基于BP神经网络的粳稻种子拉曼光谱鉴别方法研究

为了缩短水稻种子检验周期、增加水稻种子检验品种、扩大水稻种子检验范围,以种植粳稻的5个地区(黑龙江、天津、山东、河南、江苏)的20种不同品种粳稻种子为研究对象,提出一种基于拉曼光谱技术不同产地和相同产地不同品种的粳稻种子快速准确鉴别方法。首先,实验使用Savitzky-Golay(SG)、一阶导数(1-Der)、二阶导数(2-Der)、多元散射校正(MSC)、标准正态变量变换(SNV)、迭代自适应加权惩罚最小二乘法(AIRPLS)6种不同预处理方法对光谱数据进行预处理,并对比不同预处理方法在BP神经网络判别模型中的判别效果;其次,采用竞争性自适应重加权采样算法(CARS)和连续投影算法(SPA)2种特征波段提取方法对光谱数据进行特征波段提取,并对比2种特征波段提取方法在BP神经网络判别模型中的判别效果;最后,通过遗传算法(GA)优化BP神经网络进一步提升模型识别准确率与运行速度。结果表明:6种预处理方法中SG平滑预处理方法效果最好,CARS特征波段提取方法相比于SPA特征波段提取方法效果更好,GA算法可以将BP神经网络模型识别准确率和运行速度优化。BP神经网络模型对5种不同产地粳稻种子识别准确率为100%;对相同产地不同品种粳稻种子识别准确率均在90%以上。实验表明应用拉曼光谱技术结合BP神经网络模型能够实现快速、有效地鉴别粳稻种子产地及品种。

提高三系杂交粳稻种子生产纯度的措施

三系杂交粳稻种子纯度关系着该杂交种子的生命力,提高杂交稻种子纯度是杂交稻种子生产的必然要求。从杂交稻种子生产的产前、产中、产后三方面介绍了提高杂交水稻种子纯度的措施,认为要实施全程质量监控,采取一系列防范措施,从源头上堵控杂交稻杂种的产生,从而提高杂交粳稻种子纯度。

艾蒿提取物不同浸种时间对粳稻种子萌发和生长的影响

通过用4种艾蒿提取物对粳稻种子1、2、4和8h的浸种方法,观察其对粳稻种子萌发和早期生长的影响。试验结果表明:浸种1h,苯提取物的增长效果最好;浸种2h和4h,氯仿提取物的增长效果最好;浸种8h,石油醚提取物的浸种效果最好。总的来说,氯仿提取物和石油醚提取物的增长效果较好,4h和8h为较佳浸种时间。

粳稻种子室内最适发芽试验条件研究

种子发芽率是种子质量标准的重要因素之一.快速准确的种子发芽试验与农业生产有密切关系.人们可根据测得的种子发芽率高低,决定一批种子能否在生产中应用,还可影响经营者调种、引种和良种的推广,以及播种量的多少.如何在室内准确测定种子发芽率,最为关键的技术就是要将种子置于最适宜的条件下进行发芽.本文就不同温、光条件对粳稻种子室内发芽率进行研究,以得到粳稻种子室内最适发芽试验条件,给生产者提供较为切实可靠的技术依据.

基于近红外光谱的粳稻种子快速鉴别方法研究

黑龙江省是我国最大的粳稻产区和商品粮生产基地。水稻种植过程中,选择合适的水稻品种是实现高产的关键环节。在农业生产中,水稻品种的选择受多方面因素影响,一般说来,同一积温带所种植的不同水稻品种在外观上差别不大,甚至没有差别,很难通过肉眼观察进行准确区分。为了快速鉴别肉眼不便区分的不同类别粳稻种子,提出了一种基于近红外光谱技术的粳稻品种快速无损鉴别方法。以黑龙江垦区大量种植的3种不同品种的粳稻种子(垦粳5号、垦粳6号和绥粳4号)作为研究对象,每个品种选取40个样本,其中30个样本做为建模集,10个样本作为预测集,扫描获取全部120个样本的近红外光谱数据。对原始光谱数据(11520~4000cm^-1)两端进行裁剪,选取吸光度较强的8250~5779cm^-1范围内的光谱数据进行研究。首先建立参照模型,即直接对光谱数据建立BP模型1,同时光谱数据经过一阶导数和Savitzky-Golay平滑预处理后建立BP模型2。模型1的分类正确率为93.3%,预测集均方根误差RMSEP=0.2328,迭代时间t=3882.9s。模型2的分类正确率为100%,RMSEP=0.0706,迭代时间t=954.5s。比较两种模型的评价参数RMSEP发现FD+SG预处理可以提高模型的预测能力,但是由于两种模型未进行降维处理,数据量过大,模型的输入节点过多,迭代时间太长,不利于实际应用。因此利用小波变换多分辨率的特点对数据进行降维处理,采用预测集残差平方和Press值作为评价指标,在多个小波类别和参数中选取分解尺度为5的sym2(symlet2)小波对光谱数据进行压缩和降维处理,将光谱数据由601维降到21维。以小波变换结果作为神经网络输入,建立模型3,并与模型1比较,模型3的分类正确率为93.3%,RMSEP=0.2250,迭代时间t缩短至198.9s,比较结果显示小波降维可以减少神经网络的输入,简化神经网络的结构,从而提高迭代速度,但对提高模型的预测能力效果不明显。上述三种模型比较结果表明,FD+SG预处理可以提高模型的预测能力,小波降维可以提高模型的迭代速度,综合上述三种模型的比较结果分析,最终建立“FD+SG+小波降维”的21输入、15个隐层、3个输出的神经网络鉴别模型4,其分类正确率达100%,RMSEP=0.0293,迭代时间为98.8s,表明模型4能够完全实现对三种不同水稻品种的快速、准确、无损鉴别。因此,所提出的基于近红外光谱的小波降维和反向传播人工神经网络鉴别模型的方法完全可以用于粳稻种子的快速无损鉴别,同时也为其他农作物种子的快速鉴别提供了参考。

兴安盟地区粳稻种子盐胁迫下的发芽特性及耐盐性评价

根据不同粳稻种子发芽期对盐胁迫的反应,设置1、2、3 g/L NaCl溶液,对兴安盟地区主栽的14份粳稻种子进行盐胁迫处理,以蒸馏水处理为对照,分析不同浓度盐胁迫处理对粳稻种子发芽率、芽长、主根长和根数的影响。试验结果表明,发芽率、芽长、主根长和根数随着盐浓度的升高总体呈下降趋势,但低盐浓度时下降不明显,高盐浓度时下降显著,且对粳稻种子的发芽率、芽长、主根长和根数有着极显著抑制作用。以相对盐害率等指标对参试的14份粳稻品种进行耐盐性评价,筛选出发芽期强耐盐粳稻品种蒙松138和绥粳18。

太赫兹光谱结合特征选择算法分选掺混稻种

农业生产安全是食品安全的重要组成,粳米作为日常食用的大米,劣质掺混种子的快速检验是相关领域的重要研究工作。本研究使用太赫兹时域光谱采集220份掺混稻种和纯品稻种样本的光谱信号,通过傅里叶变换(Fourier transform, FT)对光谱数据进行预处理,将时域信号转化为频域信号作为建模数据集,对QUSET等5种模式识别模型进行分选研究。结果表明,随机森林算法(RF)、连续投影算法(SPA)、变量集群分析耦合迭代保留算法(VCPA-IRIV)等3种算法分别选择9个、6个、25个重要的特征频率,其中VCPA-IRIV作为耦合算法选择的特征频率包含的光谱信息最为丰富。为进一步优化模型,对特征频率选择后建模,在分析速度和识别精准度上显著优于全光谱建模方法,经VCPA-IRIV算法筛选的25个特征频率建立的QUEST和KNN分类对是否掺混的鉴别准确率均能达100%。变量集群分析耦合迭代保留算法能够有效地选择包含信息丰富的太赫兹光谱特征频率,能够有效提升所建立的识别模型的准确率。基于太赫兹光谱和耦合特征选择算法建立的掺混稻种识别模型快速、准确,能够为检测劣质掺混粳米种子提供新的方法。

药剂浸种及催芽时间对晚稻种子发芽率的影响

对7个晚粳品种,用5种药剂浸种,4个催芽期的发芽试验表明,对种子发芽率的影响次序为催芽时间>药剂处理>品种。药剂浸种影响以402最小,浸种灵次之,稻种清再次,使百克的影响最大。催芽3 d发芽率仅为65%,4 d迅速上升,5 d可达85%以上。药剂与品种互作的影响以浸种灵为最小,使百克最大,稻种清次之。药剂、品种与催芽时间的互作趋势相仿,以3 d的影响最大,随时间延长差异缩小。使百克浸种对发芽势有显著抑制作用,以选用402、稻种清或浸种灵为妥,催芽时间以4 d以上为好。