基于红外热成像技术的玉米种子活力等级分类方法研究

针对传统玉米种子活力等级分类方法耗时长、环境要求严格、对种子产生损伤等问题,利用红外热成像技术结合SVM算法,建立了快速、无损、高效的玉米种子活力等级分类方法。首先采用人工老化的方法将1 200粒玉米种子分组分别老化0 h,72 h,144 h。利用不同老化时间玉米种子具有不同的生理特性,通过红外热成像仪采集温度胁迫后自然冷却的玉米种子红外热像图,提取温度值作为特征。随后对玉米种子进行标准萌发实验,根据实验结果,将玉米种子分为高活力,中活力和低活力3个活力等级。将温度值作为特征,活力等级作为标签分别建立K最近邻(KNN)和支持向量机(SVM)模型并进行训练,以模型分类准确率和训练时间作为评价指标,确定较佳模型,最终通过网格搜索对选择的模型参数进行优化。结果表明基于红外热成像技术结合支持向量机(SVM)建立的模型,训练集准确率达到了92.4%,测试集准确率为91%,训练用时0.12s。该模型经过优化后训练集准确率达到了97.1%,测试集准确率达到了96.5%。     

近红外光谱技术在玉米种子活力检测中的应用研究

利用近红外光谱和BP神经网络建立玉米种子活力的快速无损检测模型。首先通过人工老化将样本按老化程度分为3种级别,分别采集样本的近红外光谱。对原始光谱进行矢量归一化预处理以消除光谱噪声。然后利用主成分分析(PCA)方法提取光谱特征,作为BP神经网络的输入,依据预处理及特征提取构建出BP神经网络种子活力检测模型。试验结果表明,该识别方法的准确率为90.3%,平均识别时间为27.36 ms。研究结果为玉米种子活力的快速无损检测提供了理论依据和实用方法。     

高光谱图像在农作物病害检测识别中的研究进展

农作物病害无损检测是保证作物产量和质量的关键环节,起到及时发现病害、指导农药的使用、减少经济损失等作用.本文介绍了高光谱成像技术用于农作物病害检测的原理;从支持向量机、偏最小二乘回归、深度学习识别算法方面综述了2017—2021年高光谱成像技术在农作物病害检测中的国内外研究进展;分析了作物病害高光谱图像识别算法的原理和...     

基于高光谱图像的水稻种子活力检测技术研究

随着种子活力逐渐受到人们的重视,快速且不破坏种子的活力检测方法逐渐成为研究的热点。试验以不同老化程度的水稻种子为材料,采用高光谱成像技术结合PCA-SVM方法,研究比较了不同活力水平的水稻种子的活力差异。采集两个水稻品种在400~1000 nm范围的高光谱图像数据,通过主成分分析法(PCA)获得主成分图像,确定特征波段;应用支持向量机(SVM)建立水稻种子活力鉴别模型。结果表明,预测的判别率可达100%,说明高光谱成像技术为快速准确无损测定种子活力提供了一条新的途径。     

基于高光谱成像检测猕猴桃冷害的研究

[目的]本文旨在建立基于高光谱成像技术检测猕猴桃冷害的方法,实现猕猴桃冷害的无损甄别.[方法]以'红阳'猕猴桃为材料,通过分析其400～1000 nm和1000～2000 nm波段下的光谱,比较不同预处理下的偏最小二乘判别分析(PLS-DA)和支持向量机(SVM)模型,选出正确率较高的模型,对该方法构建全波段和特征波段...     

玉米种子活力与成熟度的关系

经1988、1989、1990三年直接和间接的多种方法(室内发芽法、田间直接法、逆境法及电导率、TTC还原测定法)的测试(有些测试有二年重复)看出玉米种子的发育从35天左右进入高峰,达到成熟,并可收获作生产用种.     

基于深度学习的农作物病害图像识别技术进展

农作物病害的无损检测和早期识别是精准农业和生态农业发展的关键。随着图像采集和图像处理技术的进步,高光谱成像等先进成像探测技术和基于深度学习的图像分析技术越来越多地应用于农作物病虫害的无损检测中。本文首先简单介绍了以深度学习为代表的图像识别技术的基本原理,然后系统地阐述了基于深度学习的先进成像技术和先进图像识别分析技术在农作物病害检测识别中的国内外研究现状,分析了其在农作物病害检测识别上存在的优缺点,如具有快速、准确率高等优点以及数据量过大处理不便等缺点,并进一步指出,利用高光谱成像和热红外成像与深度学习相结合,将成为今后研究农作物病虫害早期检测的主要发展方向。     

玉米种子的低温活力测定

通过标准发芽试验、3种低温发芽试验、田间播种试验测定了玉米种子的活力情况,以寻求测定玉米种子活力的最佳方法。结果表明,采用抗冷测定方法来鉴定玉米种子活力是可行的,8℃的抗冷测定方法更适合用来测定江苏省玉米田间出苗率。     

基于机器学习的粳稻叶片叶绿素含量高光谱反演建模

叶绿素含量是表征粳稻生长状态的重要指标,高光谱遥感技术能够无损、快速的获取粳稻叶片叶绿素含量。本研究利用2015—2017年沈阳农业大学辽中水稻实验站粳稻叶片高光谱数据,并利用主成分分析法(PCA)、典型相关分析法(CCA)、核典型关联分析法(KCCA)3种方法对粳稻叶片高光谱信息降维,选出较优光谱参数作为叶绿素含量反演模型的输入变量。采用支持向量机回归(SVR)、神经网络(NN)、随机森林(RF)、偏最小二乘法(PLSR)四种机器学习算法建立粳稻叶片叶绿素含量反演模型。结果表明,KCCA降维方法对粳稻叶片高光谱降维效果要优于PCA和CCA两种方法。采用KCCA-SVR方法建立的粳稻叶片叶绿素含量反演模型的模型决定系数R²=0.801,RMSE=1.610,建立的粳稻叶绿素含量反演模型精度最高。该模型良好的预测能力为粳稻叶片叶绿素含量反演研究和养分诊断提供了数据支撑和模型参考。     

高油玉米种子活力检测适宜方法初探

以高油玉米种子为试验材料,采用了标准发芽、电导率测定、脱氢酶活性测定、丙二醛含量测定活力检测方法,对人工老化获得的高油玉米不同活力水平的种子进行了各项活力指标的测定,对人工老化和自然老化获得的不同活力水平的种子进行了各项活力指标的测定;同时进行田间种植,测定不同活力水平高油玉米种子的田间出苗率。通过各活力室内测定指标与田间出苗率的相关性分析,以确定高油玉米种子活力检测的适宜指标和方法。结果表明:高油玉米种子活力检测的适宜方法为标准发芽试验、电导率测定试验。     

电导率法早期检测玉米和小麦种子活力

为筛选稳定有效的电导率早期测定时间,以4个玉米品种(‘郑单958’,‘农大86’,‘农大87’和‘农大364’)和2个小麦品种(‘济麦22’和‘周麦18’)种子为材料,通过加速老化得到16个不同活力梯度的种子,分析不同浸种时间电导率值与种子活力梯度的相关性。并利用45个玉米品种及50个小麦品种种子对结果进行验证。结果表明,不同活力梯度的玉米和小麦种子浸种4、8、12、16、20和24h的电导率值均与发芽势、发芽率和简易活力指数(SVI)呈显著负相关,其中‘农大364’浸种4h的电导率值与SVI相关系数达-0.883。45个玉米品种浸种4h电导率值与发芽势、发芽率和SVI呈显著负相关,相关系数可达-0.4～0.5;50个小麦品种浸种8h电导率值仅与SVI呈显著负相关。浸种4h后回干的玉米种子,其发芽势、发芽率、SVI与对照相比均无显著差异。综上所述,基于电导率的种子活力测定时间在玉米中可以缩短到4h,在小麦中能否稳定缩短到8h还需继续验证。     

不同种衣剂对玉米种子活力和幼苗生理指标的影响

用5个不同配方的种衣剂包衣"丰禾10"玉米种子,进行发芽试验和测定苗期的几个生理指标。结果表明,5种种衣剂均能提高玉米种子的发芽势、发芽率、发芽指数,同时缩短了平均发芽时间;种衣剂2、5号显著提高了叶绿素含量;除种衣剂2号,其它种衣剂均能提高幼苗根系活力,种衣剂1、2、4、5号能促进保护酶CAT、POD的活性,增强了清除自由基的能力,从而保护膜结构的完整性,增强玉米的抗逆性。     

机器视觉技术对氯化三苯基四氮唑染色法鉴定玉米种子生活力的改进

为探讨机器视觉技术在提高玉米种子生活力检测结果判定上的准确性和可重复性,以‘三北6号’玉米种子为试验材料,将吸胀的玉米种子沿胚部纵切,置于0.1% 氯化三苯基四氮唑(TTC)溶液,30 ℃黑暗条件下染色2 h,使用Image J和PhenoSeed软件进行图像分析,结合人工观察鉴定,分析玉米种子胚部的颜色指标、染色比例与种子生活力之间的关系。结果表明,基于机器视觉技术提取的‘三北6号’玉米种子TTC染色后胚部的颜色特征建立的生活力检测模型,准确率均达到83 %以上。随机选取6份其他品种玉米种子进行模型验证,结果表明发芽率的预测值与真实值之间无显著差异。     

西北地区玉米亲本制种种子综合活力的评价

为探究西北地区玉米亲本种子活力及适应范围,以我国西北地区41份玉米杂交亲本为试材,设置加速老化（AA）、冷浸（CS）、模拟干旱（D）及盐（S）胁迫处理,以标准发芽试验为对照（CK₁）,测定种子7 d发芽率及幼苗生物量等指标,结合41份亲本材料在北京、新疆石河子、乌鲁木齐及甘肃酒泉4个生态区的出苗率及种子活力、生物量指标在内的29个参数做了相关性分析。结果表明：分别以20% PEG 6000（0.033 mol/L）和200 mmol/L NaCl处理模拟干旱和盐胁迫,选取80%的种子能正常发芽的处理浓度作为筛选依据,以此标准来评价亲本种子活力是可行的。供试材料中的30份亲本标准发芽率达到85%的国家标准要求;11份材料发芽率>92%,高于玉米单粒播发芽标准。冷浸处理后,35份亲本（占比85%）的发芽率与对照（CK₁）无显著差异,其中4个亲本冷浸后发芽率比CK₁升高1%~18%。41份亲本的种子耐老化能力普遍较差,加速老化处理的种子发芽率最高仅为44%;200 mmol/L NaCl胁迫条件下,10个亲本的发芽率被显著抑制,20% PEG 6000条件下8个亲本发芽率受到显著抑制;另有10个亲本的发芽率在模拟干旱（20% PEG 6000）和盐（200 mmol/L NaCl）胁迫下均显著升高（P≤0.05）;模拟干旱胁迫可显著诱导18份亲本幼苗根系的发育,其中12份亲本根重显著增加（P≤0.05）。不同亲本材料在4个气候区的出苗率均表现出较大的变异,且各气候区的出苗率与冷浸发芽率的相关性均达到极显著相关。     

高温对荔枝种子活力的影响

以七月熟荔枝种子为材料,研究了种子在40~52益及室温条件下催芽1 d、常温贮藏46 d的发芽率、发 芽势、种子活力指数、相对胚根长和出芽天数。结果表明,高温对七月熟荔枝种子活力的影响很大,高于46益催芽对 种子的发芽率和发芽势具有抑制作用。种子活力对催芽温度较发芽率和发芽势敏感,高于44益催芽种子的活力明显 降低。七月熟荔枝种子具有一定的耐高温能力,适当高温能提高其种子活力。种子的出芽时间对催芽温度最敏感,高 于42益催芽对种子的出芽具有抑制作用,因此可以推断种子催芽耐高温的临界温度为42益。     

基于光声光谱深度扫描的单粒玉米种子发芽率无损检测方法

目的 针对目前玉米种子发芽率快速无损检测方法易受种子表皮颜色影响的问题,拟采用光声光谱深度扫描技术提高玉米种子发芽率的检测精度。方法 选取3种不同颜色、6个品种的玉米样本,利用人工老化方法得到8种不同老化时间的玉米种子;通过调制光谱频率获得7种不同深度的光声光谱信息,并利用主成分分析分别得到最佳扫描频率和特征光谱,比较偏最小二乘法回归、BP神经网络、广义回归神经网络和支持向量回归等发芽率预测模型精度。结果 光声光谱最佳扫描频率为500 Hz,支持向量回归的预测模型精度最高,相关系数均超过0.980 0。6个品种玉米种子的发芽率预测相关系数分别为0.983 8,0.984 7,0.983 6,0.987 8,0.983 3和0.994 7,6个品种混合的玉米种子发芽率预测相关系数为0.942 1。结论 通过拓展光谱、声音和深度信息,光声光谱深度扫描技术适用于不同颜色的玉米发芽率高精度检测,具有较好的泛化能力。     

有色大麦种子种皮颜色与种子活力相关性分析

为研究有色大麦种质物理指标与种子活力的关系,采用发芽试验和计算机图像识别相结合的方法,通过测定44份有色大麦种子萌发期生理指标和种子物理指标,用相关性分析、主成分分析和逐步回归分析方法,研究有色大麦种子物理指标与种子活力之间的关系。结果表明:种子粒长、粒宽、粒厚和千粒重这些物理指标与有色大麦种子活力关系不明显,种皮颜色Y值(黄色)与有色大麦种子活力呈正相关关系,其余各颜色指标均与有色大麦种子活力呈负相关关系;逐步回归分析表明,种皮颜色对有色大麦种子活力的影响大于种子粒长、粒宽和粒厚,影响有色大麦种子活力的主要颜色指标是H(色相)值和a(从洋红色至绿色的范围)值,且成负相关;此外,IOD(光密度)值与粒长和粒宽达极显著正相关关系。     

无损检测技术在种子质量检验上的应用研究进展

无损检测技术是近年来兴起的有别于有损检测方法的高新技术,因具备不破坏被检样品、检测速度更快、少污染、自动化等优势得到了快速的发展,并且已广泛应用于农牧、食品、化工、石化、制药、烟草等诸多领域,随着我国农作物育种单位的不断扩张、育成品种数目不断剧增,种子质量检验工作也愈发复杂和繁重,无损检测技术就成为目前种子质量检验的一个重要发展趋势。本文分别综述了种子质量的几种无损检测方法的技术原理、研究现状和发展趋势,在此基础上对各种检测技术的应用前景进行了展望和预测。