科研之友
微信
新浪微博
Facebook
分享链接
摘要
大豆种子容易发生老化并丧失活力，大豆种子活力检测对目前农业生产具有重要意义。以2020年收获的大豆种子为样本进行人工老化试验，老化时间设置为1、2、3、4、5、6 d，以未老化的种子作为对照组，每个老化等级30个样本。扫描获取全部210条近红外光谱数据，以4∶1的比例划分样本集。对原始光谱数据建立BP网络模型1，再分别采取多元散射校正和标准正态变量对原始光谱进行预处理，建立模型2、模型3。比较3种模型可以发现，预处理技术能缩短模型训练时间，同时可以消除部分噪声，提高模型预测能力，且经过标准正态变量处理后的模型结果较优，由于预处理后的数据维度并未发生变化，模型的训练时间较长，不利于实际应用。因此，采取主成分分析、连续投影法、竞争自适应重加权法对经过标准正态变量处理后的数据进行特征波长变量提取，将光谱数据由原来的1 845维降到10维、23维和150维。对经过特征波长变量提取后的数据分别建立BP网络模型，得到模型4、模型5、模型6。综合鉴别上述6种模型，其中模型6的分类准确率达到93.43%，训练时间2.25 s，说明该模型可以较好地实现对7类不同老化级别的大豆种子快速、无损鉴别。
- 单位
