 description 5
- 238000011161 development Methods 0.000 description 4
- 230000018109 developmental process Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000002835 absorbance Methods 0.000 description 2
- 230000035784 germination Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 239000000843 powder Substances 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000007789 sealing Methods 0.000 description 2
- 239000004698 Polyethylene Substances 0.000 description 1
- 230000000875 corresponding effect Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 229920001903 high density polyethylene Polymers 0.000 description 1
- 239000004700 high-density polyethylene Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- -1 polyethylene Polymers 0.000 description 1
- 229920000573 polyethylene Polymers 0.000 description 1
- 238000001328 terahertz time-domain spectroscopy Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000012800 visualization Methods 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
- G01N21/3581—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using far infrared light; using Terahertz radiation
- G01N21/3586—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using far infrared light; using Terahertz radiation by Terahertz time domain spectroscopy [THz-TDS]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
- Y02A40/10—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in agriculture
Abstract
本发明提出了一种基于太赫兹光谱相关系数分析的玉米种子成分检测方法,属于玉米种子成分检测领域。该方法首先制备不同老化程度的玉米种子样本及淀粉纯物质样本;利用太赫兹时域光谱仪及反射成像附件采集样本的太赫兹吸光度谱数据,分别提取胚乳和种胚区域内各坐标点位置及光谱信息,计算种胚、胚乳光谱与淀粉纯物质标准品光谱的相关系数,根据相关系数可视化热力图进行坐标点数量统计,获得玉米种子中淀粉分布的位置以及变化程度。本发明结合光谱信息与图像信息,采用阈值分割进行图像数据处理,并结合相关系数分析分析不同老化程度玉米种子成分变化情况,为利用THz光谱在种子质量监测领域的应用提供了理论基础和有效方法。
Description
技术领域
本发明涉及玉米种子成分检测领域,特别是一种基于太赫兹时域光谱相关系数分析的玉米种子成分检测的方法。
背景技术
种子活力是表征种子质量的重要指标,种子老化是指种子活力的自然衰退,会影响种子萌发及幼苗的生长发育,因此探究种子老化过程中成分的变化进而表征种子活力变化的研究对种子产业高速发展具有十分重要的意义。传统的活力检测手段如加速老化测定、发芽速率测定和电导率测定等存在一定的破坏性且费时费力,难以满足现代农业发展提出的快速无损单粒检测的需求,急需探索和研究适应现代种业发展的种子活力测定方法和技术逐渐成为种子质量检测领域关注的热点。
太赫兹(Terahertz,THz)波通常是指频率在0.1-10THz范围内的电磁波,其波段介于微波和红外之间,是处于宏观电子学向微观光子学过渡的区域,同时具有光学特性和电子学特性,能够获取物质大量的物理和化学信息,对于研究物质的物理结构和化学成分具有重要价值。太赫兹时域光谱及成像技术的结合既可以获取表征样本大小、性质的外观信息,也可以获取反映内部组织、结构、成分变化的生理信息,其具有的低能性、强穿透性及指纹谱特性使得无损检测技术得到了更加广泛的应用。
发明内容
本发明的目的就是提供一种基于太赫兹时域光谱相关系数分析的玉米种子成分检测的方法,它可以用于分析种子不同老化程度成分分布变化明显的组织区域,并且可以用于筛选不同组织成分发生明显变化的种子。
本发明提供的一种玉米种子成分检测的方法,具体步骤如下:
步骤1)制备不同老化程度的玉米种子样本及淀粉纯物质样本;
步骤2)利用太赫兹时域光谱仪及反射成像系统采集步骤1)中玉米种子样本及淀粉纯物质样本的太赫兹吸光度谱数据;
步骤3)对上述吸光度谱进行数据处理,分别提取胚乳和种胚区域内各坐标点位置及光谱信息;
步骤4)计算种胚、胚乳光谱与淀粉纯物质光谱的相关系数,相关系数计算如式(1)所示:
x,y分别为玉米种子测试样本光谱和淀粉纯物质光谱,分别为玉米种子测试样本平均平均光谱和淀粉纯物质样本平均光谱,n为光谱维度,i∈n。相关系数r的取值范围在0-1之间;
步骤5)利用相关系数值及胚乳和种胚区域内各坐标点位置信息进行可视化表征,获得不同老化程度下玉米种子样本的相关系数可视化热力图;
步骤6)根据相关系数可视化热力图进行坐标点数量统计,统计坐标点占比,如式(2)所示:
即可获得玉米种子中淀粉分布的位置及不同老化程度下的变化情况。
进一步,步骤1)具体为,采用人工老化方式将玉米种子样本分批老化0、18、36、54、72小时制备不同老化程度的种子样本,同时将玉米淀粉进行压片制备淀粉纯物质样本。
进一步,步骤2)具体为:
2-1)将待测玉米种子样本置于反射成像系统中心位置,逐点扫描得到的太赫兹吸光度谱三维时空数据集,每个坐标点的光谱范围为0-269.5cm-1;
2-2)将淀粉纯物质样本置于反射成像系统中心位置,逐点扫描得到的太赫兹吸光度谱三维时空数据集,每个坐标点的光谱范围为0-269.5cm-1。
进一步,步骤3)具体为:
3-1)对玉米种子样本的太赫兹吸光度谱数据整合得到不同光谱点下的灰度图像;
3-2)对淀粉纯物质样本的太赫兹吸光度谱数据整合得到不同光谱点下的灰度图像;
3-3)选取步骤3-1)中灰度图像中清晰可见样本轮廓的图像,利用阈值分割算法进行灰度图像处理,分别提取胚乳、种胚区域内各坐标点的位置及光谱信息保存为二维矩阵S1,S2,P1,P2。其中胚乳光谱矩阵为S1=[s11,s12,s13,...,s1i],S1i代表某个坐标点的光谱,胚乳坐标信息矩阵为P1[mi*ni],m=[m1,m2,m3,...,mi],n=[n1,n2,n3,...,ni],种胚光谱矩阵为S2=[s21,s22,s23,...,s2i],S2i代表某个坐标点的光谱,种胚坐标信息矩阵为P2[ki*li],k=[k1,k2,k3,...,ki],l=[l1,l2,l3,...,li];
3-4)选取步骤3-2)中灰度图像中清晰可见样本轮廓的图像,利用阈值分割算法进行灰度图像处理,提取淀粉纯物质压片样本各坐标点的位置及光谱信息,光谱取平均后组成一维矩阵C=[c1,c2,c3,...,ci],坐标信息保存为矩阵Q[wi*vi],w=[w1,w2,w3,...,wi],v=[v1,v2,v3,...,vi];
进一步,步骤5)具体为:
5-1)绘制相关系数可视化热力图,并根据相关系数值的范围划分色阶,其中相关系数为1则说明该坐标点处样本光谱与淀粉纯物质光谱强相关,颜色显示为红色,相关系数为0则说明样本光谱与淀粉纯物质光谱无相关性,颜色显示为蓝色;
5-2)截取0-67.36cm-1范围内特征光谱进行相关系数计算,得到在特征光谱范围内的可视化热力图;
5-3)针对步骤5-2)得到的相关系数可视化热力图,初始窗口宽度为20,即1-21个光谱点,步长为10,最终得到1-21,11-31,21-41,31-51,41-61,51-71六个窗口下不同老化程度的样本相关系数可视化热力图。
进一步,步骤6)具体为:
6-1)统计胚乳所有坐标点的个数及相关系数>0.8的坐标点个数;
6-2)统计种胚所有坐标点的个数及相关系数>0.8的坐标点个数;
6-3)统计整粒种子所有坐标点的个数及相关系数>0.8的坐标点个数。
本发明的有效效益是:
相关系数分析是将样本的光谱数据与标准物质光谱相关联,并通过相关系数值进行可视化以确定信息最强的光谱区域及对应成分变化的趋势,最终实现对不同老化程度的玉米种子中淀粉含量分布变化的分析及特征波段的筛选,利用本发明可以检测玉米种子成分变化情况。本发明结合光谱信息与图像信息,采用阈值分割进行图像数据处理,并结合相关系数分析不同老化程度玉米种子成分变化情况,为利用THz光谱在种子质量监测领域的应用提供了理论基础和有效方法。
附图说明
图1为本发明玉米种子成分检测方法的流程图;
图2为老化0h胚乳和种胚的太赫兹吸光度谱,其中(a)为吸光度谱(0-269.5cm-1),(b)为特征光谱(0-70cm-1);
图3为具体实施例得到不同窗口下相关系数可视化分布热力图;
图4为样本相关系数在不同窗口坐标点占比变化趋势图,其中,(a)为占整体比,(b)为占胚乳比,(c)为占种胚比。
具体实施方式
下面结合附图和实施例对本发明作进一步说明。
如图1所示,本发明基于太赫兹时域光谱成像的玉米种子检测方法,具体步骤如下:
步骤1,样本制备:制备不同老化程度的玉米种子样本及淀粉纯物质样本;
1-1)郑单958玉米种子购置于种子公司,对玉米样本进行破损、虫蛀等缺陷样本的剔除并取样5份,每份样本100粒左右,用自封袋进行封装,标记后冰箱冷藏。实验前取出晾晒。然后采用种子老化箱,在温度为40℃、100%相对湿度条件下将种子样本分批老化0、18、36、54、72h,每批次样本中各取2粒作为测试样本。
1-2)制备纯物质样本所需要的玉米淀粉及聚乙烯粉末均购自赛谱锐思公司,利用离心管将玉米淀粉与高密度聚乙烯粉末按照1:1的比例进行充分混合,最后在压片机下制成厚度约为1mm的薄片样本后密封保存。
步骤2,光谱采集:利用太赫兹时域光谱仪及反射成像系统采集步骤1中样本吸光度谱数据;
2-1)采用英国Teraview公司的Terapulse 4000太赫兹时域光谱仪及反射成像系统。成像系统参数设置如下:扫描范围为x∈[-10mm,10mm],y∈[-10mm,10mm],步长为200um,光谱分辨率为1.907cm-1,逐点扫描得到的太赫兹吸光度谱三维时空数据集(x,y,t)是由(x,y)坐标点的光谱结合时间轴向(t)组成的,最终可以获得样本在(x,y)坐标点的光谱信息,也可以获得t个不同光谱点的图像信息。
2-2)玉米种子样本太赫兹吸光度谱数据采集:将待测玉米样本(胚朝下)置于反射成像系统中心位置,每个样本扫描3次,共得到2*3=6组CSV格式数据文件。以老化0h的一个样本为例,吸光度谱数据集为103*101*281(x*y*t)的数据矩阵,每个光谱点下都有(103,101)个坐标点,每个坐标点的光谱范围为0-269.5cm-1(281个光谱点)
2-3)淀粉纯物质样本太赫兹吸光度谱数据采集:将制成的1mm淀粉纯物质压片样本置于反射成像系统中心位置,每个样本扫描3次,共得到2*3=6组CSV格式数据文件。吸光度谱数据集为103*101*281(x*y*t)的数据矩阵,每个光谱点下都有(103,101)个坐标点,每个坐标点的光谱范围为0-269.5cm-1(281个光谱点)
步骤3,数据处理:经数据整合分别提取胚乳和区域内各坐标点位置和光谱信息
3-1)玉米种子样本太赫兹吸光度谱数据整合:对步骤2-2)得到的样本太赫兹吸光度谱数据矩阵(103*101*281)进行数据整合得到不同光谱点下的灰度图像,即对于x*y*t的三维数据矩阵转换为(x*y)*t的二维矩阵集合,x、y分别为整合后灰度图像的宽和高,t为灰度图像的数量(光谱点数),用t=[t1,t2,t3,...,ti]表示太赫兹灰度图像集合,其中ti为在第i个波段下每个坐标点(x,y)吸光度值的集合,本例中光谱范围为0-269.5cm-1(281个光谱点),即i=281,共计生成281张灰度图像;
3-2)淀粉纯物质样本的太赫兹吸光度谱数据整合:对步骤2-3)中得到的纯物质太赫兹光谱数据矩阵(103*101*281)进行数据整合得到不同光谱点下的灰度图像,共计得到281张灰度图像。
3-3)选取步骤3-1)中281个灰度图像里清晰可见样本轮廓的图像(胚乳和种胚、背景能明显区分),利用阈值分割算法进行灰度图像处理,分别提取胚乳、种胚的光谱及坐标信息保存为二维矩阵S1,S2,P1,P2,其中胚乳光谱矩阵为S1=[s11,s12,s13,...,s1i],i=281,S1i代表某个坐标点的光谱,胚乳坐标信息矩阵为P1[mi*ni],m=[m1,m2,m3,...,mi],n=[n1,n2,n3,...,ni],种胚光谱矩阵为S2=[s21,s22,s23,...,s2i],S2i代表某个坐标点的光谱,种胚坐标信息矩阵为P2[ki*li],k=[k1,k2,k3,...,ki],l=[l1,l2,l3,...,li]。
3-4)选取步骤3-2)中281个灰度图像中清晰可见样本轮廓的图像(纯物质压片样本与背景明显区分),利用阈值分割算法进行灰度图像处理,提取淀粉纯物质压片样本各坐标点的位置及光谱信息,光谱取平均后组成一维矩阵C=[c1,c2,c3,...,ci],坐标信息保存为矩阵Q[wi*vi],w=[w1,w2,w3,...,wi],v=[v1,v2,v3,...,vi];
步骤4,相关系数计算:利用相关系数公式计算玉米种子样本的太赫兹吸光度谱与淀粉纯物质样本的太赫兹吸光度谱间的相关程度
相关系数分析是以相关系数来衡量两个变量因素的相关密切程度。本例以淀粉纯物质平均光谱为标准,计算种胚、胚乳光谱与此标准光谱的相关系数。相关系数计算如公式(3)所示
本例中,x,y分别为玉米种子测试样本光谱和淀粉纯物质标准品光谱,,分别为玉米种子测试样本平均光谱和淀粉纯物质样本平均光谱,n为光谱维度,i∈n。相关系数r的取值范围在0-1之间,其大小可以反映出各坐标点光谱与淀粉标准光谱的相关程度,r>0.8时,反映出该坐标点处光谱与淀粉光谱存在强相关性,统计r>0.8的坐标点数量即可反映出淀粉分布的大致位置以及变化程度;r越小,光谱相似度越低。
步骤5:相关系数可视化:利用相关系数值及种胚、胚乳各个坐标点的位置信息进行可视化表征;
5-1)对于步骤4计算得到的相关系数值结合步骤3-1)中种胚、胚乳坐标信息绘制相关系数可视化热力图,并根据相关系数值的范围划分色阶,其中相关系数为1则说明该坐标处样本光谱与淀粉光谱强相关,颜色显示为红色,相关系数为0则说明样本光谱与淀粉光谱无相关性,颜色显示为蓝色。通过该步骤可以获得不同老化程度下每个样本全谱范围内的相关系数可视化热力图。
5-2)步骤5-1)得到全谱范围内的可视化热力图无法根据相关系数值的分布进行进一步分析,同时由于在67.36cm-1后光谱存在严重噪声干扰导致灰度图像无法清晰显示玉米轮廓,因此考虑截取0-67.36cm-1(1-71光谱点)内的光谱进行相关系数计算,得到在特征光谱范围内的可视化热力图。
5-3)步骤5-2)得到的特征光谱范围内的相关系数可视化热力图,在胚乳和种胚区域的相关系数分布存在一定区分度,但光谱范围较大导致运行复杂度高,为了进一步筛选出具有更高相关性、更有代表性的特征波段,考虑利用移动窗口相关系数法可视化,初始窗口宽度为20,即1-21个光谱点,步长为10,最终分别对1-21,11-31,21-41,31-51,41-61,51-71六个窗口下的玉米种子-淀粉纯物质相关系数值进行可视化,得到六个窗口下的不同老化程度的样本相关系数可视化热力图,如图3所示。
步骤6,统计坐标点占比:淀粉在胚乳和种胚成分含量和分布均不同,为了明确成分分布变化规律,根据相关系数热力图进行坐标点数量统计,统计坐标点占比如公式(4)所示:
6-1)统计胚乳所有坐标点的个数及相关系数>0.8的坐标点个数;
6-2)统计种胚所有坐标点的个数及相关系数>0.8的坐标点个数;
6-3)统计整粒种子所有坐标点的个数及相关系数>0.8的坐标点个数。
对上述坐标点占比通过绘制折线图进行分析,如图4所示,通过分别观察图(a)、图(b)、图(c)的纵坐标可以发现,相关系数>0.8的坐标点主要分布在胚乳,如图(b)所示,也证明了淀粉主要分布在胚乳部分;如图(a)、图(b)所示,相关系数>0.8的坐标占整体比及占胚乳比在不同老化程度变化趋势基本一致,表明玉米籽粒中胚乳淀粉的变化占据了整体变化的主要因素,结合实际情况初步判断玉米种子淀粉的特征波段处于9.62-57.74cm-1范围内,与纯物质淀粉吸光度特征波段位置基本一致(50-60cm-1之间);如图(c)所示,难以探究种胚成分变化规律可能是由于种胚中几乎不存在淀粉。通过上述步骤即可获得不同老化程度玉米种子中淀粉分布的位置以及变化情况。
最后需要注意的是,公布实施例的目的在于帮助进一步理解本发明,但是本领域的技术人员可以理解:在不脱离本发明及所附的权利要求的精神和范围内,各种替换和修改都是可能的。因此,本发明不应局限于实施例所公开的内容,本发明要求保护的范围以权利要求书界定的范围为准。
Claims (5)
1.一种玉米种子成分检测方法,具体步骤如下:
步骤1)制备不同老化程度的玉米种子样本及淀粉纯物质样本;
步骤2)利用太赫兹时域光谱仪及反射成像系统采集步骤1)中玉米种子样本及淀粉纯物质样本的吸光度谱数据;
步骤3)对上述吸光度谱进行数据处理,分别提取胚乳和种胚区域内各坐标点位置及光谱信息;
3-1)对玉米种子样本的太赫兹吸光度谱数据整合得到不同光谱点下的灰度图像;
3-2)对淀粉纯物质样本的太赫兹吸光度谱数据整合得到不同光谱点下的灰度图像;
3-3)选取步骤3-1)中灰度图像中清晰可见样本轮廓的图像,利用阈值分割算法进行灰度图像处理,分别提取胚乳、种胚区域内各坐标点的位置及光谱信息保存为二维矩阵S1、S2、P1、P2,其中胚乳光谱矩阵为S1=[s11,s12,s13,...,s1i],S1i代表某个坐标点的光谱,胚乳坐标信息矩阵为P1[mi*ni],m=[m1,m2,m3,...,mi],n=[n1,n2,n3,...,ni],种胚光谱矩阵为S2=[s21,s22,s23,...,s2i],S2i代表某个坐标点的光谱,种胚坐标信息矩阵为P2[ki*li],k=[k1,k2,k3,...,ki],l=[l1,l2,l3,...,li];
3-4)选取步骤3-2)中灰度图像中清晰可见样本轮廓的图像,利用阈值分割算法进行灰度图像处理,提取淀粉纯物质压片样本各坐标点的位置及光谱信息,光谱取平均后组成一维矩阵C=[c1,c2,c3,...,ci],坐标信息保存为矩阵Q[wi*vi],w=[w1,w2,w3,...,wi],v=[v1,v2,v3,...,vi];
步骤4)计算种胚、胚乳光谱与淀粉纯物质光谱的相关系数,相关系数计算如式(1)所示:
x,y分别为玉米种子测试样本光谱和淀粉纯物质样本光谱,分别为玉米种子测试样本平均光谱和淀粉纯物质样本平均光谱,n为光谱维度,i∈n,相关系数r的取值范围在0-1之间;
步骤5)利用相关系数值及胚乳和种胚区域内各坐标点位置信息进行可视化表征,获得不同老化程度下每个玉米种子样本的相关系数可视化热力图;
步骤6)根据相关系数可视化热力图进行坐标点数量统计,统计坐标点占比,如式(2)所示:
即可获得玉米种子中淀粉分布的位置及不同老化程度下的变化情况。
2.如权利要求1所述一种玉米种子成分检测方法,其特征在于,步骤1)具体为,采用人工老化方式将玉米种子样本分批老化0、18、36、54、72小时制备不同老化程度的种子样本,同时将玉米淀粉进行压片制备淀粉纯物质样本。
3.如权利要求1所述一种玉米种子成分检测方法,其特征在于,步骤2)具体为:
2-1)将待测玉米种子样本置于反射成像系统中心位置,逐点扫描得到的太赫兹吸光度谱三维时空数据集;每个波数下都有坐标点,每个坐标点的光谱范围为0-269.5cm-1;
2-2)将淀粉纯物质样本置于反射成像系统中心位置,逐点扫描得到的太赫兹吸光度谱三维时空数据集,每个波数下都有坐标点,每个坐标点的光谱范围为0-269.5cm-1。
4.如权利要求1所述一种玉米种子成分检测方法,其特征在于,步骤5)具体为:
5-1)绘制相关系数可视化热力图,并根据相关系数值的范围划分色阶,其中相关系数为1则说明该坐标点处样本光谱与淀粉纯物质光谱强相关,颜色显示为红色,相关系数为0则说明样本光谱与淀粉光谱无相关性,颜色显示为蓝色;
5-2)截取0-67.36cm-1范围内特征光谱进行相关系数计算,得到在特征光谱范围内的可视化热力图;
5-3)针对步骤5-2)得到的相关系数可视化热力图,初始窗口宽度为20,即1-21个光谱点,步长为10,最终得到1-21,11-31,21-41,31-51,41-61,51-71六个窗口下不同老化程度的样本相关系数可视化热力图。
5.如权利要求1所述一种玉米种子成分检测方法,其特征在于,步骤6)具体为:
6-1)统计种子的胚乳所有坐标点的个数及相关系数>0.8的坐标点个数;
6-2)统计种胚所有坐标点的个数及相关系数>0.8的坐标点个数;
6-3)统计整粒种子所有坐标点的个数及相关系数>0.8的坐标点个数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111246943.9A CN113916827B (zh) | 2021-10-26 | 2021-10-26 | 一种基于太赫兹光谱相关系数分析的玉米种子成分检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111246943.9A CN113916827B (zh) | 2021-10-26 | 2021-10-26 | 一种基于太赫兹光谱相关系数分析的玉米种子成分检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113916827A CN113916827A (zh) | 2022-01-11 |
CN113916827B true CN113916827B (zh) | 2023-08-29 |
Family
ID=79242803
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111246943.9A Active CN113916827B (zh) | 2021-10-26 | 2021-10-26 | 一种基于太赫兹光谱相关系数分析的玉米种子成分检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113916827B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104849233A (zh) * | 2015-05-13 | 2015-08-19 | 河南工业大学 | 一种检测谷物新陈度的方法及装置 |
WO2019174572A1 (zh) * | 2018-03-12 | 2019-09-19 | 浙江大学 | 一种利用种胚谱图特征波段识别谷物种子冻伤情况的方法 |
WO2019179251A1 (zh) * | 2018-03-20 | 2019-09-26 | 深圳市太赫兹科技创新研究院有限公司 | 基于太赫兹波检测大米的方法及系统 |
CN110715918A (zh) * | 2019-10-14 | 2020-01-21 | 北京农业智能装备技术研究中心 | 单籽粒玉米淀粉含量拉曼高光谱分级方法 |
CN113049526A (zh) * | 2021-03-17 | 2021-06-29 | 北京工商大学 | 一种基于太赫兹衰减全反射的玉米种子水分含量测定方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015172570A (ja) * | 2014-02-22 | 2015-10-01 | キヤノン株式会社 | 測定装置、および測定方法 |
-
2021
- 2021-10-26 CN CN202111246943.9A patent/CN113916827B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104849233A (zh) * | 2015-05-13 | 2015-08-19 | 河南工业大学 | 一种检测谷物新陈度的方法及装置 |
WO2019174572A1 (zh) * | 2018-03-12 | 2019-09-19 | 浙江大学 | 一种利用种胚谱图特征波段识别谷物种子冻伤情况的方法 |
WO2019179251A1 (zh) * | 2018-03-20 | 2019-09-26 | 深圳市太赫兹科技创新研究院有限公司 | 基于太赫兹波检测大米的方法及系统 |
CN110715918A (zh) * | 2019-10-14 | 2020-01-21 | 北京农业智能装备技术研究中心 | 单籽粒玉米淀粉含量拉曼高光谱分级方法 |
CN113049526A (zh) * | 2021-03-17 | 2021-06-29 | 北京工商大学 | 一种基于太赫兹衰减全反射的玉米种子水分含量测定方法 |
Non-Patent Citations (1)
Title |
---|
太赫兹成像技术对玉米种子的鉴定和识别;逯美红;沈京玲;郭景伦;张存林;;光学技术(第03期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113916827A (zh) | 2022-01-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Mahajan et al. | Image acquisition techniques for assessment of legume quality | |
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 | |
Martinsen et al. | Measuring soluble solids distribution in kiwifruit using near-infrared imaging spectroscopy | |
ElMasry et al. | Image analysis operations applied to hyperspectral images for non-invasive sensing of food quality–a comprehensive review | |
Jay et al. | Retrieving LAI, chlorophyll and nitrogen contents in sugar beet crops from multi-angular optical remote sensing: Comparison of vegetation indices and PROSAIL inversion for field phenotyping | |
Boelt et al. | Multispectral imaging–a new tool in seed quality assessment? | |
Cubero et al. | Advances in machine vision applications for automatic inspection and quality evaluation of fruits and vegetables | |
Barbin et al. | Near-infrared hyperspectral imaging for grading and classification of pork | |
Yu et al. | Identification of crack features in fresh jujube using Vis/NIR hyperspectral imaging combined with image processing | |
Thybo et al. | Prediction of sensory texture quality attributes of cooked potatoes by NMR-imaging (MRI) of raw potatoes in combination with different image analysis methods | |
Bensaeed et al. | Oil palm fruit grading using a hyperspectral device and machine learning algorithm | |
Dell'Aquila | Development of novel techniques in conditioning, testing and sorting seed physiological quality | |
Tan et al. | The feasibility of early detection and grading of apple bruises using hyperspectral imaging | |
Kuchekar et al. | Rice grain quality grading using digital image processing techniques | |
CN110715918B (zh) | 单籽粒玉米淀粉含量拉曼高光谱分级方法 | |
CN111767863A (zh) | 一种基于近地高光谱技术冬小麦赤霉病遥感识别方法 | |
CN113916827B (zh) | 一种基于太赫兹光谱相关系数分析的玉米种子成分检测方法 | |
Monteiro et al. | Image processing to identify damage to soybean seeds | |
Khan et al. | Unsupervised adulterated red-chili pepper content transformation for hyperspectral classification | |
Liao et al. | Rapeseed Storage Quality Detection Using Hyperspectral Image Technology-An Application for Future Smart Cities | |
Zhang et al. | Analysis of moisture and total sugar content of Huizao based on surface images | |
Silva et al. | X-ray, multispectral and chlorophyll fluorescence images: innovative methods for evaluating the physiological potential of rice seeds | |
Kampmann et al. | Using colour image analysis for quantitative assessment of powdery mildew on cucumber | |
França-Silva et al. | Advances in imaging technologies for soybean seed analysis | |
Zou et al. | Identification of peanut storage period based on hyperspectral imaging technology |
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 |