基于小波神经网络的麦蚜发生量预测研究

以1979—2014年麦蚜历年发生量及气象数据为基础,采用逐步回归法筛选出对麦蚜发生量影响最大的气象因子,以筛选出的气象因子和1979—2009年麦蚜发生量作为训练集建立了小波神经网络预报模型,用该模型对2010—2014年麦蚜发生量进行预测,结果显示,小波神经网络预报模型的预报结果较准确。     

基于偏最小二乘回归的玉米蛋白质含量鉴定

以10 000～4 000 cm-1波段的近红外光谱响应数据和常规生化方法检测的玉米蛋白质含量为样本数据,先对光谱响应数据进行小波去噪处理,并利用平滑技术对其降维,构建基于以光谱响应数据为输入、蛋白质含量为输出的偏最小二乘回归模型.仿真计算结果表明,利用偏最小二乘回归模型,可以较准确地预测玉米蛋白质含量,结合预测表达式回归系数和变量投影重要性指标VIP得到与蛋白质含量相关性较大的若干波段对应的光谱响应数据,模型在一定程度上揭示了蛋白质含量和光谱响应数据之间的数量关系.     

玉米杂交种SSR标记纯度鉴定方法研究

以常规种子贮藏蛋白质电泳技术难以鉴定纯度的4个玉米杂交种、21个自交系和9对玉米SSR位点引物为材料,运用SSR分子标记技术分别筛选出适合这些不同杂交种纯度鉴定的SSR位点引物,建立了一套仪器设备要求相对较低、程序简单、较为快速地利用SSR标记进行玉米杂交种纯度鉴定的技术规程,并对利用SSR标记进行玉米杂交种纯度鉴定的可行性进行了分析。     

基于近红外光谱法的玉米钾营养快速测定研究

本文利用近红外漫反射光谱对玉米叶钾营养含量进行快速测定的研究。以农大265玉米为材料,采用偏最小二乘回归法(PLS)建立玉米叶片中钾含量与光谱数据的校正模型,其决定系数Rc2=0.9783,交叉验证决定系数Rv2=0.9133,交叉验证均方差RMSECV=1.6499,模型因子数Factor=12。结果表明,利用近红外漫反射光谱法快速测定玉米叶片中钾营养含量是可行的,为近红外光谱仪快速测定玉米叶钾含量提供了理论依据。     

基于小波变换和神经网络的可见‐近红外光谱对烟草品种的鉴别

为了实现烟草不同品种的快速光谱鉴别,采用主成分分析法对光谱数据进行聚类分析,并将小波变换用于对大量光谱数据的压缩,同时结合神经网络建立烟草品种鉴别模型.该模型将压缩后的数据作为神经网络的输入,加速了神经网络的训练速度.通过对4个品种的80个烟草样本建立训练模型,并用每个品种5个样本,共20个烟草样本进行预测.结果表明,用该方法对本研究4个品种的烟草鉴别正确率达100%.说明该方法具有很好的分类和鉴别作用,为烟草品种的快速鉴别提供了一种新方法.     

基于小波变换的带状套作玉米叶面积指数光谱估测

【目的】为构建带状套作种植下玉米全生育期叶面积指数光谱估测模型。【方法】基于玉米-大豆带状套作种植模式下的大田玉米氮素试验,测定带状套作玉米不同生育时期的冠层光谱反射率及叶面积指数,比较多种植被指数及小波系数与叶面积指数之间的关系,构建并筛选出最佳叶面积指数估测模型。【结果】带状套作玉米叶面积指数随施氮水平增加而增加,且在各生育时期下差异显著;冠层反射光谱曲线的"绿峰"位置(550 nm)及高反射率平台(760～1 000 nm)反射率在不同施氮水平上差异显著。叶面积指数与冠层光谱反射率在波长范围(400～725 nm、742～1 000 nm)内显著相关(P0.05);叶面积指数与植被指数及小波系数相关性均达到极显著水平(P0.01),其中与自由组合比值植被指数RVI(762,747)相关性最好,相关系数为0.900 4。通过估测模型的构建及筛选,构建了基于db3(750,10)下的小波系数作为光谱变量x的带状套作玉米全生育期叶面积指数估测模型y=-5.84x2+8.417 8x+2.231 1(R2=0.85,RMSE=0.49,RE=19.43%)。【结论】不同施氮水平下玉米冠层光谱和叶面积指数存在差异性,利用高光谱遥感技术可以实现带状套作玉米叶面积指数的实时监测。     

玉米叶片叶绿素含量的高光谱反演模型探究

叶绿素含量是绿色植物生长状态的一个重要指标。首先在实验室采集玉米叶片高光谱数据和测定叶绿素含量,并对光谱数据进行对数一阶微分变换,对比选取建模反演因子。根据选定的反演因子采用线性回归、模糊识别和BP神经网络方法建立了玉米叶片叶绿素含量高光谱反演模型,并计算出模型的精度。结果表明,有较好非线性映射能力的BP神经网络反演模型能够高精度地反演出玉米叶片中的叶绿素含量。BP神经网络模型叶绿素含量预测和实测叶绿素含量的平均绝对误差(e)为1.126,决定系数(R2)为0.902,均方根误差(RMSE)为1.375。玉米叶片叶绿素含量与高光谱数据并非线性关系,BP神经网络反演模型能够较好地运用到叶片叶绿素含量反演中。     

基于连续投影算法与BP神经网络的玉米叶片SPAD值高光谱估算

叶片叶绿素含量是评价作物生长状况的重要指标。为实现玉米叶片叶绿素含量的准确、高效高光谱估测,以玉米大田试验为基础,于7月1日(大喇叭口期)、7月19日(灌浆初期)和8月18日(腊熟期)利用ASD高光谱仪和便携式叶绿素仪(SPAD-502)分别测定了玉米叶片高光谱数据和叶绿素含量相对值SPAD;利用连续投影算法提取出玉米叶片光谱的特征波长,再用BP神经网络构建SPAD值的估算模型,并对模型进行验证。结果表明,3个日期的分段监测模型及统一监测模型的R2分别为0.885,0.900,0.675,0.827;RMSE分别为2.156,2.103,3.236,2.651;7月1日模型、7月19日模型和统一监测模型均具有较高的精度,同时检验模型RPD均大于2,具有很好的预测能力;而8月18日的监测模型表现较差(RPD=1.641),但也达到可用水平。表明利用连续投影算法结合BP神经网络可以进行玉米叶片SPAD值的高光谱估算。     

不同肉色甘薯块根主要营养品质特征与综合评价

【目的】 甘薯(Ipomoea batatas (L.) Lam)是淀粉类块根作物,为中国重要的粮食、饲料和工业加工原料,营养品质分析与评价是甘薯品种选育和综合利用过程的重要环节。因此,通过分析不同肉色甘薯资源主要营养品质,建立适合、高效的中国甘薯营养品质评价方法,探讨甘薯营养品质综合评价中的主要影响因子,为甘薯育种和利用提供基础。【方法】 以中国主栽优质的30份不同肉色甘薯资源为研究对象,采用常规化学分析与近红外光谱技术,测定块根中主要营养品质指标,通过隶属函数转化与因子分析,综合评价甘薯块根营养品质特征。【结果】供试的30份不同肉色甘薯块根中营养品质指标均有一定差异,以胡萝卜素、花青素、黄酮、多酚与果糖等指标含量变异系数大,蛋白质与淀粉等碳水化合物含量差异相对较小;紫肉甘薯材料中Fe、Zn、Mg等矿物质元素、黄酮和多酚等含量多高于白肉与黄肉品系,但其淀粉率较白肉与黄肉品系偏低。相关分析表明,块根各营养品质组分既相互独立又关系复杂,多数营养品质指标间有一定相关性。品质指标转化数据经因子分析,被提取的前8个公共因子累积方差贡献率达92.36%,前8个公共因子对16个指标变量的贡献范围为0.83-0.98,甘薯营养品质指标可划为功能物质因子、碳水化合物因子与营养品质辅助因子,它们的方差贡献率和权重分别为33.34%、38.7%、20.32%和0.36、0.42、0.17,该结果表明,利用因子分析可将相同或类似本质的多个甘薯营养品质变量归入一个具有代表性的因子,减少分析变量数目。根据各因子隶属函数值、权重的确定,以计算出综合评价值的大小反映供试材料营养品质综合评价高低,结果表明,不同肉色甘薯品种（系）营养品质综合评价差异达显著水平（P＜0.05）,主要表现为紫肉型＞黄肉型＞白肉型,紫肉型甘薯品种（系）受其功能物质因子的影响,其营养品质综合评价明显高于其它类型,表明甘薯块根中黄酮类、多酚类、花青素、胡萝卜素等物质组分对其营养品质综合评价的贡献高,可作为衡量甘薯块根营养品质综合评价优劣重要指标,而干基条件下含量差异不明显的蛋白质与淀粉等甘薯块根营养基本组成因子,在综合评价中贡献较小。【结论】 不同肉色甘薯块根重要营养品质特征存在一定差异;不同肉色甘薯品种（系）营养品质综合评价差异明显,主要表现为紫肉型块根＞黄肉型块根＞白肉型块根,影响甘薯营养品质综合评价的关键因子依次是功能性物质因子、碳水化合物因子与营养品质辅助因子。     

基于电子鼻技术的玉米气味品质检测研究

为探索玉米品质的快速检测方法,利用由10个气敏传感器组成阵列的电子鼻系统对6个品质不同的玉米挥发性气味进行了检测分析,并将10个传感器对不同品质玉米的响应进行了方差分析。结果表明,10个传感器对品质不同的玉米响应差异显著,多重比较显示存在3个冗余传感器。去掉3个冗余传感器后对电子鼻检测信号进行主成分分析,结果显示6个品质不同的玉米能被很好的区分。采用BP神经网络建立传感器信号和玉米菌落总数之间的预测模型。通过测试集对BP网络模型进行验证得到菌落总数的预测值和测试值的相关系数为0.93,预测平均相对误差为2.44%、最大相对误差为15.82%。     

临夏极早熟玉米适应性试验

为了快速准确鉴定筛选出适宜临夏春、夏播玉米区高产、稳产、多抗、优质、早熟、普通玉米新优良品种,和筛选适应临夏地区不同生态类型和新型市场需求的新品种,积极引进适合临夏地区品质优良的高产品种,充分发挥品种的增产效应。     

基于PCA-WNN的玉米叶片叶绿素含量遥感反演建模方法

为寻找一种准确、非破坏性的叶绿素含量获取方法,实时掌握作物的生理状况,研究一种基于PCAWNN的玉米叶片叶绿素含量遥感反演模型。利用SVC HR-1024I光谱仪采集盆栽玉米叶片光谱,同时用SPAD-502便携式叶绿素计测定叶绿素含量。从包络线去除、微分处理后的光谱曲线中提取7个光谱特征参数(SCPs)并与修改型土壤调节植被指数(MSAVI)、归一化差值植被指数(NDVI)、修正植被指数(MVI)、比值植被指数(RVI)、差值植被指数(DVI)5种植被指数分别结合主成分分析(PCA),并提取前4个主分量作为小波神经网络(WNN)的输入因子,以Morlet母小波基函数作为激励函数,建立隐含层节点数为3的PCAWNN模型反演玉米叶片叶绿素含量。通过精度检验,表明7个SCPs与MSAVI组合的建模精度最高,验证小波神经网络反演玉米叶绿素含量的可行性以及其预测精度比BP神经网络更好。     

7个青贮玉米品种在农牧交错区的生长特征及品质研究

通过比较不同青贮玉米品种干物质含量和营养品质指标,筛选出适合陕北农牧交错区种植的品种。在田间条件下,采用随机区组试验对7个青贮玉米品种的地上生物量和营养品质指标进行对比研究。结果表明:科多4号地上生物量和蛋白质含量显著高于其他青贮玉米品种,且科多4号品种的相对饲喂价值达159%。结果表明,科多4号品种具有在陕北农牧交错区进行推广种植的优势。     

应用近红外光谱和小波网络构建的木材基本密度预测模型

以柞木为研究对象,将120个样本以2∶1的比例分为校正集和预测集,80个校正集,40个预测集;使用900~1 700 nm的近红外光谱仪,获取样本径切面的近红外光谱数据;采用蒙特卡洛采样法剔除奇异样本,采用多元散射校正和S-G平滑对光谱数据进行预处理,消除光谱漂移、表面散射和噪声的影响;通过Bi PLS-SPA算法对特征波长进行提取,构建小波神经网络模型,预测柞木基本密度;将建模方法与常用的偏最小二乘(PLS)和BP神经网络进行了对比,验证小波网络的有效性。结果表明:小波神经网络对预测集样本验证结果更好,相关系数为0.968,预测均方根误差为0.014 4。     

北京市青贮玉米品种筛选及研究(春播篇)

一、试验目的 通过试验,鉴定供试品种的产量、营养品质、抗逆性及地区适应性,客观评价品种特性和生产利用价值,选择适合于北京地区畜牧业利用的高产优质青贮玉米品种,为种养快速发展服务. 二、材料和方法 品种主要选自当前生产中利用及各科研院校、育种部门推荐的青贮青饲玉米品种.结合2001年试验结果,选择18个玉米品种进一步品种筛选.     

玉米自交系响应高温、干旱胁迫的关键基因及通路

以4个不同的玉米自交系为材料,对高温、干旱处理后的苗期植株进行转录组测序.玉米自交系响应高温和干旱胁迫的差异表达基因(DEGs)分别为6966和6272个,在高温和干旱胁迫下4个玉米自交系相同的DEGs分别是705和871个.同时响应高温和干旱的DEGs有100个.在耐旱、耐热性强的玉米自交系中鉴定出18个特异的DEGs,其中锌指转录因子、WRKY转录因子、GT转录因子和B2热激转录因子在胁迫响应中发挥关键的调控作用.KEGG通路分析结果表明,耐旱、耐热性强玉米自交响应高温干旱胁迫的DEGs富集在生物学过程、分子功能、代谢过程、遍在蛋白代谢和氮代谢途径5条通路.热带、亚热带玉米种质的耐旱、耐热性强于温带玉米种质,可在热带、亚热带玉米种质中有效筛选耐旱、耐热基因.     

基于高光谱成像技术的鲜烟叶叶位识别方法

为实现鲜烟叶叶位的快速无损识别,以不同着生部位烟叶为研究对象,应用高光谱成像技术,构建基于特征光谱的鲜烟叶叶位判别模型。首先,利用标准正态变换（SNV）、二阶导数（2ND）、SavitzkyGolay卷积平滑（SG）和多元散射校正（MSC）4种光谱预处理方法对烟叶原始高光谱数据进行处理,然后采用预处理后的全波段光谱数据和特征波段光谱数据,构建基于支持向量机（SVM）、偏最小二乘判别分析（PLS-DA）和反向传播神经网络（BPNN）的鲜烟叶叶位识别模型。结果表明：采用SG滤波预处理和BPNN所构建的模型识别效果最好,训练集和预测集的预测准确率分别为91.15%和90.63%。此外,利用竞争性自适应重加权算法（CARS）所筛选的特征波长所建立的BPNN模型最优,训练集和预测集的预测准确率达到了93.23%和92.19%。表明利用高光谱成像技术判别鲜烟叶所属部位是可行的,可以实现鲜烟叶所属部位快速、无损检测。     

陇东旱塬区机械粒收玉米新品种品质分析

为筛选出适合陇东旱塬区机械籽粒直收的优质丰产玉米新品种，采用DA7200型近红外品质分析仪对平凉市泾川县高平玉米籽粒机械直收试验的20个玉米品种的籽粒进行了蛋白质、脂肪和淀粉含量测定。结果表明，有13个品种的蛋白质、脂肪和淀粉含量都达到了国家级玉米品种审定标准，其中MC703、新玉108、瑞普909、联创825、先玉698、MC618和京科999在淀粉和蛋白质含量较高的同时，脂肪含量也比较高，淀粉、蛋白质和脂肪含量3个指标比国家级玉米品种审定标准分别高1.45%～3.33%、7.50%～21.25%和16.67～43.33%。结合产量和籽粒机械粒收指标数据，从参试品种中筛选出3个品质指标均较高且适宜旱塬区机械粒收的丰产优质玉米新品种是可行的。     

利用稻米淀粉特性进行食味品质辅助选择

目前,稻米食味品质评价主要依靠人工品尝,消耗样品量大、耗时较长且易受主观因素影响,其鉴定效率亟待优化。通过分析稻米淀粉特性对食味品质的影响,筛选出稻米食味品质的关键影响因子,科学评价利用稻米淀粉特性进行食味品质辅助选择的应用效果。结果表明：淀粉特性中的直链淀粉含量、低谷黏度、最终黏度、崩解值及消减值是影响食味品质的关键因子,对上述指标分别赋分后加合获得稻米淀粉特性综合评分,与食味值的相关性达到0.001水平,相比于上述各单项指标,相关性显著提高。综合分析表明,利用稻米淀粉特性综合评分所需样品量极少(3 g精米粉),并具有快速、便捷及不易受人为因素影响的优势,这为稻米食味品质的快速鉴定提供了技术支撑。     

基于高光谱成像的蓝莓内部品质检测特征波长选择方法研究

为了实现蓝莓内部品质快速、准确检测,采用高光谱成像技术对蓝莓的糖度和硬度多指标同时进行检测研究。提出多阶段特征波长选择方法,即采用连续投影法(SPA)和逐步多元线性回归(SMLR)等特征波长选择方法同时将糖度和硬度的特征波长选择出来。通过高光谱成像系统(400~1000nm)采集了200幅蓝莓图像,首先对高光谱图像进行多元散射校正、标准正态变量变换和Savitzky-Golay平滑等光谱预处理,选取最优的预处理方法。然后利用SPA或者SMLR选择出糖度的几个特征波长,在此基础上再利用SPA或者SMLR选择出硬度的几个特征波长,从而形成四个特征波长选择方法 (SPA-SPA、SMLR-SMLR、SPA-SMLR和SMLR-SPA),采用4种多阶段特征波长选择方法提取同时反映蓝莓糖度和硬度的特征波长的组合。最后以全波长光谱信息(FS)和4种多阶段特征波长选择方法得出的光谱信息作为BP神经网络模型的输入矢量,建立了蓝莓糖度和硬度的预测模型。结果表明:Savitzky-Golay平滑为最优的预处理方法 ,结合BP神经网络,采用SPA-SPA多阶段特征波长选择方法所得的预测性能最优,糖度校正集的相关系数(Rc)和校正均方根误差(RMSEC)分别达到0.959和0.318°Brix,硬度校正集的相关系数(Rc)和校正均方根误差(RMSEC)分别达到0.956和0.153°Brix。糖度预测集的相关系数(Rp)和预测均方根误差(RMSEP)分别达到0.952和0.391°Brix,硬度预测集的相关系数(Rp)和预测均方根误差(RMSEP)分别达到0.953和0.234°Brix。该研究表明,应用高光谱成像技术可以对蓝莓糖度和硬度多指标同时进行检测研究,所获得的特征波长可为开发多光谱成像的蓝莓品质检测和分级系统提供参考。