基于機器視覺的玉米性狀參數(shù)與近紅外光譜的玉米組分含量檢測方法研究.pdf

1、玉米是世界三大作物之一，是我國重要的糧食和飼料作物。玉米產(chǎn)量和品質的好壞直接關系到玉米的利用率、等級及經(jīng)濟效益。開展基于機器視覺技術的玉米產(chǎn)量相關性狀參數(shù)在線檢測系統(tǒng)研究，為玉米育種、栽培及植物新品種特異性、一致性和穩(wěn)定性測試等科研實踐提供快速數(shù)據(jù)采集方法;開展基于近紅外光譜的玉米籽粒組分含量檢測方法研究，為玉米育種、改良等方面提供技術支持，有利于提高玉米籽粒的利用價值、促進玉米加工業(yè)的發(fā)展。
　　本文研究了玉米表型參數(shù)中的產(chǎn)量相

2、關性狀參數(shù)在線檢測方法，并在此基礎上研制玉米性狀參數(shù)自動檢測系統(tǒng)一套，用于提取穗重、穗長、穗粗、穗行數(shù)、行粒數(shù)、粒色、軸重、粒長、粒寬、粒厚、百粒重等參數(shù);研究了基于近紅外光譜的玉米籽粒3組分（氨基酸、蛋白質、直鏈淀粉）含量的定量分析方法，并建立了3組分含量檢測的定量分析模型。主要研究結果如下:
　　1)設計并研制了基于機器視覺的玉米果穗和籽粒性狀參數(shù)自動提取硬件系統(tǒng)，包括輸送系統(tǒng)、基于PLC的檢測控制系統(tǒng)、圖像采集系統(tǒng)、PLC與

3、PC串口通信系統(tǒng);開發(fā)了基于LabVIEW的果穗和籽粒圖像特征提取系統(tǒng)，包括圖像采集、圖像處理、參數(shù)自動保存、穗重自動獲取、PC機與PLC串口通信軟件的開發(fā);開發(fā)了基于PLC的輸送線控制軟件。
　　2)對玉米性狀參數(shù)自動檢測系統(tǒng)進行了試驗研究，并驗證了系統(tǒng)精度。通過對200個玉米果穗和200粒玉米籽粒的檢測試驗，結果表明:馬齒型玉米穗長的測量相對誤差都在5％范圍內;91.2％馬齒型玉米穗粗的測量相對誤差在5％范圍內;86.1％硬粒

4、形玉米穗長的測量相對誤差在5％范圍內;97.4％硬粒形玉米穗粗的測量相對誤差在5％范圍內;80.6％穗行數(shù)的測量相對誤差在10％范圍內;82.0％行粒數(shù)測量相對誤差在10％范圍內。
　　3)基于近紅外光譜分析技術研究了玉米籽粒組分含量檢測的異常樣本剔除方法。分別采用杠桿值法(Leverage)、半數(shù)重采樣法（ResamplingbyHalf-Mean，RHM）和蒙特卡洛采樣（Monte-CarloSampling，MCS）法剔除玉

5、米籽粒氨基酸、蛋白質和直鏈淀粉數(shù)據(jù)中的異常樣本，并建立PLS模型。試驗結果表明，依據(jù)不同原理的異常樣本剔除法對玉米籽粒組分定量模型的預測結果有影響，確定RHM為玉米籽粒氨基酸含量的最佳異常樣本剔除法，杠桿值法為玉米籽粒蛋白質含量的最佳異常值剔除法，MCS法為玉米籽粒直鏈淀粉的最佳異常樣本剔除法。
　　4)基于近紅外光譜分析技術研究了玉米籽粒組分含量檢測的樣本集劃分方法，確定Samplesetpartitioningbasedonj

6、ointx-ydistance(SPXY)法為玉米籽粒3組分含量的最佳樣本集劃分方法。分別采用隨機法(RS)、Kennard-Stone法(KS)和SPXY法對玉米籽粒樣本進行劃分，并建立偏最小二乘(PLS)模型。結果表明:不同樣本劃分方法對模型的預測結果有影響，采用SPXY法劃分樣本集所建PLS模型的預測效果優(yōu)于RS法和KS法。
　　5)基于近紅外光譜分析技術研究了采用偏最小二乘支持向量機(LS-SVM)建模時參數(shù)的優(yōu)化方法。分

7、別采用小生境蟻群算法和網(wǎng)格搜索法優(yōu)化LS-SVM徑向基核函數(shù)的參數(shù)γ和σ2，結果表明，運用小生境蟻群算法優(yōu)化模型的參數(shù)γ和σ2能提高模型的預測精度和優(yōu)化速度。
　　6)基于近紅外光譜分析技術研究了玉米籽粒3組分含量檢測的不同光譜預處理和建模方法。利用SPXY法分別對剔除異常樣本后的氨基酸、蛋白質和直鏈淀粉樣本進行樣本劃分，分別建立偏最小二乘(PLS)、偏最小二乘支持向量機(LS-SVM)模型。采用標準化、標準正態(tài)變量變換、正交信號

8、校正、中心化、多元散射校正、Savizky-Golay平滑、一階導數(shù)及它們的組合預處理方法與原始光譜的建模效果進行對比分析。結果表明:采用LS-SVM進行玉米籽粒氨基酸、蛋白質和直鏈淀粉含量檢測效果較優(yōu)。附加散射校正(MSC)+正交信號校正(OSC)+標準化組合為檢測玉米氨基酸含量的最佳預處理方法，所建LS-SVM模型的預測值與實測值的相關系數(shù)R為0.997，標準偏差(RMSEP)為0.019;正交信號校正(OSC)+標準化為檢測玉米蛋

9、白質含量的最佳預處理方法，模型的預測值與實測值的相關系數(shù)R為0.999，RMSEP為0.019;Detrend+MC為檢測玉米直鏈淀粉含量的最佳預處理方法，模型的預測值與實測值的相關系數(shù)R為0.999，RMSEP為0.068。
　　7)基于近紅外光譜分析技術研究了玉米籽粒3組分含量的特征波長優(yōu)選方法。分別在全譜（4000～10000cm-1）、合頻波段(4000～5500cm-1)、一倍頻波段(5500～7000cm-1)、二倍頻