亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        光譜成像技術(shù)在玉米種子質(zhì)量檢測方面的研究進(jìn)展

        2023-12-29 03:41:54靖相柱郭業(yè)民趙文蘋桑茂盛
        北方農(nóng)業(yè)學(xué)報 2023年5期
        關(guān)鍵詞:玉米種子光譜玉米

        靖相柱,孫 霞,郭業(yè)民,趙文蘋,郭 榛,桑茂盛

        (山東理工大學(xué)農(nóng)業(yè)工程與食品科學(xué)學(xué)院,山東淄博 255000)

        種子是一切農(nóng)業(yè)生產(chǎn)的基礎(chǔ),優(yōu)質(zhì)種子是提高作物產(chǎn)量的關(guān)鍵[1]。玉米屬禾本科植物,原產(chǎn)中美洲和南美洲[2]。玉米對環(huán)境的適應(yīng)能力較強,產(chǎn)量高,是世界各國的主要糧食作物。玉米種子中的維生素含量為水稻、小麥的5~10 倍,是保健食品行業(yè)的潛在資源[3]。由于玉米種子在種植、收獲、干燥、運輸、加工、貯藏等過程中,受外部環(huán)境和自身活動的影響,易使種子的質(zhì)量發(fā)生改變,進(jìn)而影響到產(chǎn)量的高低,為保障玉米種子質(zhì)量,因此要對玉米種子質(zhì)量進(jìn)行檢測。目前,對玉米種子質(zhì)量檢測的方法主要有形態(tài)鑒定法、人工感官鑒定法、化學(xué)分析法等[4-5]。

        形態(tài)鑒定法和人工感官鑒定法易受個人經(jīng)驗等因素的干擾,且存在工作量大、作業(yè)周期長、檢測效率低等缺點,難以保證結(jié)果的準(zhǔn)確性;利用化學(xué)分析法檢測玉米種子雖然準(zhǔn)確性高、特異性強,但極易對玉米種子造成損傷,并且存在檢測周期長、可重復(fù)性差等缺點,這幾種方法均不適用于大規(guī)模檢測。目前機器視覺技術(shù)、近紅外光譜技術(shù)在玉米種子質(zhì)量檢測方面得到了較為廣泛的研究和應(yīng)用[6-8]。TU 等[9]基于RGB 圖像結(jié)合微調(diào)后的VGG-16 網(wǎng)絡(luò),鑒別玉米目標(biāo)品種的種子,準(zhǔn)確率為98%。ALTUNTA等[10]基于機器視覺技術(shù)分類單倍體和二倍體玉米種子,VGG-19 模型取得了最優(yōu)效果,準(zhǔn)確率達(dá)到94.22%。馮曉等[11]基于輕量級卷積神經(jīng)網(wǎng)絡(luò)和遷移學(xué)習(xí)構(gòu)建了玉米籽粒雙面特征模型,準(zhǔn)確率達(dá)99.83%,優(yōu)于單面特征模型。FAN 等[12]使用近紅外光譜技術(shù)檢測單粒種子的活力,利用主成分分析法(principal component analysis,PCA)和連續(xù)投影法(successive projections algorithm,SPA)進(jìn)行特征降維,結(jié)合4 種機器學(xué)習(xí)方法構(gòu)建了8 種預(yù)測模型,結(jié)果表明8 種模型的準(zhǔn)確率均達(dá)到84%以上。但以上機器視覺技術(shù)只能獲取種子表面的物理特征信息,無法獲取種子內(nèi)部的成分含量信息;近紅外光譜技術(shù)只能提供關(guān)于整個樣品的平均光譜信息,不能直接獲取像素級別的信息,這一技術(shù)缺陷也限制其在圖像分析和圖像處理中的應(yīng)用。因此,尋求一種快速、有效、穩(wěn)定的玉米種子質(zhì)量檢測方法具有現(xiàn)實性和迫切性。

        光譜成像技術(shù)(spectral imaging techniques)融合了傳統(tǒng)的光譜技術(shù)和圖像技術(shù),并且在光譜和圖像信息與被測物質(zhì)成分之間建立數(shù)學(xué)關(guān)聯(lián),由此獲得被測樣品的檢測結(jié)果,具備無損、快速、高分辨的優(yōu)點,已經(jīng)應(yīng)用在各類糧食作物、經(jīng)濟作物、蔬菜作物等農(nóng)產(chǎn)品的無損檢測中[13-15]。截至目前,光譜成像技術(shù)已在玉米種子活力、含水率、病害檢測和品質(zhì)與產(chǎn)地鑒別等方面進(jìn)行了多項研究[16-19]。光譜成像技術(shù)應(yīng)用于玉米種子質(zhì)量檢測主要是結(jié)合化學(xué)計量學(xué)方法,依托采集的光譜數(shù)據(jù)信息,利用多種數(shù)據(jù)預(yù)處理方法,實現(xiàn)對相關(guān)檢測指標(biāo)的定性判別和定量分析,最終建立有較強魯棒性的模型,但在對同一種指標(biāo)進(jìn)行檢測時,不同學(xué)者用到的預(yù)處理方法不同,提取的特征波長數(shù)也不同,導(dǎo)致檢測指標(biāo)與其特定吸收波長的聯(lián)系存在爭議,因此,將建立的模型應(yīng)用到不同設(shè)備上指導(dǎo)農(nóng)業(yè)生產(chǎn)仍是研究重點。本文闡述了光譜成像技術(shù)基本構(gòu)成及原理、光譜數(shù)據(jù)預(yù)處理的方法、光譜特征波長提取方法、建模分析方法以及模型評價指標(biāo),綜述了目前光譜成像技術(shù)在玉米種子質(zhì)量檢測中的應(yīng)用成果,展望了光譜成像技術(shù)在玉米種子質(zhì)量檢測中的前景,以期促進(jìn)光譜成像技術(shù)更廣泛地應(yīng)用于玉米種子的質(zhì)量檢測中,從而進(jìn)一步保障玉米種子產(chǎn)業(yè)安全生產(chǎn)具有重要意義。

        1 光譜成像技術(shù)原理

        1.1 光譜分析技術(shù)

        光譜分析技術(shù)是通過光譜系統(tǒng)采集在特定波長范圍內(nèi)的光譜信息,分析物質(zhì)吸收、發(fā)射或散射光的波長從而確定樣品成分和性質(zhì)的一種技術(shù)。其基本原理是根據(jù)原子、分子和離子的內(nèi)部結(jié)構(gòu)等特點,通過光在不同物質(zhì)中的傳播以及相互作用不同,對物質(zhì)進(jìn)行分析和檢測。常見的光譜分析技術(shù)主要包括:可見光譜分析、近紅外光譜分析和中紅外光譜分析,目前針對近紅外光譜技術(shù)的研究最為常見[20]。光譜分析技術(shù)具備快速、無損、簡便等優(yōu)點,由于光譜分析技術(shù)采用單點掃描的方式,易受樣本分布均勻性的影響,需在不同的位置多次測量樣本信息;另外,該技術(shù)只能提供大規(guī)模樣品的平均光譜信息,不能直接獲取像素級別的信息,如何進(jìn)行圖像的分析和處理也是需要關(guān)注的問題。

        1.2 光譜成像技術(shù)

        光譜成像技術(shù)的概念是1985 年由GOETZ 等[21]提出的。早期光譜成像技術(shù)主要用于遙感領(lǐng)域的地物探測[22]。圖1 所示光譜成像系統(tǒng)的構(gòu)成主要是光源、光控裝置、攝像機、載物臺、計算機。光譜成像技術(shù)采集的光譜波長范圍廣泛,包括了200~2 560 nm的紫外線光譜區(qū)域、可見光譜區(qū)域、近紅外光譜區(qū)域。按照光譜系統(tǒng)掃描方式的不同將其分為點掃描式、線掃描式及面掃描式。線掃描式可以沿一個方向連續(xù)掃描,適用于傳送帶系統(tǒng),因此是食品工業(yè)中最常用的掃描方式[23]。光譜成像技術(shù)基本原理見圖2[24],光譜圖像是由許多矢量像素構(gòu)成的三維光譜立方體[25]。

        圖1 光譜成像系統(tǒng)示意圖Figure 1 Schematic diagram of the spectral imaging system

        圖2 技術(shù)原理圖[24]Figure 2 Technical schematic chart[24]

        這些矢量像素同時包含了波長(λ)下的光譜信息和二維空間信息(X,Y),通過指定特定波長λ 或者指定空間坐標(biāo)(X,Y)可以分別提取波長λ 處的圖像信息和特定像素點(X,Y)的光譜信息。光譜成像技術(shù)可以對多個目標(biāo)同時進(jìn)行檢測,具有“圖譜合一”的優(yōu)點。受內(nèi)外部環(huán)境的影響,光譜成像技術(shù)采集的光譜會帶有冗余信息,這些冗余信息會對數(shù)據(jù)處理造成影響,使光譜數(shù)據(jù)處理效率降低,因此光譜成像技術(shù)通常應(yīng)用在基礎(chǔ)研究中。

        2 光譜檢測技術(shù)工藝

        2.1 種子檢測狀態(tài)

        由于玉米種子的表皮富有光澤,會產(chǎn)生全反射,形狀呈卵形、U 形,影響光譜穿透效果,因此,玉米種子的檢測狀態(tài)影響光譜分析和光譜成像技術(shù)在檢測玉米種子質(zhì)量過程中采集的光譜數(shù)據(jù)。玉米種子檢測狀態(tài)主要包括玉米種子整體、玉米種子研磨成粉、單粒玉米種子。玉米種子整體檢測是將相同重量的玉米種子均勻平鋪在培養(yǎng)皿中使高度保持一致,由此獲取平均光譜信息,但采集前需要大量樣本;粉末狀態(tài)檢測是將種子研磨成粉后放在培養(yǎng)皿中采集光譜信息,但是這種方法會破壞樣品內(nèi)部結(jié)構(gòu),浪費種質(zhì)資源;單粒玉米種子檢測,國內(nèi)研究相對較少,其原因主要是由于光譜采集系統(tǒng)中配件的缺失和實驗操作復(fù)雜所致。

        2.2 光譜成像數(shù)據(jù)預(yù)處理

        光譜信息量龐大,目前應(yīng)用到的處理軟件主要有HSI Analyzer、Matlab、Envi 和Unscrambler X。光譜成像技術(shù)(spectral imaging techniques)流程圖見圖3。由于采集圖像前,光譜數(shù)據(jù)易受到光源光照強度的影響出現(xiàn)噪聲干擾,這些干擾會影響光譜數(shù)據(jù)準(zhǔn)確性。因此,采集樣品圖像前需對光譜系統(tǒng)進(jìn)行黑白板校正。采集信息完畢后首先對圖像進(jìn)行背景剔除,通過小波變換法(wavelet transform,WT)、主成分分析法(principal component analysis,PCA)來去除圖像壞點、不完整的背景信息和圖像的模糊邊緣;其次,要對圖像的感興趣區(qū)域(ROI)進(jìn)行提取,這就要求使用閾值分割算法(OTSU)等對圖像進(jìn)行分割處理,其目的是將有差異的區(qū)域分割出來,使它們互不相交;最后,對紋理、顏色和形態(tài)特征進(jìn)行提取。紋理特征的提取方法有灰度共生矩陣(GLCM)[26-27],顏色特征的提取方法有顏色直方圖等,形態(tài)特征的提取方法有幾何參數(shù)法等[28-29]。

        圖3 光譜成像技術(shù)流程圖Figure 3 Flow diagram of spectral imaging technology

        利用光譜采集樣本圖像時,由于受到外界環(huán)境等因素的干擾,會使采集到的光譜圖像中摻雜一些噪聲,出現(xiàn)噪聲會影響模型精度,因此需對采集到的原始光譜數(shù)據(jù)進(jìn)行預(yù)處理。常用的光譜預(yù)處理的方法有平滑法(moving average,MA)、標(biāo)準(zhǔn)正態(tài)向量法(standard normal variate,SNV)、多元散射校正(multiplicative scatter correction,MSC)[30-32]。

        2.3 光譜數(shù)據(jù)特征波長提取方法

        由于利用光譜成像技術(shù)采集的圖像數(shù)據(jù)量大,使波長之間有較大的冗余度,在數(shù)據(jù)處理時非常耗時,導(dǎo)致建立的模型不穩(wěn)定、效率低,所以對光譜特征波長的提取是模型好壞的關(guān)鍵一步。常用的特征波長提取方法有競爭性自適應(yīng)重加權(quán)算法(competitive adaptive reweighted sampling,CARS)、主成分分析法(principal component analysis,PCA)、連續(xù)投影算法(successive projections algorithm,SPA)、遺傳算法(genetic algorithm,GA)和隨機蛙跳(random frog,RF)算法等[33-34]。

        2.4 模型的建立和評價方法

        由于采集到的光譜數(shù)據(jù)冗余度較大,會導(dǎo)致建立模型的精度較差,因此需要對模型進(jìn)行定性定量分類建模。在定性分類建模時應(yīng)用支持向量機(support vector machine,SVM)、偏最小二乘判別分析(partial least squares-discriminant analysis,PLS-DA)、線性判別分析(linear discriminant analysis,LDA)等方法[35-36];定量分類建模的方法主要有主成分回歸(principal component regression,PCR)、支持向量回歸(support vector regression,SVR)、偏最小二乘回歸(partial least squares regression,PLSR)、多元線性回歸(multiple linear regression,MLR)等[24]。

        通過上述方法進(jìn)行定性、定量分類建模后,由于使用不同測試數(shù)據(jù)測試的模型精度出現(xiàn)誤差,所以必須對建立的模型進(jìn)行校準(zhǔn)驗證。目前采用交叉驗證法(cross validation,CV)可以得到一個準(zhǔn)確、穩(wěn)定的數(shù)據(jù)[37],用來評估模型的交叉驗證法主要有建模集決定系數(shù)(R2C)、預(yù)測集決定系數(shù)(R2P)以及建模集的均方根誤差(root mean squared error of calibration,RMSEC)、預(yù)測集的均方根誤差(root mean squared error of prediction,RMSEP)和相對預(yù)測偏差(residual predictive deviation,RPD)5 個參數(shù)指標(biāo),最后模型的相關(guān)系數(shù)越接近1,均方根誤差越接近0,RPD 的值大于3.0 小于6.5 時意味著模型性能越好,精度越高。

        3 光譜成像技術(shù)在玉米種子質(zhì)量檢測中的應(yīng)用

        3.1 玉米種子活力檢測

        種子活力影響種子發(fā)芽率、出苗率、幼苗生長勢,通常作為評價玉米種子質(zhì)量的重要指標(biāo)。在收獲后,由于處理不當(dāng)導(dǎo)致熱損傷或物理損傷,種子的活力可能會喪失。在貯藏過程中,種子呼吸會產(chǎn)生大量的水分和熱量,這也會導(dǎo)致種子老化,影響種子活力。在大田播種低活力的種子后,會造成出苗緩慢、發(fā)芽率低等問題,導(dǎo)致減產(chǎn)。應(yīng)用光譜成像技術(shù)及時測定種子活力,篩選出活力低的種子,對作物生產(chǎn)具有重大意義。

        WAKHOLI 等[38]利用光譜成像技術(shù)對玉米種子的活力進(jìn)行分類,通過對建立的不同模型進(jìn)行對比,發(fā)現(xiàn)支持向量機模型的分類正確率最高。但是在利用不同分類模型建模時出現(xiàn)了錯誤分類,究其原因是收集到的數(shù)據(jù)中存在噪聲,導(dǎo)致數(shù)據(jù)產(chǎn)生偏差,由此可見,在數(shù)據(jù)收集過程中,對環(huán)境控制是非常重要的。王亞麗等[39]設(shè)計了基于近紅外光譜技術(shù)的玉米種子活力分級裝置,建立PLS-DA 模型對種子活力進(jìn)行定性判別,最終校正集相關(guān)系數(shù)為0.987,預(yù)測集相關(guān)系數(shù)為0.960,對玉米種子活力逐粒無損檢測及分級具有良好的效果。此外,單?;b置作為玉米種子活力分級裝置的關(guān)鍵部位,將有活力和無活力的玉米種子分別吹送至相應(yīng)的分種箱,其分離效率是完成種子檢測及分級速率的關(guān)鍵,另外轉(zhuǎn)盤傾斜角、轉(zhuǎn)盤速度以及孔高度參數(shù)的設(shè)置會對單?;b置產(chǎn)生影響。FENG 等[40]在874~1 734 nm 光譜范圍內(nèi)使用光譜成像技術(shù)鑒定了8 個不同人工老化時間處理下的玉米種子活力,采用PCA 對不同老化時間下的玉米籽粒進(jìn)行定性分析,應(yīng)用二階導(dǎo)數(shù)選擇特征波長,建立基于全光譜和最佳波長的SVM 分類模型,最終發(fā)現(xiàn)在0、12、24 h,分類精度范圍在61%~100%,在其他時間下分類精度較低,說明使用光譜成像技術(shù)結(jié)合化學(xué)計量學(xué)方法可以評估種子的活力和種子的老化程度。

        上述研究大多基于玉米種子活力的定性分析,如活力水平預(yù)測、種子老化評價?;盍z測方法主要集中在具有一致性狀的玉米種子上,并且建立的模型準(zhǔn)確率較高,可以達(dá)到快速、準(zhǔn)確地檢測某一種玉米種子活力的要求。但是,在種子成分預(yù)測過程中與種子活力相關(guān)的定量分析的研究較少,且只關(guān)注了同一批次、同一品種的玉米種子,導(dǎo)致所建立的模型只能應(yīng)用于當(dāng)前任務(wù),可移植能力不佳。

        3.2 玉米種子含水率檢測

        種子含水率是評價種子質(zhì)量的重要指標(biāo)。在種子貯存過程中,過高的水分會導(dǎo)致種子的呼吸作用變強,產(chǎn)生大量的水分和熱量,引起種子發(fā)霉,降低種子的活力特性,因此通過測定種子水分,防止種子變質(zhì),是保證種子質(zhì)量的重要手段。目前傳統(tǒng)測定種子含水率的方法有蒸餾法、烘干法、微波法、電導(dǎo)法等。但是這些方法存在檢測過程耗時、破壞性強等缺點,不利于無損、高效檢測。

        ZHANG 等[41]通過光譜成像技術(shù)結(jié)合深度學(xué)習(xí)的方式對玉米種子含水率進(jìn)行了預(yù)測,運用偏最小二乘法(partial least squares,PLS)、卷積網(wǎng)絡(luò)(convolutional neural networks,CNN)、長短期記憶(long-short term memory,LSTM)和CNN-LSTM 分別建立了單粒水分模型,結(jié)果表明,胚側(cè)CNN-LSTM模型預(yù)測集的綜合指數(shù)為0.141,最適合水分測定,但CNN 模型需要訓(xùn)練的參數(shù)太多,必須保證有足夠的訓(xùn)練樣本。WANG 等[42]利用光譜成像技術(shù)結(jié)合變量選擇法,分別建立了玉米種子前后兩面不同放置位置的水分預(yù)測模型,有效地對水分進(jìn)行了定量分析,得出前后兩面驗證集的相關(guān)系數(shù)分別為0.969和0.946,均方根誤差分別為0.464%和0.616%。廉孟茹等[43]應(yīng)用光譜成像技術(shù)對144 根人工剝開玉米苞葉的鮮食玉米水分含量進(jìn)行了預(yù)測,采用卷積平滑法(savitzky-golay,SG)、SNV、MSC、MA 對光譜數(shù)據(jù)進(jìn)行處理,用SPA、CARS、RF 分別提取含水率的特征波長并建模分析,得出預(yù)測集相關(guān)系數(shù)分別為0.825 和0.006,但是針對田間未去除苞葉的鮮食玉米含水率的無損檢測模型還需進(jìn)一步研究。

        光譜成像技術(shù)在測定玉米種子水分方面取得了良好的效果,可滿足玉米種子質(zhì)量檢驗快速、高效的要求。但是光譜采集的數(shù)據(jù)信息量極大,具有高維數(shù)和冗余度,因此在建模之前要進(jìn)行多個數(shù)據(jù)預(yù)處理和特征波長的提取,這不僅增加了光譜建模過程的復(fù)雜性,且過度使用預(yù)處理方法還可能導(dǎo)致光譜信號失真,從而降低模型泛化性能。

        3.3 玉米種子病害檢測

        玉米種子在貯存過程中,由于溫濕度不一,易受真菌侵染發(fā)生霉變,影響其營養(yǎng)品質(zhì)。黃曲霉和鐮孢菌產(chǎn)生的赭曲霉毒素、嘔吐毒素及伏馬菌素等真菌毒素,影響人們的食用和使用,給糧食行業(yè)帶來嚴(yán)重?fù)p失。近年來,光譜成像技術(shù)已被應(yīng)用于染病種子的檢測。

        KIMULI 等[44]采用短波紅外高光譜成像系統(tǒng)(SWIR) 結(jié)合PCA、PLS-DA 和階乘判別分析(flexible discriminant analysis,F(xiàn)DA)對4 個黃玉米品種感染黃曲霉毒素B1(AFB1)程度進(jìn)行分類預(yù)測,準(zhǔn)確率為96%。由于混合樣品的化學(xué)成分變化有限,PLS-DA 和FDA 模型在分離混合樣品時收到的AFB1 信息較少,導(dǎo)致兩個模型合并樣本的黃曲霉毒素分類結(jié)果較差。YANG 等[45]以實測真菌孢子數(shù)為依據(jù),將霉變狀態(tài)劃分為4 個等級,通過高光譜技術(shù)結(jié)合深度堆疊稀疏自編碼器算法(stacked autoencoder)有效識別了玉米籽粒發(fā)霉程度,模型準(zhǔn)確率超過90%,但真菌孢子在培養(yǎng)過程中的0~10 d孢子生長速度較慢,原因可能是真菌還在適應(yīng)環(huán)境,沒有從玉米粒胚中吸收大量的營養(yǎng)。SHEN 等[46]通過可見光近紅外光譜成像技術(shù)和機器視覺技術(shù)相結(jié)合,采集270 組玉米籽粒的光譜信息,利用PCA+LDA 建立光譜和圖像特征融合模型,最終準(zhǔn)確率為92.2%,該方法可以有效地檢測貯藏玉米中的曲霉菌屬和鐮刀菌屬污染情況,但光譜和圖像響應(yīng)特性曲線易受玉米品種、侵染真菌種類和貯藏條件的影響,且在該試驗中僅對少數(shù)菌株進(jìn)行了研究,以上原因均有可能導(dǎo)致建立的模型精度較差。DA CONCEISO 等[47]利用近紅外高光譜成像技術(shù)結(jié)合圖像的模式對感染黃萎鐮刀菌和禾谷鐮刀菌的玉米種子進(jìn)行了判別,建立PLS-DA 預(yù)測模型,最終預(yù)測集相關(guān)系數(shù)為1。康孝存等[48]通過光譜成像技術(shù)結(jié)合麻雀搜索算法(sparrow search algorithm,SSA)對感染伏馬菌素的種子進(jìn)行了檢測,建立PLS-DA、PLS和BP 神經(jīng)網(wǎng)絡(luò)(back propagation neural network)判別模型,最終SPA-SSA-BP 神經(jīng)網(wǎng)絡(luò)與PLS-DA 模型精度達(dá)95.56%。

        以上研究表明,光譜成像技術(shù)可以用于檢測種子是否受到真菌侵染及真菌毒素的危害。多數(shù)學(xué)者將光譜成像技術(shù)和機器視覺技術(shù)相結(jié)合進(jìn)行檢測,提高了樣本特征的全面性,模型識別精度多數(shù)超過90%。但由于種子霉變時受環(huán)境溫度、樣品形態(tài)的影響,導(dǎo)致研究中的真菌濃度低于實際濃度,使所建立的定量模型產(chǎn)生誤差,因此未來應(yīng)加大不同霉菌對玉米種子光譜成像特征影響的研究力度。

        3.4 玉米種子品質(zhì)與產(chǎn)地鑒別

        玉米種類眾多,在大小和外觀上具有很強的相似性,肉眼難以區(qū)分,不同產(chǎn)地的玉米種子受環(huán)境的影響其特性會出現(xiàn)差異。在貯存、加工、銷售等環(huán)節(jié),一些不法商家將不同品質(zhì)的種子進(jìn)行混合,影響種子質(zhì)量。因此對玉米品質(zhì)和產(chǎn)地的鑒別可以保障農(nóng)民的權(quán)益,促進(jìn)農(nóng)業(yè)發(fā)展。近年來,光譜成像技術(shù)在鑒別品質(zhì)和產(chǎn)地方面已經(jīng)有了相關(guān)研究。

        ZHANG 等[49]通過近紅外光譜技術(shù)對3 個不同玉米品種的凍害進(jìn)行了鑒別并采用MSC、SNV、SG進(jìn)行了預(yù)處理,建立了PLS-DA、KNN 和SVM 3 種模型進(jìn)行比較,最終分類準(zhǔn)確率為90%,說明該方法可以鑒別不同程度凍害的玉米,但由于該試驗樣本種類數(shù)量較少,模型精度還需進(jìn)一步驗證。WANG等[50]采用近紅外光譜成像技術(shù)對3 種甜玉米種子(無處理的、人工加速老化的、經(jīng)過熱損傷的)進(jìn)行鑒別,建立的PLS-DA 模型準(zhǔn)確率為95%,該模型對區(qū)分3 種不同處理的玉米的甜玉米種子具有良好的效果。ZHOU 等[51]通過光譜成像技術(shù)結(jié)合卷積神經(jīng)網(wǎng)絡(luò)(CNN)和分區(qū)投票方法對12 個不同玉米品種種子的胚狀體和非胚體形態(tài)進(jìn)行了識別。結(jié)果表明,6 個品種的普通玉米種子鑒定出胚狀和非胚狀的準(zhǔn)確率分別為93.33%和95.56%;6 個品種甜玉米種子鑒定出胚狀和非胚狀的準(zhǔn)確率分別為97.78%和98.15%。王慶國等[52]通過光譜成像技術(shù)對不同產(chǎn)地和不同年份的玉米種子進(jìn)行了鑒別,得到了均值、標(biāo)準(zhǔn)差、熵和能量4 種特征,建立的PLS-DA 模型的預(yù)測集和驗證集相關(guān)系數(shù)為0.991 和0.984,但是在該研究中檢測的樣本數(shù)量較少,模型的精度還需要進(jìn)行多次驗證。

        以上研究表明,光譜成像技術(shù)可以對玉米種子的品質(zhì)和產(chǎn)地進(jìn)行鑒別。但近紅外光譜成像技術(shù)建立的模型準(zhǔn)確率在95%以下,其原因在于掃描方式為單點掃描,無法評估樣本整體信息,易受樣本分布均勻性影響,因此將近紅外光譜成像技術(shù)與其他檢測技術(shù)相結(jié)合是未來的研究重點。雖然基于光譜成像技術(shù)建立的模型準(zhǔn)確率高,但還存在圖像信息利用率不足和模型可移植性不強的問題,如何將光譜成像技術(shù)廣泛應(yīng)用在玉米種子產(chǎn)地鑒別的現(xiàn)實需求中也是未來研究應(yīng)該突破的重點。

        4 存在問題與展望

        綜上所述,國內(nèi)外學(xué)者利用光譜成像技術(shù)在玉米種子質(zhì)量檢測中都取得了不同的成果,并且在光譜成像預(yù)處理方面采取了多種算法,使建立的模型精度和數(shù)據(jù)準(zhǔn)確性更高,但是光譜成像技術(shù)仍存在一些不足,主要體現(xiàn)在以下幾個方面。

        (1)光譜成像中包含大量冗余信息,相關(guān)研究介紹了不同的預(yù)處理算法、特征波長選擇算法、建模方法,但是相關(guān)研究所使用的方法各不相同,建立具有較強魯棒性和較好泛化性能的模型仍是相關(guān)領(lǐng)域研究的重點,而建立更加標(biāo)準(zhǔn)化、普適化的建模方法是未來的發(fā)展要求。

        (2)光譜成像包含圖像信息和光譜信息,相關(guān)研究大多側(cè)重于光譜信息的發(fā)掘而忽略與圖像信息相結(jié)合。傳統(tǒng)的圖像處理技術(shù)主要是提取圖片的紋理特征和顏色特征等,無法提取光譜圖像的全部特征,而深度學(xué)習(xí)技術(shù)的不斷發(fā)展,包括CNN、深度殘差網(wǎng)絡(luò)(deep residual network,ResNet)、LSTM 等能夠提取圖像更深層次的特征,深度學(xué)習(xí)方法與光譜成像技術(shù)的融合有助于推動相關(guān)技術(shù)進(jìn)一步發(fā)展。

        (3)相關(guān)光譜設(shè)備都是大型設(shè)備,小型化、國產(chǎn)化是設(shè)備發(fā)展的趨勢。隨著我國產(chǎn)業(yè)技術(shù)升級,研究轉(zhuǎn)向高新技術(shù)突破,必然打破高端高光譜設(shè)備由國外壟斷的現(xiàn)狀。

        (4)光譜成像技術(shù)的優(yōu)勢在于能夠同時、快速、無損地檢測樣品的多項指標(biāo),且具有實時檢測的潛力。相關(guān)研究大多處于基礎(chǔ)研究階段,僅為光譜成像技術(shù)的產(chǎn)業(yè)化應(yīng)用提供了一些參考,只有較少的研究實現(xiàn)了實際應(yīng)用,而這更多地依賴于建立具有良好魯棒性和泛化性能的模型以及發(fā)展更加小型、便攜式的光譜設(shè)備。

        隨著科技的不斷發(fā)展,光譜成像技術(shù)在各類行業(yè)的應(yīng)用范圍越來越廣,要求也更嚴(yán)格。針對存在的問題,首先,未來應(yīng)建立一個玉米種子數(shù)據(jù)庫,通過加大抽樣力度,把玉米種子品種進(jìn)行分類和分級,嘗試多種預(yù)處理算法,設(shè)計對應(yīng)的光譜成像系統(tǒng),達(dá)到降低成本、節(jié)約時間的效果,進(jìn)而提高模型精度;其次,建議研究人員基于機器視覺技術(shù)、近紅外光譜技術(shù)和HIS 技術(shù)相結(jié)合的方法對玉米種子質(zhì)量進(jìn)行檢測;最后,開發(fā)一種更智能的玉米種子加工自動化分揀儀器。以數(shù)字化、圖像化和信息化為代表,建立一個通用的、穩(wěn)健的模型是未來農(nóng)產(chǎn)品無損檢測發(fā)展的必然趨勢。

        猜你喜歡
        玉米種子光譜玉米
        不同條件下對濟寧地區(qū)玉米種子萌發(fā)特性的研究
        基于三維Saab變換的高光譜圖像壓縮方法
        影響玉米種子發(fā)芽率的因素及對策
        種子科技(2022年24期)2022-02-11 15:04:09
        收玉米啦!
        我的玉米送給你
        玉米
        大灰狼(2018年6期)2018-07-23 16:52:44
        玉米種子生產(chǎn)存在的問題及管理辦法
        星載近紅外高光譜CO2遙感進(jìn)展
        最飽滿的玉米
        苦味酸與牛血清蛋白相互作用的光譜研究
        国色天香中文字幕在线视频| 偷拍女厕尿尿在线免费看| 亚洲一二三四五中文字幕| 少妇无码av无码专线区大牛影院| 国产乱人视频在线播放| 亚洲最大在线精品| 97自拍视频国产在线观看| av在线观看免费天堂| 熟女少妇在线视频播放| 在线播放国产女同闺蜜 | 日本一曲二曲三曲在线| 真实夫妻露脸自拍视频在线播放| 国产精品夜间视频香蕉| 久久亚洲AV无码精品色午夜| 国产av一区麻豆精品久久| 亚洲综合另类小说色区| 欧美日韩中文国产一区发布 | 亚洲最新国产av网站| 高潮迭起av乳颜射后入| 久久精品亚洲中文无东京热| 久久精品国产亚洲av网在| 亚洲av无码专区国产不卡顿| 久久久久亚洲av无码专区网站| 欧美v日韩v亚洲综合国产高清| 亚洲一区二区在线观看av| 精品国产青草久久久久福利| chinese国产乱在线观看| 国产精品国产三级国av在线观看| 国产熟女盗摄一区二区警花91 | 国产后入内射在线观看| 干日本少妇一区二区三区| 亚洲色无码国产精品网站可下载| 91产精品无码无套在线| 久久影院最新国产精品| 白丝爆浆18禁一区二区三区| 在教室伦流澡到高潮hnp视频| 亚洲精品视频免费在线| 无套内谢老熟女| 免费无码一区二区三区蜜桃大| 毛片无遮挡高清免费久久| 我的美艳丝袜美腿情缘|