

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、由于柑橘種類和品種繁多,親緣關(guān)系復(fù)雜,給遺傳分類、種質(zhì)識別和品種鑒定等帶來較大困難。傳統(tǒng)的柑橘分類鑒別方法費時費力、成本高以及操作復(fù)雜,而光譜技術(shù)具有靈敏度高、信息豐富、省時省力、準(zhǔn)確穩(wěn)定等優(yōu)點。因此,利用光譜技術(shù)實現(xiàn)對柑橘分類、親緣關(guān)系鑒定和品種識別具有重要的意義。另一方面,建立柑橘光譜數(shù)據(jù)庫,實現(xiàn)對柑橘不同品種光譜數(shù)據(jù)的收集、儲存、共享和管理是光譜技術(shù)應(yīng)用于柑橘品種分類識別等的基礎(chǔ)。
本試驗通過采集柑橘代表性種類和品種的花
2、、葉和果實等器官的光譜數(shù)據(jù),將PHP開發(fā)與MySQL應(yīng)用相結(jié)合,建立了柑橘光譜數(shù)據(jù)庫。利用數(shù)據(jù)庫的光譜數(shù)據(jù),結(jié)合最小二乘判別分析、神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)等化學(xué)計量學(xué)方法,研究柑橘不同種類、品種的花、葉片和果實光譜特性,對基于光譜數(shù)據(jù)庫信息的柑橘種類、品種的分類和鑒別方法進(jìn)行了探索,結(jié)果如下:
1.建立了柑橘光譜數(shù)據(jù)庫
選擇138個具有代表性的柑橘品種,對其花、葉和果實等三種器官采樣,應(yīng)用四種光譜信息采集儀器,采集了可見
3、-中紅外光譜波段的光譜信息和近紅外高光譜圖像信息?;赑HP+MySQL開發(fā)環(huán)境,采用AJAX異步調(diào)用和數(shù)據(jù)適配技術(shù),研究建立了我國第一個柑橘專業(yè)光譜數(shù)據(jù)庫。該數(shù)據(jù)庫界面友好,具有光譜數(shù)據(jù)的導(dǎo)入存儲、共享、分類管理和查詢顯示等功能。
2.柑橘光譜數(shù)據(jù)庫的應(yīng)用研究
(1)基于傅里葉變換紅外光譜信息的柑橘分類鑒定研究。從柑橘光譜數(shù)據(jù)庫收集柑橘屬18個品種花的傅里葉變換紅外光譜,通過對原始光譜(2000cm-1~500cm
4、-1)進(jìn)行基線校正、歸一化以及一階積分求導(dǎo)預(yù)處理,再采用單因素方差分析和Tukey's HSD多重比較提取特征波長,最后利用特征光譜進(jìn)行系統(tǒng)聚類分析。結(jié)果顯示:通過單因素方差分析和Tukey's HSD多重比較,提取得到2000~1831 cm-1、1763~1595 cm-1、1517~1090cm-1、1035~1024 cm-1、950~935 cm-1、861~784cm-1、744~721cm-1、653~608 cm-1等8
5、個特征波段,以此開展系統(tǒng)聚類分析,將18個柑橘品種劃分成了6個亞群,這一分類結(jié)果和反映的柑橘屬親緣關(guān)系與形態(tài)學(xué)、生物化學(xué)、細(xì)胞學(xué)以及分子生物學(xué)上的分類結(jié)果基本一致。表明,利用柑橘傅里葉變換紅外光譜的特征波段信息,可實現(xiàn)對柑橘屬植物的分類和親緣關(guān)系研究。
(2)基于可見/近紅外光譜信息的柑橘品種鑒別研究。利用柑橘光譜數(shù)據(jù)庫中4個柚類品種葉片的可見/近紅外光譜信息,采用軟獨立模式分類(SIMCA)、偏最小二乘判別分析(PLS-DA
6、)、反向傳播神經(jīng)網(wǎng)絡(luò)(BPNN)和最小二乘支持向量機(jī)(LS-SVM)等四種模式識別方法,對不同柚類品種的葉片進(jìn)行品種鑒別分析。結(jié)果顯示,BPNN和LS-SVM模型對柚類品種預(yù)測正確率都達(dá)到90%以上,且LS-SVM模型的預(yù)測效果更好,而SIMCA和PLS-DA模型的預(yù)測效果并不理想。說明,利用柑橘葉片的可見/近紅外光譜結(jié)合LS-SVM方法可實現(xiàn)對柑橘品種的快速鑒別。
(3)基于高光譜成像技術(shù)的柑橘品種鑒別研究。利用柑橘光譜數(shù)據(jù)
7、庫中4個具有代表性的柚類品種的高光譜圖像數(shù)據(jù),對比研究了葉片上表面和下表面高光譜圖像的有效光譜信息,采用主成分分析(PCA)和連續(xù)投影算法(SPA)提取最佳主成分和有效波長,并將其作為最小二乘支持向量機(jī)(LS-SVM)的輸入變量進(jìn)行品種識別。結(jié)果顯示:基于葉片上表面光譜信息建立的PCA-LS-SVM和SPA-LS-SVM模型對預(yù)測集樣本的識別正確率均為95.83%,而基于葉片下表面光譜信息建立的PCA-LS-SVM和SPA-LS-SVM
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 浙江省土系數(shù)據(jù)庫建立及應(yīng)用研究.pdf
- 農(nóng)藥高分辨質(zhì)譜數(shù)據(jù)庫的建立及應(yīng)用研究.pdf
- 常用飲片近紅外光譜數(shù)據(jù)庫建立及識別研究.pdf
- 嵌入式高光譜數(shù)據(jù)庫的開發(fā)及目標(biāo)分類應(yīng)用研究.pdf
- 骨不連數(shù)據(jù)庫的建立及應(yīng)用.pdf
- 高光譜數(shù)據(jù)庫及數(shù)據(jù)挖掘研究.pdf
- 腎上腺疾病數(shù)據(jù)庫的建立及臨床應(yīng)用.pdf
- 礦山數(shù)據(jù)庫管理系統(tǒng)的建立及應(yīng)用.pdf
- 甲狀腺外科臨床數(shù)據(jù)庫的建立及初步應(yīng)用.pdf
- 數(shù)據(jù)庫中數(shù)據(jù)挖掘理論方法及應(yīng)用研究.pdf
- 基于關(guān)系數(shù)據(jù)庫和面向?qū)ο髷?shù)據(jù)庫的設(shè)計及應(yīng)用研究.pdf
- 長慶油田測井信息數(shù)據(jù)庫建立及應(yīng)用.pdf
- 乳腺癌數(shù)據(jù)庫的建立及臨床應(yīng)用.pdf
- 建立數(shù)據(jù)庫library
- Web數(shù)據(jù)庫技術(shù)的應(yīng)用研究.pdf
- 建筑色彩數(shù)據(jù)庫的應(yīng)用研究.pdf
- 數(shù)據(jù)庫權(quán)益管理模式及應(yīng)用研究.pdf
- excel建立數(shù)據(jù)庫
- 肺癌臨床數(shù)據(jù)庫及血液標(biāo)本庫的建立.pdf
- 基于WEB數(shù)據(jù)庫的LIMS應(yīng)用研究.pdf
評論
0/150
提交評論