基于玉米籽粒近红外光谱的品种与产地识别研究

为考察近红外光谱对玉米种子的品种识别与产地识别性能，采集了8个玉米品种波长范围为12000～4000cm叫的近红外光谱数据，并基于此数据研究了基于PCA的光谱数据特征的提取方法，并探讨了神经网络（ANN）和支持向量机模型（SVM）在品种识别上的性能，进一步研究了玉米品种的产地识别技术，且比较了传统可见光图像的品种识别。研究发现：基于近红外的玉米品种识别，在6个主分量的情况下整体上性能达到90％以上；SVM算法较ANN算法稳定可靠，更适合于小样本情况下的光谱分析；基于光谱的品种识别与基于可见光图像的品种识别效果相当；另外发现同一品种在不同产地上其光谱特征差别较大，据此可以应用光谱进行产地鉴别，鉴别力达到95％以上。本研究所构建的方法对玉米品种识别和产地识别具有积极意义。