为实现玉米杂交种的自动化快速分选, 提出了应用少量近红外波段光对玉米种子进行成像, 获取种子光谱图像并提取纹理特征来鉴定玉米杂交种纯度的方法。 采集5个玉米品种的母本和杂交种在4个短波近红外波段的透射光谱图像和4个中波近红外波段的反射光谱图像, 采用白板标定校正光谱图像, 运用中值滤波、 大津法去除噪声, 从背景中分割出种子, 应用灰度分布统计, 灰度共生矩阵提取纹理特征, 对同一粒种子拼接其在各波长处的特征数据, 应用主成分分析和正交线性判别分析降维并获得子空间的最佳可分性, 使用支持向量机建立透射和反射光谱图像纯度鉴定模型。 透射和反射模型对5个玉米品种平均正确鉴别率均在85%以上。 表明利用少量波段的近红外光谱图像鉴定玉米杂交种纯度是可行的。

以2009年产自海南的农华101玉米种子作为研究对象, 基于近红外漫透射光谱法(波长范围908.1~1 677.2 nm), 研究了一种高强高效近红外光源在不同光源电压以及光源至光谱仪不同距离两种条件下对玉米杂交种鉴别的影响。 对光谱进行一阶导数、 矢量归一化的预处理后, 使用主成分分析(PCA)和正交线性判别分析(OLDA)提取光谱特征, 使用支持向量机(SVM)分别建立种子纯度鉴定模型, 统计不同实验条件下的识别率。 结果表明, 在电压较低或者光源至光谱仪的距离较大的时候, 光源强度较低, 得到的光谱曲线有较多的毛刺, 此时的识别率较低, 增大电压或者降低光源至光谱仪的距离时, 光谱曲线变得较为平滑, 识别率明显升高, 说明在一定范围内增大光源强度会提高模型的正确鉴定率。

针对小麦品种多分类问题, 使用近红外光谱进行定性分析。 建模样本增加能够使模型包含信息增多, 但同时也会导致信息冗余, 增加建模时间和存储空间, 所以需要通过样本选择降低数据量。 如果盲目选择必然会使信息丢失, 模型效果将大打折扣, 因此, 在传统选择方法基础上, 提出k近邻-密度样本选择方法。 使用多天采集的小麦种子近红外漫反射光谱, 在对其原始光谱进行预处理和特征提取后, 分别使用随机抽样、 k近邻和k近邻-密度三种方法进行建模样本选择, 然后建立仿生模式识别模型和改进的仿生模式识别模型。 实验结果显示, 在建立的仿生模式识别模型中, 使用k近邻-密度样本选择方法的模型识别效果优于另两种方法, 且建模样本量大大降低； 而在改进的仿生模式识别模型中, 使用k近邻-密度样本选择方法识别效果明显优于随机抽样, 略好于k近邻方法, 但使用k近邻-密度方法所选择的样本数量远少于k近邻方法。 结果证明k近邻-密度样本选择方法不仅能够大大降低建模样本量, 而且保证了模型质量, 对解决小麦品种多分类问题有明显效果。

探索使用近红外反射和透射光谱法(波长范围908.1~1 677.2 nm)鉴定玉米杂交种纯度, 并对两种方法进行比较。 对光谱进行一阶导数、 矢量归一化的预处理后, 使用主成分分析(PCA)和正交线性判别分析(OLDA)提取光谱特征, 使用支持向量机(SVM)分别建立两个玉米品种(农华101和京玉16)的种子纯度鉴定模型。 反射近红外光谱建立的农华101和京玉16的正确鉴定率分别为100%和90%。 但反射光谱法受种子摆放位置的影响很大, 胚面和非胚面光谱有较大差异。 透射光谱法建立的京玉16和农华101纯度鉴定模型的正确鉴定率均为98%, 胚面和非胚面的光谱相似度很高。 结果表明, 利用近红外反射和透射光谱法鉴定玉米杂交种纯度是可行的; 透射光谱法更适于分析单籽粒玉米种子。