1 北京工商大学食品安全大数据技术北京市重点实验室, 北京 100048
2 中国农业科学院作物科学研究所, 北京 100081
为无损探究种子成分分布与种子活力变化的内在关系, 以玉米种子主要成分淀粉为研究对象, 将太赫兹时域反射成像技术与移动窗口相关系数法相结合, 无损可视化构建不同活力程度的玉米种子淀粉空间分布图。 以郑单958玉米品种为例, 实验通过人工老化方式(40 ℃, 100%RH)制备老化0、 18、 36、 54、 72 h的种子样本, 采用Terapluse 4000太赫兹时域光谱仪及反射成像附件扫描获取不同老化程度的样本和纯玉米淀粉样品的太赫兹光谱图像。 以16.35 cm-1下THz图像为基准, 采用阈值分割法精确提取种子胚乳、 种胚区域, 通过对比不同组织区域内THz平均吸光度可得胚乳和种胚光谱明显差异, 且胚乳和淀粉纯物质在51.96 cm-1附近存在明显的共同吸收峰。 应用移动窗口相关系数法(窗口宽度为20, 移动步长为10), 逐像素点计算种子太赫兹时域光谱与纯玉米淀粉光谱的-相关系数, 并根据相关系数值以及坐标信息绘制伪彩色热力图, 可视化构建玉米种子淀粉分布图。 实验统计5个老化阶段、 6个谱区窗口的淀粉分布图中相关系数>0.8的像素点占比可得: 在29.83~67.36 cm-1区间内, 种子胚乳和种子区域内的淀粉含量在种子活力下降过程中呈现总体下降趋势, 即种子淀粉含量与活力呈现正相关关系。 实验结果表明: 太赫兹时域光谱反射成像技术结合移动窗口相关系数伪彩色成像分析方法可以初步实现种子活力变化过程中玉米种子淀粉空间分布特性的无损探测, 该技术可为深入研究种子化学成分与其自身活力之间的制约关系, 无损解析种子生命活动与自身生理生态规律变化提供崭新的视角和方法。
玉米种子 太赫兹时域光谱反射成像 相关系数成像法 移动窗口 淀粉 Corn seeds Terahertz time-domain spectral reflection imaging Correlation coefficient imaging method Moving window Starch 光谱学与光谱分析
2023, 43(9): 2722
1 黑龙江八一农垦大学信息与电气工程学院, 黑龙江 大庆 163319
2 黑龙江八一农垦大学工程学院, 黑龙江 大庆 163319
近红外光谱(NIRS)技术在作物种子品种鉴别上具有一定的可行性, 但如果待测种子的存储时间不同, 识别模型的准确性会受到影响。 为了降低存储时间对识别模型的影响、 提高模型的预测能力, 将NIRS技术与图像处理技术相融合, 提取出与品种生理生化指标相关的光谱特征和与品种相关的表观图像特征。 为了提取出最优的光谱特征, 首先提出一种改进的后向间隔偏最小二乘(IM_BiPLS)光谱区间选择算法。 针对BiPLS分段数难以确定的问题, 让分段数在一定范围内变化, 以每个分段数所取得的组合区间建立模型的相关系数和交叉验证均方根误差之比作为评价指标, 该指标最大时的分段数所对应的波段组合为最优。 然后使用竞争自适应重加权法(CARS)去除IM_BiPLS所选波段中的无信息变量和共线性变量实现光谱特征优选。 为了提取与品种相关的表观图像特征, 首先使用基于最大熵和双重区域标记的图像分割算法完成不感兴趣区域去除和单粒种子图像分割; 然后提取单粒种子的形态、 纹理和颜色特征并计算出每个图像样本所有种子的统计平均特征。 最后使用CARS对这些特征进行深层次优选完成图像特征提取。 以10个黄色玉米品种为研究对象, 采集216个样本的NIRS数据和对应的图像。 针对光谱数据, 使用IM_BiPLS算法从全谱1 845个变量中选出了具有736个变量的波段组合, 使用CARS进一步从中优选出光谱变量29个。 针对图像数据, 提取出图像特征29个, 使用CARS进一步优选出图像特征11个。 分别以IM_BiPLS提取的光谱特征波段、 IM_BiPLS-CARS优选的特征波长、 图像特征(Image)、 CARS提取的图像特征(Image-CARS)以及IM_BiPLS-CARS优选的特征波长融合CARS提取的图像特征(Compound)为输入, 以样本对应的类别为输出, 建立BP神经网络模型。 测试结果表明Compound-BP模型的性能最佳, 训练准确率和验证准确率均为100%, 测试准确率为97.7%。 实验结果说明NIRS特征融合图像特征可以有效地提高识别模型的精度, 降低存储时间对模型的影响, 为实现玉米种子品种的无损、 快速、 精确识别提供参考。
玉米种子 品种识别 特征融合 后向间隔偏最小二乘 Corn seed Recognition of seed varieties Feature fusion Backward interval partial least squares 光谱学与光谱分析
2023, 43(8): 2588
1 浙江科技学院浙江省废弃生物质循环利用与生态处理技术重点实验室, 浙江 杭州 310023
2 天津科技大学天津市制浆造纸重点实验室, 天津 300457
长期以来, 学者们致力于将玉米秸秆这类低品位的生物质资源向高附加值的化学品转化, 提高其利用价值。 对玉米秸秆进行常压酸催化多元醇液化试验, 并对其所得液化残渣的主要组成成分、 热解及纤维特性进行研究。 采用傅里叶红外光谱技术(FTIR)、 热裂解气相色谱-质谱联用技术(Py-GC/MS)、 热重分析技术(TGA)、 X射线衍射技术(XRD)及扫描电子显微镜技术(SEM)对玉米秸秆及其液化残渣的化学基团、 热裂解产物、 热失重情况、 晶体结构和微观形貌进行了检测分析。 FTIR分析表明, 液化残渣中三组分(纤维素、 半纤维素和木质素)官能团的特征吸收峰几乎消失, 其主要含有未液化完全的纤维素和三组分降解产生的小分子间通过聚合反应生成的大分子物质。 Py-GC/MS表明, 液化残渣热裂解产物中包含呋喃类(10.64%)、 酚类(18.89%)、 酮类(3.73%)、 烃类(35.23%)、 醇类(4.17%)、 醛类(4.31%)、 醚类(1.25%)和有机酸类(4.79%)及含S或N杂原子化合物(17.00%)等89种可识别的有机物, 这些有机物的含碳数高于玉米秸秆同类族化合物中的含碳数。 通过TGA明确液化残渣热失重的情况, 即加热阶段, 其质量损失约为3%; 快速失重阶段, 质量损失非常明显, 约为45%; 缓慢失重阶段, 质量损失不足4%; 其发生热解的条件比玉米秸秆的更为苛刻。 XRD结果可知, 液化残渣的主峰和次峰消失, 破坏了纤维素Ⅰ晶格结构, 形成球磨纤维素。 SEM图像表明, 玉米秸秆经酸催化多元醇液化后生成杂乱无序、 粗糙、 不规则、 呈颗粒状的液化残渣。 综上, 此条件下玉米秸秆几乎完全液化。 这为液化残渣制备木质基炭材料给予理论基础与应用支持, 促进了生物质资源全组分利用。
玉米秸秆 液化残渣 傅里叶变换红外光谱 热裂解气相色谱-质谱联用技术 X射线衍射技术 Corn stalk Liquefaction residue FTIR Py-GC/MS XRD
中国矿业大学(北京)地球科学与测绘工程学院, 北京 100083
随着人类生活质量的提高, 农产品重金属污染问题备受关注。 农作物中的重金属元素会通过食物链侵害人体健康, 而不同重金属元素对人体毒害差别较大, 因此农作物中含有重金属元素的类别识别至关重要。 传统重金属元素检测方法存在环节多、 耗时长、 成本高等缺点, 但高光谱遥感技术具有信息使用量大, 理化反演能力强, 分析速度快, 无损监测等优势, 逐渐成为农作物重金属污染分析的重要手段之一。 以不同CuSO4·5H2O和Pb(NO3)2浓度梯度土壤胁迫下典型农作物玉米生长的叶片光谱为研究对象, 引入光谱包络线去除(CR)、 光谱比值(SR)、 分数阶微分(FOD)同时结合改进红边比值指数(MSR)构建铜铅元素识别指数(CLI); 通过挑选与铜铅元素种类相关性最强的三个分数阶微分阶数的CLI值建立铜铅元素判别特征点(CLDFP); 再利用欧式聚类(EC)将训练集样本分为铜污染与铅污染两类并结合圆心连线的垂直平分线(PB), 建立基于EC-PB识别铜铅元素种类的二维坐标系下判别规则线(CLDRL)和三维坐标系下判别规则面(CLDRP), 从而实现玉米叶片光谱信息的重金属铜铅元素种类准确识别。 研究结果表明, CR-SR-FOD光谱变换处理增加了玉米叶片光谱信息与铜铅元素种类之间的相关性; 各阶次FOD对应的CLI与铜铅元素种类相关系数各不相同, 随着阶次的增加, 相关性呈现先递增后递减的趋势, 其中相关系数最高的三个阶次分别为1.2阶, 0.7阶, 1.0阶; 在二维坐标系下训练集样本判别正确率为78.95%, 验证集样本判别正确率为75.0%; 在三维坐标系下训练集样本判别正确率为76.32%, 验证集样本判别正确率为75.0%, 证明了基于EC-PB构建的二维CLDRL和三维CLDRP光谱判别规则可以有效识别玉米叶片中铜铅污染元素种类。
光谱分析 玉米叶片 光谱变换 重金属元素识别 欧式聚类 垂直平分线 Spectral analysis Corn leaf Spectral transformation Identification of heavy metal elements Euclidean cluster Perpendicular bisector 光谱学与光谱分析
2022, 42(10): 3256
1 中国农业大学现代精细农业系统集成研究教育部重点实验室, 北京 100083
2 浙江大学生物系统工程与食品科学学院, 浙江 杭州 310058
3 吉林省农业科学院玉米研究所, 吉林 长春 130033
玉米种子穗腐病是危害玉米产量的主要病害之一。 利用近红外光谱开展了玉米种子穗腐病判别模型研究。 246粒玉米种子由吉林省农业科学院海南育种基地提供, 其中96粒玉米种子为穗腐病染病样本, 其他150粒玉米种子为同种玉米正常样本。 利用MATRIX-Ⅰ型傅里叶近红外光谱仪采集了样本800~2 500 nm范围的近红外光谱信息, 并对样本近红外光谱数据利用多元散射校正(MSC)进行预处理。 结合玉米内部有机物质的近红外光谱的敏感波段和样本近红外光谱吸收峰挑选了4个优选区间, 并采用相关系数法(CA)、 连续投影算法(SPA)和竞争性自适应重加权算法(CARS)三种不同原理的特征波长提取算法分别提取了4(1 362, 1 760, 2 143和2 311 nm)、 5(1 227, 1 310, 1 382, 1 450和1 728 nm)和10(1 232, 1 233, 1 257, 1 279, 1 313, 1 688, 1 703, 1 705, 2 302和2 323 nm)个特征波长。 以提取得到的特征波长作为玉米种子穗腐病判别模型输入变量, 用0-1(染病-正常)表示样本染病状况作为输出真实值建立支持向量机(SVM)模型, 使用网格搜索法结合十折交叉验证法对模型参数进行优化。 结果表明, CA-SVM, SPA-SVM和CARS-SVM三种判别模型中训练集和测试集建模准确率均在90%以上。 该研究成果为玉米种子病害诊断装置提供了模型基础, 且针对优选区间进行特征波长选择的方式也可以为建立其他种子病害判别模型提供参考。
近红外光谱 玉米种子 穗腐病 特征波长 Near-infrared spectrum Corn seeds Ear rot Characteristic wavelength 光谱学与光谱分析
2022, 42(6): 1716
1 黑龙江八一农垦大学信息与电气工程学院, 黑龙江 大庆 163319
3 黑龙江省水稻生态育秧装置及全程机械化工程技术研究中心, 黑龙江 大庆 163319
为了快速检测玉米品种类型, 基于支持向量机(SVM)和近红外光谱联合建立玉米品种的分类模型。 以郑单958、 先玉335、 京科968、 登海605和德美亚等五个品种共计293个样本为研究对象, 对采集的近红外光谱进行标准正态变量变换(SNV)处理后使用主成分分析法(PCA)对光谱数据进行降维处理。 按照6:1比例, 随机选取251个样本为训练集, 42个样本作为测试集, 探讨贝叶斯优化算法(BO)对SVM模型性能的影响。 分别使用网格搜索(GS)、 遗传算法(GA)和BO算法等三种方法对SVM模型的两个重要参数惩罚因子C和径向基核函数参数γ进行寻优。 选择各模型十折交叉验证识别准确率最高时对应的惩罚因子和核参数作为建模参数, 建立SVM分类模型。 将使用BO算法建立的SVM分类模型与使用GS和GA进行参数寻优后建立的模型性能进行比对。 实验发现, 使用BO优化的SVM分类模型相比于其他两种优化算法得到的SVM模型性能具有显著优势, 测试集的识别准确率可达到100%。 说明使用BO算法寻优的SVM模型参数是全局最优参数, 其他两种优化算法寻优的参数可能陷入了局部最优, 从而导致模型性能表现不佳。 在进行PCA降维前后的光谱数据上分别建立BO-SVM模型, 结果表明, BO算法对于高维数据优化效果不佳, 更适用于低维数据。 对于不同样本类别间数量不均衡导致模型性能表现不佳的问题, 通过剔除郑丹958和先玉335两类数量较少的样本, 使用剩余三个类别, 共计248个样本重新建立SVM模型, 实验发现, 剔除两类小样本之后, 各个模型在测试集上的性能均有提升, 说明对于类间样本数量不均衡问题, 某类样本数量越多, 对于模型参数的修正就越细腻, 模型对该类的拟合效果就越好。 研究结果可用于玉米品种的快速鉴别, 也可为基于近红外光谱的其他农产品分类和产地鉴别提供参考。
近红外光谱 玉米 贝叶斯优化 主成分分析 支持向量机 Near infrared spectroscopy Corn Bayesian optimization Principal component analysis Support vector machine 光谱学与光谱分析
2022, 42(6): 1698
内蒙古农业大学草原与资源环境学院, 内蒙古自治区土壤质量与养分资源重点实验室, 内蒙古 呼和浩特 010018
综合使用光谱技术对作物养分进行实时、 有效诊断, 有助于作物的精准管理、 保障产量和减少环境污染, 提高肥料利用率, 并且为定量估测作物生化组分状况提供了一种新的途径。 光谱指数是进行作物叶片叶绿素实时估测的重要指标, 然而由于受到环境条件及内在生化成分的影响, 估测结果不尽满意。 为了进一步提高光谱指数在估测作物叶片叶绿素含量时的抗干扰能力和敏感性, 于2020年在内蒙古玉米种植典型区域进行不同氮梯度的田间试验, 在玉米的四个关键生育时期获取叶片的光谱反射率和叶绿素值, 通过建立基于面积的光谱指数和叶片叶绿素值的关系模型并进行光谱指数的优化及评价。 结果表明, 生育时期对面积光谱指数与叶片叶绿素值的关系有显著影响。 前人研究的基于面积的光谱指数在玉米苗期时对于叶片叶绿素含量的估测效果较差, 而对抽雄期叶片叶绿素含量的估测效果最佳。 基于优化算法构建的面积光谱指数显著提高了光谱指数对叶片叶绿素含量估测的准确度和稳定性, 基于优化算法的优化三角形植被指数(OTVI)、 优化叶绿素吸收积分指数(OCAI)和优化双峰面积归一化差值指数(ONDDA)在不同生育时期上比前人研究的面积光谱指数具有更强的叶绿素含量估测能力, 估测模型的决定系数R2在0.94~0.99之间。 与优化三角形植被指数(OTVI)和优化叶绿素吸收积分指数(OCAI)相比优化双峰面积归一化差值指数(ONDDA)在估测春玉米不同生育时期叶片叶绿素含量方面更为稳定, 预测模型验证结果的决定系数R2为0.94, 并且验证误差最小, RMSE和NRMSE%分别为2.29%, 3.94%, 模型估测值与实测值的验证斜率为0.996, 接近1。 综上所述, ONDDA是一个实用且适合于估测不同生育时期叶片叶绿素含量的面积光谱指数。
玉米叶片 叶绿素含量 面积光谱指数 Corn leaf Chlorophyll content Area spectral index
华中农业大学 资源与环境学院, 武汉 430070
为了对玉米种植株数进行无损的自动化识别, 利用FARO focus s70地面激光扫描仪、采用四站式扫描方法, 采集不同视角下的玉米田块点云数据。设计了一种基于标靶球自动提取的配准算法, 对各站获取的点云数据进行精确配准, 取得了完整的玉米田块点云数据, 并以标靶球拟合误差和标准偏差分析配准精度。对于配准好的3维点云数据, 利用采样一致性算法基于圆柱体特征从完整的玉米田块点云中精确分离出茎秆点云, 统计玉米种植株数。结果表明, 标靶球拟合标准偏差在0.1mm~0.7mm之间, 满足仪器测量精度要求;拟合误差总体在2mm~5mm之间, 能满足大场景测量配准误差5mm的要求;对玉米种植株数的识别率达到86.1%~92.1%。这一结果对于农田环境下玉米种植株数识别的实际应用方面是有帮助的, 为作物的估产提供了数据基础, 为智慧农业研究提供了理论方法。
激光技术 株数识别 随机采样一致性算法 农田玉米 点云配准 laser technique plant number identification random sample consensus farmland corn point cloud registration
吉林大学生物与农业工程学院, 吉林 长春 130022
光温环境胁迫是影响作物优质高产的一个主要制约因素, 传统的作物胁迫监测, 敏锐性不足、 耗时费力且多为有损检测。 近年来随着信息技术的快速发展, 高光谱技术能够快速无损的获取作物生理信息, 并对逆境胁迫响应进行动态监测, 为现代农业的精准化生产和智能化决策提供了数字化支撑, 对实现传统农业向精准化、 数字化的现代农业转变具有重要意义。 以玉米苗期为研究对象, 获取不同光温环境下叶片的高光谱数据和生理参数, 探究玉米苗期叶片对不同光温环境的响应规律, 进行高光谱差异性分析, 并构建生理参数的高光谱反演模型。 利用相关分析法筛选光谱敏感波段, 采用多元散射校正(MSC)、 标准正态变量变换(SNV)、 Savitzky-Golaay(S-G)平滑相结合的预处理方法, 分别与偏最小二乘回归法(PLS)、 主成分回归法(PCR)、 逐步多元线性回归法(SMLR)三种建模方法组合, 以模型相关系数和均方根误差作为模型效果评价指标, 探索高光谱反演叶片生理参数模型的最优方法。 结果表明: 不同光温环境下玉米的高光谱特性在整体上变化趋势一致, 但仍存在差异, 在500~700 nm波段内, 光谱反射率的升高表明光强的增强; 在760~900 nm波段内, 光谱反射率的升高表明温度的增强; 且光温胁迫环境的变化, 均可反映在高光谱特性上, 波段760~900 nm内光谱的反射率在高温胁迫环境下较高, 在弱光胁迫环境下较低, 在低温胁迫环境下反射率显著降低; 所构建的SPAD和Fv/Fm的反演模型中, 建模最优方法为PLS-MSC-SG, 模型验证集相关系数分别为0.958和0.976, 训练集相关系数分别为0.979和0.995。 模型的预测性精度较高, 表明利用高光谱技术, 可以实现光温环境胁迫下玉米植株的定量监测, 提高田间精细化管理水平, 为玉米优质高产的智能化管理提供参考依据。
玉米苗期 光温耦合 高光谱数据 环境胁迫 Corn seedling Light-temperature coupling Hyperspectral data Environmental stress 光谱学与光谱分析
2021, 41(11): 3545
1 北京农业质量标准与检测技术研究中心, 北京 100097
3 北京工商大学食品安全大数据技术北京市重点实验室, 北京 100048
4 北京博普特科技有限公司, 北京 100193
为对糯玉米种子热损伤粒进行无损快速鉴别并探索热损伤过程对糯玉米种子的影响, 以糯玉米种子“京科糯2000”为例, 用Videometer近紫外-可见-短波近红外多光谱成像仪分别以胚面向上和胚面向下方式采集糯玉米种子对照组及热损伤组多光谱成像数据, 分别提取胚面向上胚部、 胚面向上胚乳部、 胚面向下胚乳部单点多光谱数据, 并对胚面向上胚部和胚面向上胚乳部多光谱数据做初级融合; 对多光谱数据进行基线校正预处理后计算各光谱数据样本标准差, 进而通过光谱数据样本标准差的变化分析热损伤对糯玉米种子各部位的影响; 基于多光谱数据采用偏最小二乘-判别分析算法建立糯玉米种子热损伤粒无损鉴别模型, 对所建模型进行全交互验证, 并与近红外光谱数据模型比较。 结果表明, 热损伤对糯玉米种子胚、 胚乳有不同的影响, 多光谱数据和近红外光谱数据表现出一致的变化趋势。 采用多光谱数据建立热损伤粒鉴别模型, 各模型前3主成分得分3D散点图中, 对照组和热损伤组样品表现出一定的分离趋势, 校正数据正确率在96%~100%之间, 交互验证数据正确率在92%~100%之间, 其中, 糯玉米种子胚面向上胚部光谱和胚乳部光谱初级融合数据建模效果最好, 校正数据正确率100%, 交互验证数据正确率在98%~100%之间。 作为对比, 采用近红外光谱数据建立糯玉米种子热损伤粒偏最小二乘-判别分析模型, 胚面向上、 胚面向下以及二者初级融合数据模型的前3主成分得分3D散点图中, 对照组和热损伤组样品表现出较好的分离趋势, 各模型校正数据、 交互验证数据正确率皆为100%。 本研究表明, 采用近紫外-可见-短波近红外多光谱成像对糯玉米种子的热损伤粒进行无损快速识别具有较好的可行性, 多光谱成像数据各变量样本标准差和近红外光谱数据各变量样本标准差呈现一致的规律; 采用胚和胚乳融合多光谱数据所建模型在各模型中具有更高的正确率。
多光谱成像 数据融合 近红外光谱 热损伤粒 糯玉米种子 Multi-spectral imaging Data fusion Near-infrared spectroscopy Heat-damaged kernel Waxy corn seed 光谱学与光谱分析
2021, 41(9): 2696