基于卷积神经网络的茶鲜叶主要内含物的光谱快速检测方法

儿茶素和咖啡碱是茶叶品质的重要评价指标，为了探索深度卷积神经网络(CNN)结合可见近红外光谱(Vis/NIR)用于茶叶儿茶素和咖啡碱无损快速检测的可行性，本研究通过高效液相色谱来测定茶叶中的儿茶素和咖啡碱含量，并与样本的光谱信息建立对应关系；采用回归分析和CNN建模构建了光谱与茶叶内含物的定量关系；采用竞争自适应重加权采样(CARS)和连续投影算法(SPA)选择特征波长，用于开发基于这些特征波长的简单模型。结果表明:4种儿茶素和咖啡碱含量从第1叶位到第6叶位呈现出逐渐降低的趋势；提取特征波长不仅减少了光谱变量数，还获得了比全谱更优或接近的模型性能；CNN在回归分析和特征提取中均表现出良好的性能，预测儿茶素和咖啡碱最优模型的决定系数(R²)和残余预测偏差(RPD)分别达到了0.93和3.28以上。因此，卷积神经网络结合可见近红外光谱可以对儿茶素和咖啡碱的含量进行快速无损检测。     

基于近红外光谱技术苹果尺寸差异对糖度模型适用性的影响

为消除水果自身尺寸差异对其糖度预测模型的不利影响，进一步提高水果分选模型精度，应用近红外光谱在线检测装置采集不同果径苹果的近红外光谱，对光谱进行多种预处理后，分别建立苹果可溶性固形物的偏最小二乘法模型，再用苹果果径75~85 mm组中的建模集预测苹果果径分别为65~75、85~95 mm组中的预测集样品，最后用果径组65~75、75~85、85~95 mm中的建模集和预测集，分别作为混合苹果尺寸糖度预测模型的建模集和预测集，并利用特征光谱选择算法对模型进行简化，建立苹果糖度通用预测模型。结果显示：与建模集和预测集果径不同时所建立的苹果糖度预测模型最优组相比，其相关系数R_p由0.805提高至0.943，预测集均方根误差值RMSEP由0.778减小至0.480，RPD由0.96增加至3.05，再对建立的通用模型进行简化，可以降低苹果尺寸对苹果糖度模型的影响，提高模型预测性能。     

融合光谱反射率与时频特征的坡垒叶绿素含量估测模型研究

【目的】研究估测坡垒叶绿素含量的高光谱模型，探讨融合光谱反射率与时频特征估测叶绿素含量的可行性，为坡垒叶绿素含量的快速无损检测提供参考。【方法】以2年生坡垒为研究对象，设置N0（0 kg/hm²）、N1（35 kg/hm²）、N2（70 kg/hm²）3个氮肥水平，测定不同氮肥水平下坡垒冠层叶绿素含量和光谱曲线，采用离散傅里叶变换（DFT）和短时傅里叶变换（STFT）方法提取光谱时频特征，采用偏最小二乘回归（PLSR）算法,构建基于光谱反射率、时频特征及其二者融合特征的不同氮水平的分区模型以及全氮肥水平下的综合模型，估测不同氮肥水平下坡垒叶绿素含量，并以决定系数（R²）、平均绝对百分比误差（MAPE）、相对均方根误差（RRMSE）作为评价指标比较各模型精度，确定最优估测模型。【结果】（1）不同叶绿素含量下坡垒冠层光谱反射特征的整体变化趋势相似，在可见光波段（380~750 nm）内，光谱反射率随着叶绿素含量的增加而降低。（2）在构建的分区模型中，基于光谱反射率和时频特征构建的模型均能较好地估测坡垒叶绿素含量，检验R²分别为0.626~0.816，0.662~0.797，检验MAPE分别为4.966％~9.269％，6.029％~8.181％，检验RRMSE分别为6.827％~11.593％，8.247％~9.792％；基于融合光谱反射率与时频特征（融合特征）构建的分区模型检验R²为0.913~0.951，检验MAPE和RRMSE均低于10％。（3）在构建的综合模型中，当引入哑变量时，基于融合光谱反射率与时频特征（融合特征）构建模型的检验R²为0.814，MAPE和RRMSE分别为7.212％和8.578%，二者较基于光谱反射率构建的模型分别降低了37％和36％，较基于时频特征构建的模型分别降低了47％和45％。【结论】基于融合光谱反射率和时频特征（融合特征）构建的模型能够提高坡垒叶绿素含量估测的精度，对于不同氮肥水平下坡垒叶绿素含量有较好的估测效果，可作为估测坡垒叶绿素含量的优选方法。     

基于无人机遥感的果园冠层氮素估算及空间分析

为快速准确地获取植株冠层氮素含量及空间分布特征，对大尺度的果园进行精准动态的管理，以宽行窄株小冠模式、宽行窄株篱壁模式和传统栽培模式3种栽培模式的120棵柑橘树为研究对象，通过测定冠层氮素含量并提取无人机遥感影像多光谱数据中的纹理指数和植被指数，运用随机森林算法（RF）建立基于植被指数、纹理指数以及融合植被指数和纹理指数的柑橘冠层氮素反演模型，并比较融合植被指数和纹理指数的支持向量机（SVM）、BP神经网络算法（BP）和RF的模型反演精度。结果显示：在随机森林算法中，融合植被指数和纹理指数比单独的植被指数或纹理指数更能准确预测柑橘冠层氮素含量；植被指数训练集R²为0.710，测试集R²为0.430；纹理指数训练集R²为0.761，测试集R²为0.349；融合植被指数和纹理指数训练集R²为0.775，测试集R²为0.533。融合植被指数和纹理指数在SVM算法训练集R²为0.511，测试集R²为0.371；BP神经网络训练集R²为0.651，测试集R²为0.204。用融合植被指数和纹理指数的RF模型对3种栽培模式的柑橘园进行氮素反演，得到宽行窄株小冠模式的柑橘冠层平均氮素含量最高，其次为宽行窄株篱壁模式，传统栽培模式最低，氮素含量均值分别为31.33、30.20和27.82 mg/g。结合无人机遥感与融合植被指数和纹理指数的随机森林算法能够有效预测柑橘冠层氮素含量，可为大尺度柑橘果园定量施肥提供参考。     

烤烟叶片镉含量高光谱预测模型的构建

为快速准确地获取烟草叶片镉含量,本研究模拟了4个镉污染水平,用美国ASD光谱仪获取每个污染水平的烟草叶片光谱反射率,并测定不同时期烟草叶片的镉含量,筛选出与镉含量相关性最好的敏感波段,并建立光谱参数,将光谱参数作为输入因子建立烟草叶片镉含量的BP神经网络模型。结果表明：随着镉含量增加,在可见光和近红外范围（400~910 nm）内反射率先降低后增加,在930~1 000 nm波段范围内,叶片反射率与烟叶中镉含量呈正相关,在1 000~2 500 nm波段范围内反射率先增加后降低。经筛选,比值植被指数（RVI）和归一化植被指数（NDVI）的光谱指数分别为RVI （520,710）和NDVI （530,710）; BP神经网络模型的决定系数（R²）为0.681,均方根误差（RMSE）为8.001,并对模型进行检验,R²为0.801,RMSE为4.430。研究表明,BP神经网络模型对烟草叶片镉含量具有良好的预测效果。     

火炬松针叶儿茶素含量近红外预测模型的建立

【目的】建立火炬松针叶儿茶素含量近红外预测模型,为选育高生物活性成分火炬松良种奠定基础。【方法】以102个火炬松单株的针叶为试验材料,利用液相色谱 质谱联用技术（LC-MS）测定其儿茶素含量。使用近红外成分分析仪采集样品的近红外光谱信息,对采集的光谱信息采用不同的方式（一阶导数（FD）、标准正态变量转换法(SNV)、平滑算法、乘积分散校正法（MSC）和标准化预处理以及FD+SNV、MSC+FD）进行预处理,结合偏最小二乘法建立回归模型,比较不同预处理方法建立的回归模型参数,选择最佳光谱预处理方法,建立火炬松针叶儿茶素含量近红外预测模型,并对模型的预测准确性进行验证。【结果】FD+SNV为最佳的近红外光谱信息预处理方法;建立了火炬松针叶儿茶素含量的近红外预测模型,该模型的主成分数为14,校正集相关系数（R_C）为0.969 6,校正集均方根误差（RMSE_C）为1.308 4,交互验证集相关系数（R_V）为0.817 1,交互验证集均方根误差（RMSE_V）为3.105 2。经过外部验证,验证集火炬松针叶样品的儿茶素含量实测值与预测值有显著相关性（R=0.880 7）。【结论】建立了火炬松针叶儿茶素含量近红外预测模型,该模型可以准确、高效地预测火炬松针叶的儿茶素含量。     

基于样品复配的奶牛场粪水近红外光谱氮磷速测模型构建

为提高样品代表性,构建近红外光谱的理想校正模型,实现对奶牛场粪水氮磷含量的速测,本研究基于粪水运移过程代表性暴露位点的原始样品,按照不同比例进行样品复配,填补现场不易采集到的"黑箱"位点样品,运用偏最小二乘法构建了基于最优光谱预处理方法的原样模型、复配模型和融合模型。结果表明:相比原始样品,原样+复配样品总氮、总磷的变异系数分别降低了0.103、0.107,提升了浓度分布均匀性,丰富了粪水光谱信息。相比原样模型,融合模型总氮和总磷的决定系数(R²_pred)分别提升了0.049和0.061,相对分析误差(RPD)分别提升了1.547和0.176。相比复配模型,融合模型总氮和总磷的R²_pred分别提升了0.026和0.022,RPD分别提升了0.470和0.052。验证结果表明,总氮和总磷模型的R²_pred分别为0.903和0.878、RPD分别为2.916和2.508。研究表明,样品复配的方法可有效提高校正集样品的代表性,提升模型预测性能,为还田前粪水养分的快速定量提供技术支撑。     

基于土壤优化光谱参数估测太湖地区土壤全氮含量

为明确太湖地区土壤全氮的高光谱特征，构建定量分析模型，以江苏省无锡市滨湖区为研究区域，选取地理位置跨度大、土壤质地相似的93个样品，进行土壤风干样品全氮含量测定和光谱数据采集，对光谱反射率进行一阶微分，运用相关系数峰谷值法筛选敏感波长，将敏感波长两两结合进行土壤调节光谱指数（MSASI）运算。将两两结合后敏感波段分别采用多元线性回归分析、人工神经网络分析和偏最小二乘法构建土壤全氮含量的定量高光谱分析模型。结果表明，研究区内土壤全氮含量与光谱反射率呈正相关，敏感波段包括420~444 nm和480~537 nm。基于土壤调节光谱指数的多元线性回归分析对敏感波段诊断的效果最佳（R²=0.98、RMSE=0.04），其精度高、可靠性强，是筛选出的最佳土壤全氮含量估测模型。偏最小二乘法模型（R²=0.70、RMSE=0.13）次之，而人工神经网络模型（R²=0.69、RMSE=0.15）精度最低。该研究结果为太湖地区土壤全氮水平的高光谱快速估测提供了方法借鉴，可为土壤养分精准管理提供技术参考。     

基于高光谱成像技术和力学参数对贡梨冲击损伤的定量研究

为实现准确评估和预测贡梨的冲击损伤，采用波长为397.5~1 014.0 nm的高光谱成像技术与力学参数相结合对贡梨的冲击损伤进行定量研究。利用基于单摆原理的碰撞装置以及智能数据采集系统获得峰值力、平均接触力、损伤面积和平均压强等力学参数，并对力学参数进行统计分析。利用高光谱成像系统获得损伤贡梨的光谱数据。使用Gap-segment求导、SG求导和基线校准(Baseline)3种光谱预处理方法对原始光谱进行预处理，将光谱数据与力学参数相结合分别建立偏最小二乘回归(Partial least squares regression，PLSR)和主成分回归(Principal component regression，PCR)模型。基于基线校准(Baseline)预处理方法，采用竞争性自适应重加权(Competitive adaptive reweighting sampling，CARS)和无信息变量消除(Uninformative variable elimination，UVE)2种算法进行特征波长的选取，将选取的特征波长作为输入变量并结合力学参数建立PLSR模型。力学参数统计分析和建模的结果表明:1)力学参数在一定程度上可以表征贡梨冲击损伤程度。力学参数的平均值随损伤程度的增加而增大，峰值力平均值从138.40 N增大至335.86 N；平均接触力平均值从77.13 N增大至188.20 N；损伤面积平均值从208.07 mm²增大至544.42 mm²；平均压强平均值从0.34 MPa增大至0.42 MPa。2)Baseline-CARS-PLSR模型对力学参数的预测效果最优，其峰值力、平均接触力、损伤面积和平均压强的预测集相关系数(R_P)和预测集均方根误差(RMSEP)分别为0.892和31.527 N、0.883和18.861 N、0.895和54.411 mm²、0.661和0.045 MPa。通过高光谱成像技术与力学参数相结合对贡梨冲击损伤进行定量预测具有一定的可行性，可为贡梨的品质分选及包装方面提供理论支持。     

基于高光谱的水浇地与旱地春小麦拔节期叶绿素含量估测模型对比研究

测定拔节期水浇地与旱地春小麦冠层光谱、叶绿素含量、覆盖度、苗高和叶宽,采用回归分析方法建立春小麦叶绿素含量高光谱估测模型,并对模型精度进行检验。结果表明: 阳坡和双面坡地春小麦拔节期叶绿素含量与原始光谱反射率在可见光和近红外波段均呈正相关,水浇地和阴坡地在723 nm以前相关系数为负,723 nm以后为正。各地类春小麦叶绿素含量与各高光谱变量的相关性均较好,均达到了极显著水平(P<0.01)。无论在可见光还是近红外波段,水浇地春小麦叶绿素含量均与倒数之对数lg(1/R)的相关性最好,相关系数最大值可达0.98;阴坡地则与一阶微分的相关性最好,最大为0.94;而与阳坡和双面坡地相关性最好的高光谱指数为归一化植被指数。在 各个波段,倒数之对数模型lg(1/R)、一阶微分模型(p′)和归一化植被指数模型(N)分别是估测水浇地、阴坡地、阳坡和双面坡地春小麦叶绿素含量的最佳模型。虽然各模型R²均超过0.90,精确度均大于0.91,但阴坡地、阳坡和双面坡地的模型精确度和准确度略低于水浇地。以上模型的建立可为今后估测水浇地与旱地春小麦的健康状况提供参考。     

稻曲在稻穗上的分布特点研究

为研究稻曲在稻穗及稻穗小枝梗上的分布特点,对2010年早稻稻曲病发病稻田收集的180份病穗进行统计分析。结果显示,在180份样本中共有稻曲630粒,其中258粒分布在稻穗下部,占40.95%,中部306粒,占48.57%,上部66粒,占10.48%,稻曲主要分布在稻穗中、下部;稻曲在稻穗上的分布特点是随着病害加重,分布于稻穗下部的稻曲所占比例逐渐减少,中部稻曲所占比例逐渐增多,而上部稻曲所占比例在各个病级稻穗上变化不大,稻曲在小枝梗上的分布无明显规律性。     

水稻与菰杂交后代稳定品系的过氧化物酶同工酶分析

通过对水稻松前与菰的杂交后代１９个稳定品系及其亲本的过氧化物酶同工酶分析表明,稳定品系的过氧化物酶同工酶酶谱,以母本酶带为基础,主要表现为五种类型：互补型,新增酶带型,互补兼新增酶带型,母本型,母本酶带缺失型,这表明,在高世代稳定品系可能仍有菰的基因存在并表达。     

浅析大米加工的碎米控制技术

对大米加工过程中碎米产生的原因和控制技术进行探讨,从提高原料品质、合理调整工艺参数和加强技术管理等方面提出控制大米加工过程中碎米产生的技术措施。     

稻米蛋白组分含量的品种差异及其与米质的关系

在相同栽培条件下种植45个水稻品种(系),分析其谷蛋白、醇溶蛋白、清蛋白、球蛋白等4种蛋白质含量和总蛋白含量,及其与糙米率、精米率、整精米率、精米长与长宽比、垩白粒率、垩白度、碱消值、胶稠度、直链淀粉含量等米质性状指标的关系,获得了如下主要研究结果:1)不同水稻品种(系)的4种蛋白质含量中,谷蛋白的含量最高,其绝对含量平均值为7.84%,相对含量平均值为78.04%,约占总蛋白含量的80%,醇溶蛋白、清蛋白和球蛋白的含量分别占总蛋白含量的10.58%、8.17%和2.76%。2)不同水稻品种(系)的4种蛋白质含量存在明显的品种(系)间差异,蛋白质含量的变异系数从大到小依次为球蛋白、醇溶蛋白、清蛋白、谷蛋白。3)总蛋白含量与谷蛋白含量、醇溶蛋白含量、清蛋白含量均呈极显著正相关,其相关系数分别为0.93、0.60和0.55,总蛋白含量与球蛋白含量呈显著正相关,其相关系数为0.32;不同水稻品种(系)的谷蛋白含量除了与醇溶蛋白含量呈显著正相关(r=0.34)外,与其余各蛋白质含量的相关关系均无统计学意义;醇溶蛋白含量与清蛋白含量呈极显著正相关(r=0.71),与球蛋白含量呈显著正相关(r=029);清蛋白含量与球蛋白含量呈极显著正相关(r=0.44)。4)不同水稻品种(系)的谷蛋白、醇溶蛋白含量对米质性状的影响比较大,而清蛋白、球蛋白含量对各米质性状的影响不大;不同水稻品种谷蛋白含量与垩白粒率、垩白度均呈极显著负相关(相关系数分别为–0.50和–0.47),稻米醇溶蛋白含量与精米率、整精米率均呈极显著正相关(相关系数分别为0.40和0.58)。     

杂草稻与栽培稻形态特征区别研究

近年来,杂草稻在稻田呈蔓延趋势,稻田中杂草稻的大量存在对栽培稻产量及品质造成危害,进而造成严重经济损失.为指导农民区分杂草稻与栽培稻并及时防治,文章对杂草稻的形态特征进行研究.结果表明,杂草稻不完全叶长于松粳系列品种的栽培稻,与龙稻系列和东农系列的栽培稻无差异;有叶舌、叶耳及叶毛,与栽培稻无差异;杂草稻有芒,呈褐色、黄色、紫色,长26~79 mm,栽培稻无芒或芒很短;杂草稻的颖壳色有褐色、稻草色、黄带黑斑等多种颜色,栽培稻的颖壳呈黄色;千粒重较栽培稻轻     

广东水稻地方品种稻米品质分析

利用Microsoft Excel、DPS、SPSS软件,对部分气候因子跟稻米品质性状进行相关性分析;对广东地方稻种资源的9个品质性状进行了多元相关系数、聚类分析,并初步将品种分为7个类别.其分析结果可为挖掘和利用优异资源、优质稻育种研究、生产等领域提供参考依据.     

中国栽培稻的籼粳分化机理再论

综述前人在不同时期对栽培稻起源演化的代表性观点,并结合近年来对稻种籼粳分化机理的研究结果,重点研究了籼粳分化的机理并提出了自然选择与人工选择对籼粳分化的影响作用,其作用有三:一是确定籼粳分化的方向;二是积累和扩大籼粳分化的范围和程度;三是人工选择加上生态环境的自然选择的作用要明显大于单纯的自然选择。其结果可为进一步研究栽培稻的起源与演化和育种提供参考。     

巨胚稻发芽糙米的加工工艺

以福建农林大学作物遗传育种研究所选育的富含γ-氨基丁酸(GABA)的巨胚稻TgeB和非巨胚对照TB糙米为材料,对两者发芽过程中GABA含量变化进行了研究。结果表明,在发芽过程中,巨胚稻和非巨胚稻糙米的GABA含量都呈增长趋势,但巨胚稻GABA含量高于非巨胚稻;巨胚稻GABA含量在催芽45 h时达到最大,含量为617 mg·kg-1。本文还总结得出巨胚稻发芽糙米生产的工艺流程。     

超级稻早造早熟组合株两优819配套栽培技术

株两优819是湖南亚华种业科学院育成的两系杂交早稻早熟组合,2006年通过广西壮族自治区农作物品种审定委员会认定。根据该组合的特征特性,以主要生育阶段的叶龄、日期与对应目标产量450～515kg/667m2的茎蘖动态指标作为主要调控目标,探讨其配套栽培技术。     

中稻—再生稻新组合试验初报

2011年引进9个中稻—再生稻新组合进行对比试验,以Ⅱ优沈98为对照,从产量、穗粒结构、抗逆性等性状进行对比,结果表明：Ⅱ优3301、Ⅱ优沈98、嘉糯I优6号等组合,不但头季稻表现突出,再生季的再生率、产量也表现较优,较适宜长汀县推广;谷优3301、宜优99、宜优673因生育期较短,宜作搭配品种推广;其余需再试种考查。