羅龍強(qiáng)，姚辛勵(lì)，何賽靈, 2*

1. 浙江大學(xué)光電科學(xué)與工程學(xué)院光及電磁波研究中心，浙江 杭州 310058 2. 蘇州瑞藍(lán)環(huán)?？萍加邢薰?，江蘇 常熟 215558

引 言

中國(guó)是農(nóng)業(yè)大國(guó)，是傳統(tǒng)水稻生產(chǎn)大國(guó)，水稻種子的選種育種是重中之重。根據(jù)種子的發(fā)芽率來(lái)選種育種，是最可靠的選育方法。水稻種子的發(fā)芽率受到儲(chǔ)藏時(shí)間和儲(chǔ)藏條件的影響，儲(chǔ)藏時(shí)間長(zhǎng)、儲(chǔ)存條件惡劣，水稻種子發(fā)芽率低[1]。最直接的方法是采用發(fā)芽實(shí)驗(yàn)法抽樣測(cè)量種子發(fā)芽率，該方法檢測(cè)周期為14天，需要人工水稻培育環(huán)境，比較耗時(shí)費(fèi)力，且不能針對(duì)單個(gè)種子進(jìn)行發(fā)芽率判定。其他諸如染色比色法[2]，電導(dǎo)率測(cè)量方法[3]等，需要通過(guò)物理化學(xué)實(shí)驗(yàn)的方法，實(shí)現(xiàn)對(duì)種子品質(zhì)的測(cè)量。雖然避免了傳統(tǒng)的發(fā)芽實(shí)驗(yàn)周期長(zhǎng)等缺點(diǎn)，但是需要對(duì)種子樣品進(jìn)行處理加工，且不能完整保存測(cè)試種子。

近些年來(lái)，研究人員針對(duì)種子中特定官能團(tuán)的特征吸收，利用近紅外光譜檢測(cè)種子[4-6]，采用合適的化學(xué)計(jì)量法諸如主成分分析等方法，識(shí)別種子的品種，檢測(cè)種子純度； 此外近紅外光譜也能結(jié)合監(jiān)督學(xué)習(xí)的方法，測(cè)量種子生命力。與近紅外光譜相對(duì)比，采集可見(jiàn)波段的光譜信息更加容易且準(zhǔn)確穩(wěn)定，即使不能直接對(duì)應(yīng)檢測(cè)物中特定物質(zhì)，但是結(jié)合紋理特征后亦可以準(zhǔn)確判定種子品種[7]。現(xiàn)在商用的種子色選儀，根據(jù)種子可見(jiàn)波段的RGB三種顏色的特征，自動(dòng)化分離雜交種子的父代與子代，但卻不能對(duì)同一類的種子更進(jìn)一步的分選。針對(duì)種子檢測(cè)的高光譜圖像數(shù)據(jù)采集系統(tǒng)[8-9]，采集了目標(biāo)的圖譜信息，數(shù)據(jù)量更加豐富。但通常需要利用光柵分光型成像光譜儀等設(shè)備，儀器比較昂貴且光譜采集時(shí)間較長(zhǎng)。并且，在進(jìn)行種子特性判斷時(shí)，還需要利用圖譜的形態(tài)特征，因此建模數(shù)據(jù)變量較多，判定時(shí)間很長(zhǎng)。

近年來(lái)研究人員還關(guān)注光譜分析方法上的發(fā)展，不同的光譜分析技術(shù)被提出以用來(lái)分析種子光譜，Loewe[10]等檢測(cè)不同種子的近紅外光譜，并采用距離判別分析的方法識(shí)別種子種類，其識(shí)別準(zhǔn)確度為87.8%。Jia等[11]采用主成分分析法和偏最小二乘法提取光譜特征，同時(shí)利用支持向量機(jī)等方法鑒別活種，精度很高。

本實(shí)驗(yàn)采集真實(shí)條件下由于儲(chǔ)存條件而質(zhì)量不同的種子樣本的可見(jiàn)-近紅外光譜，較其他研究人員采用的人工老化種子樣本而言，種子樣本間的差異性并不由人工批量控制，最終實(shí)驗(yàn)的結(jié)果更有信服力。采用標(biāo)準(zhǔn)反射板光譜數(shù)據(jù)校正和多元散射校正等不同光譜預(yù)處理方法，處理種子樣本的原始反射光譜，用之訓(xùn)練了支持向量機(jī)、K鄰近和距離判別分析等監(jiān)督學(xué)習(xí)方法的模型，比較了不同光譜預(yù)處理方法和不同機(jī)器學(xué)習(xí)方法的識(shí)別精度，并且分析了這些差異的原因。更進(jìn)一步，通過(guò)計(jì)算方法主動(dòng)壓縮光譜分辨率，降低光譜數(shù)據(jù)長(zhǎng)度，計(jì)算了簡(jiǎn)化后的光譜對(duì)種子發(fā)芽率的判斷準(zhǔn)確度。說(shuō)明簡(jiǎn)化光譜在大大降低光譜數(shù)據(jù)量的情況下，若是選擇合適的機(jī)器學(xué)習(xí)方法，也能保持較高的識(shí)別準(zhǔn)確度。我們還比較了不同的光譜帶寬劃分的條件下，機(jī)器學(xué)習(xí)器判定的準(zhǔn)確度，證明了光譜劃分逐漸粗糙，識(shí)別的準(zhǔn)確度逐漸降低。這便可以綜合考慮判定準(zhǔn)確度和光譜數(shù)據(jù)長(zhǎng)度，選擇合適的光譜劃分帶寬，取得符合要求的判定準(zhǔn)確度。為基于濾波片的多光譜數(shù)據(jù)判定種子成活率，提供了理論支持。

1 實(shí)驗(yàn)部分

1.1 儀器和參數(shù)

光譜儀采用海洋光學(xué)USB2000+，配備2 048個(gè)像素的CCD感光元件，測(cè)量波長(zhǎng)范圍為340～1 020 nm。光源用聞奕光電鹵素?zé)鬑L2000，波長(zhǎng)范圍為360～2 500 nm，功率為10 W。采用P-TIP漫反射光纖探頭作為光纖接線端，照明角度為45°，光譜儀采集角度為90°，加載聚光透鏡將空間光耦合進(jìn)光纖。采用1 000 μm大芯徑光纖，連接光源、探頭和光譜儀。

1.2 樣本制備

水稻種子由隆平高科提供，出產(chǎn)年份均為2017年，水稻品種是夢(mèng)兩優(yōu)黃莉占(H)。水稻樣本源于不同的儲(chǔ)藏倉(cāng)庫(kù)，由于倉(cāng)庫(kù)儲(chǔ)存過(guò)程中溫度、濕度和堆積密度等條件的不同，種子的活性也不一樣。區(qū)別于高溫老化等人工降低種子活力的方法，儲(chǔ)藏條件的差異難以得到量化表征。因此在出庫(kù)前，對(duì)4個(gè)倉(cāng)庫(kù)的種子采樣進(jìn)行發(fā)芽實(shí)驗(yàn)，來(lái)確定儲(chǔ)藏條件對(duì)于種子的影響。測(cè)量其發(fā)芽率分別為80%(H1)，77.5%(H2)，71%(H3)和61.5%(H4)。出倉(cāng)之后進(jìn)行低溫保存，運(yùn)送到實(shí)驗(yàn)室后，分別取用40個(gè)樣本單個(gè)測(cè)量光譜數(shù)據(jù)。

1.3 方法

鹵鎢燈光源經(jīng)過(guò)10 min預(yù)熱，使出光強(qiáng)度和波形基本穩(wěn)定。搭建好測(cè)量光路，調(diào)節(jié)漫反射光纖探頭，使得出光光斑直徑小于水稻粒徑。調(diào)節(jié)積分時(shí)間為20 ms時(shí)，光譜儀數(shù)據(jù)較為合適。依次將水稻種子置于光斑處，移動(dòng)光纖探頭，觀察光譜儀光強(qiáng)幅值最大處記錄水稻種子的反射光譜數(shù)據(jù)。光譜儀采樣時(shí)間為10 ms，平滑度為5個(gè)像素點(diǎn)，光譜平均10次以消除光譜儀隨機(jī)噪聲。光譜儀軟件采用海洋光學(xué)SpectraSuite，MATLAB2017b軟件用于數(shù)據(jù)分析和機(jī)器學(xué)習(xí)。

2 結(jié)果與討論

2.1 可見(jiàn)近紅外光譜分析

光譜儀采樣范圍為340～1 020 nm，但在光譜儀的測(cè)量光譜的極限附近，光譜抖動(dòng)很大，所以截取光譜范圍為400～1 000 nm。通過(guò)標(biāo)準(zhǔn)反射板的光譜數(shù)據(jù)進(jìn)行校正，可以消除背景光和光源的影響，其校正公式為

其中R為測(cè)量到的光譜數(shù)據(jù)，Rb為背景光譜數(shù)據(jù)，Rw為白板光源光譜數(shù)據(jù)。在試驗(yàn)中，背景光譜數(shù)據(jù)為光譜儀暗噪聲，軟件已經(jīng)自動(dòng)去除。在試驗(yàn)中發(fā)現(xiàn)，白板反射光譜數(shù)據(jù)并不穩(wěn)定，所以每測(cè)量20個(gè)種子光譜，測(cè)量一次標(biāo)準(zhǔn)反射白板的反射光譜，用來(lái)校正這20個(gè)種子由于光源不穩(wěn)定導(dǎo)致的光譜數(shù)據(jù)漂移。多元散射校正(MSC)也是一種常用的對(duì)原始光譜進(jìn)行預(yù)處理的方法，通過(guò)多元散射校正可以有效的減少因?yàn)槁瓷涞挠绊?，消除樣本間的基線平移和漂移現(xiàn)象，增強(qiáng)光譜特異性。

在本次試驗(yàn)中的預(yù)處理手段有三個(gè)，分別是： (1)標(biāo)準(zhǔn)反射板的光譜數(shù)據(jù)校正，通過(guò)式(1)對(duì)原始光譜進(jìn)行預(yù)處理； (2)采用多元散射校正的方法對(duì)光譜進(jìn)行預(yù)處理； (3)聯(lián)用標(biāo)準(zhǔn)反射板的光譜數(shù)據(jù)校正和多元散射校正兩種方法，對(duì)光譜預(yù)處理。在后文中通過(guò)機(jī)器學(xué)習(xí)器的識(shí)別準(zhǔn)確度，來(lái)衡量這三種預(yù)處理方法對(duì)種子識(shí)別判定的影響。

通過(guò)標(biāo)準(zhǔn)反射板的光譜數(shù)據(jù)對(duì)光譜處理之后，可以得到不同類別存活率種子的反射系數(shù)，如圖1所示。不同存活率的種子組別之間的差異性通過(guò)校正后可以觀察到較大的差異，但是組間的差異并不是線性，且差異甚至要小于反射系數(shù)的組內(nèi)差異。這意味著必須通過(guò)合適的機(jī)器學(xué)習(xí)的算法才能提取組間差異而忽略組內(nèi)差異，從而實(shí)現(xiàn)很好的對(duì)于種子發(fā)芽率的判斷精度。

如圖2所示為原始光譜經(jīng)過(guò)多元散射校正之后，并且為了凸顯光譜之間的差異性，將每組反射光譜與全體平均光譜平均值求差，得到的差值光譜曲線?？梢园l(fā)現(xiàn)在550 nm波長(zhǎng)處，各組差值光譜之間的差異性較大，其次在680和750～850 nm處，也能明顯的觀察到不同組別的種子光譜有較大的區(qū)別。種子光譜的差異，體現(xiàn)了種子內(nèi)部生物活性酶含量和種類的差異，而酶活性能很大程度上反映種子活性。這充分說(shuō)明了因儲(chǔ)存差異造成的不同存活率種子其光譜有明顯的差異，而且這些差異在不同波長(zhǎng)下的顯著程度不同。運(yùn)用合適的機(jī)器學(xué)習(xí)的方法，可以根據(jù)光譜對(duì)種子存活率進(jìn)行較為精確的判斷。

圖2 多元散射校正后各種存活率種子差值光譜

經(jīng)過(guò)兩種不同預(yù)處理方法校正之后，分別得到的是反射系數(shù)和反射光譜的數(shù)據(jù)。經(jīng)過(guò)標(biāo)準(zhǔn)反射板校正的結(jié)果，在整個(gè)光譜段都能體現(xiàn)均一的差異性，但是這也意味著光譜數(shù)據(jù)容易受到漂移等因素的影響。而多元散射校正的預(yù)處理手段，利用整體的光譜平均值，減少了干擾的影響，能體現(xiàn)種子在不同波段光譜的差異性。根據(jù)兩種預(yù)處理方法得到的數(shù)據(jù)，很難直觀的評(píng)價(jià)兩種預(yù)處理手段的優(yōu)劣，需要進(jìn)一步用兩種預(yù)處理方法得到的數(shù)據(jù)，對(duì)機(jī)器學(xué)習(xí)器加以訓(xùn)練，觀察其判定準(zhǔn)確度從而比較預(yù)處理方法。機(jī)器學(xué)習(xí)針對(duì)的就是光譜的差異特征，訓(xùn)練學(xué)習(xí)器，從而實(shí)現(xiàn)對(duì)水稻種子的種類判別。所以通過(guò)預(yù)處理，消除背景噪聲并保留光譜的差異部分，以增強(qiáng)種類間的光譜差異，一定程度上能夠提升機(jī)器學(xué)習(xí)的判斷精度。

2.2 全光譜機(jī)器學(xué)習(xí)準(zhǔn)確度分析

上述的光譜數(shù)據(jù)波長(zhǎng)范圍在400～1 000 nm之間，每組光譜為1 813個(gè)數(shù)據(jù)點(diǎn)。將每種類型的種子及其光譜樣本平均分成5份，從5份中依次選擇1份作為測(cè)試集，其余4份作為訓(xùn)練集，共進(jìn)行5次樣本的選擇。這就是所謂的5折交叉法取樣，每個(gè)樣本都有一次機(jī)會(huì)作為測(cè)試集，豐富了建模的有效性。所以每次取樣過(guò)程中，針對(duì)每種類型的種子，得到訓(xùn)練集樣本容量為32，測(cè)試集樣本容量為8。

分別采用支持向量機(jī)(SVM)、k-鄰近(KNN)和距離判別分析三種監(jiān)督學(xué)習(xí)的方法，利用訓(xùn)練集的數(shù)據(jù)對(duì)學(xué)習(xí)器進(jìn)行訓(xùn)練，再輸入測(cè)試集樣本進(jìn)行識(shí)別并觀察判定結(jié)果，得到經(jīng)過(guò)五折交叉得到結(jié)果的混淆矩陣。表1是利用多元散射校正的光譜和距離判別學(xué)習(xí)器計(jì)算出的混淆矩陣。以第一行的數(shù)據(jù)為例，第一行實(shí)際為H1的種子共40顆粒，其中29顆被正確的歸類為H1，其余的有8顆被誤判為H2，3顆被誤判為H4。對(duì)角線上的元素是每個(gè)種類判斷正確的個(gè)數(shù)，數(shù)值越大說(shuō)明判斷的準(zhǔn)確的情況越多。

表1利用多元散射校正光譜的距離判別學(xué)習(xí)器識(shí)別結(jié)果混淆矩陣

Table1TheconfusionmatrixofdistancediscriminantlearnerrecognitionresultusingMSCpre-treatedspectrum

ActualclassificationPredicted classificationH1H2H3H4H129803H292722H300373H431432

可以通過(guò)混淆矩陣對(duì)角線上的元素和與混淆矩陣的總元素和之比值，計(jì)算模型的識(shí)別準(zhǔn)確率。我們將不同光譜預(yù)處理的方法和機(jī)器學(xué)習(xí)模型進(jìn)行組合，比較它們的識(shí)別準(zhǔn)確率，并記錄到表2中。

表2 不同預(yù)處理方式和機(jī)器學(xué)習(xí)器的識(shí)別精度

Table2Recognitionaccuracyofdifferentpreprocessingmethodsandmachinelearners

MachinelearnersSpectra preprocessing methodsRawSpectra/%SDCa/%MSC/%SDC+MSC/%SVM41.8865.6376.2541.25KNN31.2530.6338.7541.25Discr.b61.8810078.13100

注： a： 標(biāo)準(zhǔn)反射板校正； b： 距離判別分析

Note: a： Standard reflector correlation; b： Distance discrimination analysis

首先縱向比較不同的機(jī)器學(xué)習(xí)模型，其中最優(yōu)秀的為距離判別分析法，對(duì)于相同方法處理過(guò)的光譜，其識(shí)別準(zhǔn)確率均高于其他兩種方式?；谥С窒蛄繖C(jī)的機(jī)器學(xué)習(xí)模型對(duì)于經(jīng)過(guò)標(biāo)準(zhǔn)反射光譜校正和多元散射光譜校正之后的光譜數(shù)據(jù)，識(shí)別準(zhǔn)確度較高，針對(duì)原始光譜和標(biāo)準(zhǔn)反射+多元散射光譜校正的預(yù)處理方法，識(shí)別準(zhǔn)確度較低。K鄰近的機(jī)器學(xué)習(xí)方法對(duì)于光譜分類并不適用，其識(shí)別準(zhǔn)確度非常低。所以說(shuō)明距離判別分析是一種十分有效的針對(duì)不同存活率的種子的光譜分析方法。

橫向?qū)Ρ炔煌墓庾V預(yù)處理的方法，可見(jiàn)標(biāo)準(zhǔn)反射光譜校正和多元散射光譜校正處理的光譜，較原始光譜而言，能夠提高機(jī)器學(xué)習(xí)器的識(shí)別精度。因?yàn)槎嘣⑸湫ＵA(yù)處理方法，利用全體光譜的平均值作為基準(zhǔn)，求出每個(gè)光譜與其系數(shù)偏差，并消除系數(shù)偏差。所以經(jīng)過(guò)處理光譜之間的偶然差異性減少，但卻保留了本征的差異性，而本征的差異性能夠反映種子的種類。所以多元散射的預(yù)處理的方法，能夠提高機(jī)器學(xué)習(xí)的判斷準(zhǔn)確度。標(biāo)準(zhǔn)反射光譜校正的方法雖然需營(yíng)較多的測(cè)量數(shù)據(jù)，但是更符合實(shí)際情況。通過(guò)標(biāo)準(zhǔn)反射光譜校正的預(yù)處理手段，可以消除由于波形漂移帶來(lái)的偏差，提升學(xué)習(xí)器的識(shí)別準(zhǔn)確度。

但是觀察標(biāo)準(zhǔn)反射+多元散射光譜校正方法，相對(duì)于標(biāo)準(zhǔn)反射光譜或者多元散射光譜校正，并沒(méi)有提高機(jī)器學(xué)習(xí)的準(zhǔn)確度，而且在支持向量機(jī)模型的機(jī)器學(xué)習(xí)器下，其識(shí)別準(zhǔn)確度反而不及單一預(yù)處理方式。這是因?yàn)楣庾V數(shù)據(jù)經(jīng)過(guò)兩次處理，不僅消除了測(cè)試中的偶然誤差和個(gè)體間的差異，同時(shí)也可能消除表征種類差異性的光譜特征。這樣的光譜訓(xùn)練出來(lái)的學(xué)習(xí)器，判斷準(zhǔn)確度不一定能夠提升。說(shuō)明在光譜預(yù)處理的方式方法要結(jié)合具體的機(jī)器學(xué)習(xí)模型，不能過(guò)多的預(yù)處理，降低種類間的特征光譜差異。

2.3 采用多種模型分析簡(jiǎn)化光譜

上述的光譜數(shù)據(jù)保留了400～1 000 nm之間的光譜數(shù)據(jù)，每組光譜數(shù)據(jù)為1 340個(gè)數(shù)據(jù)點(diǎn)。這樣的數(shù)據(jù)量對(duì)于機(jī)器學(xué)習(xí)建模和識(shí)別所需要的時(shí)間都很長(zhǎng)，為了滿足實(shí)際運(yùn)用快速檢測(cè)的需求。我們將波長(zhǎng)按照10 nm的帶寬進(jìn)行平均，每條光譜簡(jiǎn)化得到45個(gè)數(shù)據(jù)點(diǎn)。每個(gè)中心波長(zhǎng)的數(shù)據(jù)點(diǎn)為帶寬內(nèi)光譜值的平均值。

采取與分析原始光譜相同的方法： 將簡(jiǎn)化后的光譜按照5折交叉法取樣，輸入不同監(jiān)督學(xué)習(xí)器中，分析其識(shí)別準(zhǔn)確度。將不同模型下和不同預(yù)處理方法進(jìn)行對(duì)比，總結(jié)識(shí)別準(zhǔn)確度于表3。

由于簡(jiǎn)化光譜的數(shù)據(jù)長(zhǎng)度較原始光譜短，所以包含的信息量較少，包含光譜種間差異性的特征也少。所以用簡(jiǎn)化光譜來(lái)訓(xùn)練機(jī)器學(xué)習(xí)模型，其最終的準(zhǔn)確度較原始光譜有所下降。但是觀察表3，針對(duì)標(biāo)準(zhǔn)反射光譜校正的數(shù)據(jù)，訓(xùn)練出來(lái)的基于距離判別的機(jī)器學(xué)習(xí)器，仍然可以取得87.5%的識(shí)別準(zhǔn)確度，這個(gè)在實(shí)際選種行業(yè)中是一個(gè)可觀的準(zhǔn)確度。充分說(shuō)明了，簡(jiǎn)化后的光譜仍然可以較為準(zhǔn)確的識(shí)別不同存活率分類的水稻種子，為以后基于可見(jiàn)波段的帶通濾波片的種子多光譜鑒別系統(tǒng)，提供了理論支持。進(jìn)一步說(shuō)明了識(shí)別準(zhǔn)確度與光譜的分辨率相關(guān)性較小，而與采用的預(yù)處理手段和機(jī)器學(xué)習(xí)模型相關(guān)性很大。

表3不同預(yù)處理方式和機(jī)器學(xué)習(xí)器對(duì)10 nm帶通寬度的簡(jiǎn)化光譜的識(shí)別精度

Table3RecognitionaccuracyofdifferentpreprocessingmethodsandmachinelearnersforsimplifiedspectralrecognitionwithaBandwidthof10

MachinelearnersSimplified spectra preprocessing methodsSimplifiedspectra/%SDC/%MSC/%SDC+MSC/%SVM68.1327.5067.5055.00KNN31.8728.1338.7527.50Discr.67.5087.5063.1289.38

2.4 不同帶寬下的簡(jiǎn)化光譜對(duì)識(shí)別準(zhǔn)確度的影響

在整個(gè)光譜范圍不變的情況下，我們研究了不同的通帶寬度下簡(jiǎn)化光譜在學(xué)習(xí)器作用下的識(shí)別精度。隨著通帶寬度不斷的增加，由10 nm增加到50 nm，通帶的個(gè)數(shù)逐漸的減少，也就意味著輸入的變量更少。根據(jù)機(jī)趨學(xué)習(xí)的一般性原理，輸入學(xué)習(xí)器的變量越少，就越難從變量中找到與因變量相關(guān)的自變量條件。我們?cè)O(shè)計(jì)的帶通寬度分別為10, 15, 20, 30, 40和50 nm，采用距離判別分析學(xué)習(xí)器在不同的帶通寬度和不同的光譜校正預(yù)處理下的識(shí)別精度，其結(jié)果表4所示。

由表可知，帶寬增大其判斷精度均降低。偶然的幾個(gè)異常升高值，可以理解為簡(jiǎn)化光譜劃分的時(shí)候，能夠反映種間差異性的光譜成分被分到兩個(gè)不同的通帶，更加凸顯了種間的差異性。通過(guò)以上的數(shù)據(jù)，可以得到結(jié)論： 光譜簡(jiǎn)化的過(guò)程中，不能過(guò)大的設(shè)計(jì)光譜通帶，這樣會(huì)失去存活率相關(guān)的光譜特征，使得機(jī)器學(xué)習(xí)識(shí)別器準(zhǔn)確度降低。而常見(jiàn)的10 nm的通帶，是通常的帶通濾波片能夠達(dá)到的最小帶寬，用來(lái)做多光譜鑒別水稻種子活力，是比較合適的。

表4 不同帶通寬度下簡(jiǎn)化光譜識(shí)別精度

3 結(jié) 論

采集由于實(shí)際儲(chǔ)存條件不同造成存活率不同的種子在可見(jiàn)近紅外波段的反射光譜，通過(guò)標(biāo)準(zhǔn)反射光譜校正、多元散射校正和兩者聯(lián)用等光譜預(yù)處理方法，結(jié)合支持向量機(jī)、k鄰近和距離判別分析等機(jī)器學(xué)習(xí)模型，來(lái)根據(jù)光譜預(yù)測(cè)種子的存活率。通過(guò)比較分析，我們認(rèn)為基于距離判別分析的機(jī)器學(xué)習(xí)器，是其中最適合光譜分類分析的技術(shù)手段。而標(biāo)準(zhǔn)反射光譜校正后的光譜數(shù)據(jù)，能夠?qū)λ姆N不同成活率的水稻種子，實(shí)現(xiàn)100%的判別精度。基于可見(jiàn)近紅外反射光譜，找到適合真實(shí)種子存活率的最佳光譜預(yù)處理手段和最優(yōu)機(jī)器學(xué)習(xí)判斷方法。同時(shí)我們用10 nm的帶寬簡(jiǎn)化了原始光譜，降低樣本的光譜數(shù)據(jù)長(zhǎng)度，利用簡(jiǎn)化后的光譜對(duì)種子存活率進(jìn)行判定，仍然能夠取得87.50%的識(shí)別準(zhǔn)確度，這樣的高準(zhǔn)確度在實(shí)際選種產(chǎn)業(yè)有巨大的運(yùn)用潛力。同時(shí)我們?cè)O(shè)計(jì)了不同帶寬，用來(lái)簡(jiǎn)化光譜。在實(shí)驗(yàn)過(guò)程中發(fā)現(xiàn)，隨著簡(jiǎn)化程度加深、光譜帶寬增大，其判定效果降低。所以找到較小的帶寬并采用距離判別分析學(xué)習(xí)器作為判定方法，能夠快速有效的區(qū)分不同存活率的水稻種子。為以后的基于帶通濾波片的快速種子識(shí)別技術(shù)奠定了基礎(chǔ)。