基于高光谱与在线序列极限学习机确证大米产地方法

为满足快速无损的大米产地确证需求,采集吉林省梅河口市水稻主产区及松原、大安、辉南等其他水稻产区共990个大米样本的高光谱图像（400~1 000 nm）作为研究对象,利用多元散射校正（MSC）处理方法对光谱进行预处理。采用多层感知机（MLP）、极限学习机(ELM)与在线序列极限学习机(OS-ELM)算法,分别基于全波段高光谱数据以及经多维尺度分析（MDS）方法降维后的数据建立产地确证模型。结果表明,基于全波段高光谱数据的OS-ELM模型分类性能最好,准确率达到98.3%。经MDS处理后,输入的数据变量减少了96.6%,MDS-OS-ELM模型准确率稳定在97.4%。对三种模型的训练时间进行对比分析,OS-ELM训练时间明显优于MLP,在分批次获取数据时训练时间优于ELM。为大米产地确证提供了一种高效、准确、稳定的方法。     

基于高光谱与在线序列极限学习机确证大米产地方法

为满足快速无损的大米产地确证需求，采集吉林省梅河口市水稻主产区及松原、大安、辉南等其他水稻产区共990个大米样本的高光谱图像（400~1 000 nm）作为研究对象，利用多元散射校正（MSC）处理方法对光谱进行预处理。采用多层感知机（MLP）、极限学习机(ELM)与在线序列极限学习机(OS-ELM)算法，分别基于全波段高光谱数据以及经多维尺度分析（MDS）方法降维后的数据建立产地确证模型。结果表明，基于全波段高光谱数据的OS-ELM模型分类性能最好，准确率达到98.3%。经MDS处理后，输入的数据变量减少了96.6%，MDS-OS-ELM模型准确率稳定在97.4%。对三种模型的训练时间进行对比分析，OS-ELM训练时间明显优于MLP，在分批次获取数据时训练时间优于ELM。为大米产地确证提供了一种高效、准确、稳定的方法。     

基于RDA的梅河大米产地确证影响因子分析

为探讨梅河大米产地确证因子与产地环境之间的关系,以梅河大米及其对应根际稻土矿物元素含量和产地环境因子为对象,采用方差分析、相关分析、冗余分析法(RDA),对梅河大米矿物元素含量与根际稻土、环境因子之间的空间关系进行分析.结果表明:根际稻土矿物元素与环境因子密切相关,产地环境的纬度、经度、土壤酸碱度、有机质和年均温度对土壤中各矿物元素含量影响显著,其中纬度、经度、年均温度和有机质的影响明显大于土壤酸碱度;稻土的矿物元素中,受产地环境因子影响最高的为Na、Cu、Fe、K,最小的为Mn、Pb、Cd.RDA1和RDA2分别解释了大米矿物元素含量总方差的38.0％和17.8％,梅河大米矿物元素含量与根际稻土性质和环境变量之间存在较强的空间相关性,大米中受产地环境因子影响最高的为Zn、Fe、Cu,最低的为Mg、K、Na.大米中Zn、Pb、Fe、Mg、Cu具有较好的稳定性和空间代表性.