可见/近红外光谱分析技术快速鉴别航天育种番茄

提出了利用可见/近红外光谱技术快速无损鉴别航天育种番茄品种的方法,采用偏最小二乘法对光谱特征信息进行提取,与神经网络结合建立番茄品种的鉴别模型。该模型将提取后的主成分作为神经网络的输入,加速了神经网络的训练速度。同时采用小波变换对大量光谱数据进行压缩,并结合神经网络建立番茄品种鉴别模型,该模型将压缩后的数据作为神经网络的输入。通过对太空育种突变株M1,M2及其亲本番茄品种的共105个番茄果实样本建立训练模型,并用每个品种15个样本,共45个番茄果实的样本进行预测。两个模型的鉴别正确率分别达到95.6%和97.8%。说明本方法具有较高的鉴别准确度,为航天育种番茄品种的快速无损鉴别提供了新的方法。

基于光谱技术的航天育种番茄品种鉴别方法的研究

为了实现航天育种番茄不同品种的快速光谱鉴别,采用主成分分析法对光谱数据进行聚类分析,并将小波变换用于对大量光谱数据的压缩,同时结合神经网络建立了番茄品种鉴别模型。该模型将压缩后的数据作为神经网络的输入,加速了神经网络的训练速度。通过对太空育种突变株M1和M2及其亲本番茄品种的共105个番茄叶片样本建立训练模型,并用每个品种15个样本,共45个番茄叶片的样本进行预测。结果表明,用该方法对航天育种番茄不同品种的鉴别正确率达到97.8%。说明文章提出的方法具有很好的分类和鉴别作用,为航天育种番茄不同品种的快速鉴别提供了一种新方法。