基于機(jī)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(zhì)的好壞直接關(guān)系到玉米的利用率、等級及經(jīng)濟(jì)效益。開展基于機(jī)器視覺技術(shù)的玉米產(chǎn)量相關(guān)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(shí)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(shù)支持，有利于提高玉米籽粒的利用價值、促進(jìn)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(guān)性狀參數(shù)在線檢測方法，并在此基礎(chǔ)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(zhì)、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(jié)果如下:
　　1)設(shè)計(jì)并研制了基于機(jī)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(jī)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(jìn)行了試驗(yàn)研究，并驗(yàn)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(yàn)，結(jié)果表明:馬齒型玉米穗長的測量相對誤差都在5％范圍內(nèi);91.2％馬齒型玉米穗粗的測量相對誤差在5％范圍內(nèi);86.1％硬粒

4、形玉米穗長的測量相對誤差在5％范圍內(nèi);97.4％硬粒形玉米穗粗的測量相對誤差在5％范圍內(nèi);80.6％穗行數(shù)的測量相對誤差在10％范圍內(nèi);82.0％行粒數(shù)測量相對誤差在10％范圍內(nèi)。
　　3)基于近紅外光譜分析技術(shù)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(zhì)和直鏈淀粉數(shù)據(jù)中的異常樣本，并建立PLS模型。試驗(yàn)結(jié)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(yù)測結(jié)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(zhì)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(shù)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(jī)法(RS)、Kennard-Stone法(KS)和SPXY法對玉米籽粒樣本進(jìn)行劃分，并建立偏最小二乘(PLS)模型。結(jié)果表明:不同樣本劃分方法對模型的預(yù)測結(jié)果有影響，采用SPXY法劃分樣本集所建PLS模型的預(yù)測效果優(yōu)于RS法和KS法。
　　5)基于近紅外光譜分析技術(shù)研究了采用偏最小二乘支持向量機(jī)(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(jié)果表明，運(yùn)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(yù)測精度和優(yōu)化速度。
　　6)基于近紅外光譜分析技術(shù)研究了玉米籽粒3組分含量檢測的不同光譜預(yù)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(zhì)和直鏈淀粉樣本進(jìn)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(jī)(LS-SVM)模型。采用標(biāo)準(zhǔn)化、標(biāo)準(zhǔn)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(dǎo)數(shù)及它們的組合預(yù)處理方法與原始光譜的建模效果進(jìn)行對比分析。結(jié)果表明:采用LS-SVM進(jìn)行玉米籽粒氨基酸、蛋白質(zhì)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(biāo)準(zhǔn)化組合為檢測玉米氨基酸含量的最佳預(yù)處理方法，所建LS-SVM模型的預(yù)測值與實(shí)測值的相關(guān)系數(shù)R為0.997，標(biāo)準(zhǔn)偏差(RMSEP)為0.019;正交信號校正(OSC)+標(biāo)準(zhǔn)化為檢測玉米蛋

9、白質(zhì)含量的最佳預(yù)處理方法，模型的預(yù)測值與實(shí)測值的相關(guān)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(yù)處理方法，模型的預(yù)測值與實(shí)測值的相關(guān)系數(shù)R為0.999，RMSEP為0.068。
　　7)基于近紅外光譜分析技術(shù)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