玉米是我国重要粮食作物之一, 在我国广泛种植, 筛选优良的玉米品种是农业生产和育种的关键, 但市场上玉米品种繁多, 如何快速准确高效鉴别玉米品种从而实现玉米高产高收亟待解决。 提出了基于高光谱图像技术的极限学习机(ELM)鉴别模型, 以期解决玉米品种鉴别问题。 以八个品种玉米种子作为研究对象, 试验样本共480个, 按2∶1比例划分为训练集和测试集, 分别为320个和160个。 利用高光谱图像采集系统获取935.61～1 720.23 nm范围内的玉米种子图像, 黑白校正后选取胚芽部位大小为10×10 pixel的感兴趣区域(ROI), 提取该区域内平均光谱作为原始光谱数据。 因原始光谱两端噪声较大, 有效信息较少, 为增强信噪比, 截取949～1 700 nm范围内的玉米种子光谱波段作为有效波段进行分析。 由于数据采集过程中受无关信息干扰较强影响建模效果, 故对去噪后的光谱波段信息进行SG平滑(Savitzky-Golay smoothing)预处理, 将平滑点数设置为3, 在SG平滑基础上进行最大归一化(MN)预处理。 预处理后分别采用竞争性自适应重加权算法(CARS)、 连续投影算法(SPA)单一提取和CARS+SPA、 CARS-SPA组合筛选方法提取特征波长, 以特征波长反射率作为输入矩阵X, 预设样本类别1、 2、 3、 4、 5、 6、 7、 8作为输出矩阵Y, 利用极限学习机分别建立(SG+MN)-ELM、 (SG+MN)-CARS-ELM、 (SG+MN)-SPA-ELM、 (SG+MN)-(CARS+SPA)-ELM、 (SG+MN)-(CARS-SPA)-ELM五种玉米品种定性鉴别模型。 试验结果表明: (SG+MN)-(CARS-SPA)-ELM模型较其他四者鉴别效果最佳, 训练集和测试集平均鉴别准确率均为98.13%, 表明CARS-SPA二次筛选的特征波长变量更敏感, 能够代表所有波长信息, 且极限学习机模型有较好的定性鉴别性能, 可实现对玉米品种的鉴别。 该研究为玉米种子及其他农作物种子快速准确鉴别提供了新思路和新方法。

圣女果可溶性固形物(SSC)含量对圣女果内部品质影响至关重要, 但基于高光谱成像及介电性质特征的SSC检测技术存在局限性, 且目前鲜见圣女果SSC无损检测模型。 为实现圣女果SSC的无损检测, 提出基于圣女果可见/近红外光谱特征的SCC预测模型构建, 及改进的BP神经网络算法研究, 以期解决圣女果内部品质的快速无损检测。 以圣女果为研究对象, 试验样本188个, 将其划分为训练集150个和测试集38个, 采用可见/近红外光谱采集系统获取350～1 000 nm范围内的圣女果表面反射强度, 经光谱校正得样本反射率, 为增强信噪比, 截取481.15～800.03 nm范围内的光谱波段作为有效波段进行分析。 通过对比三种预处理模型, 对有效波段进行SG平滑(Savitzky-Golay Smoothing)预处理, 建立BP神经网络预测模型, 测试集决定系数(R2)和均方根误差(RMSE)分别为0.578 5和0.563 9; 在此基础上, 对BP神经网络的网络结构进行改进, 寻求BP神经网络最优预测结构, 计算输出层与期望值间误差, 调整网络结构参数, 将隐含层学习率和神经元个数分别设置为0.01和5, 建立改进的BP神经网络模型(SG-IBP), 测试集R2和RMSE分别为0.981 2和0.102 3; 通过竞争自适应重加权采样算法(CARS)筛选出18个特征波段, 测试集R2和RMSE分别为0.997 8和0.047 9, 同时检测速度显著提升。 研究结果表明: 经过改进的BP神经网络模型性能明显提高, 通过CARS提取特征波段后, 测试集R2提高了0.419 3, RMSE降低了0.516, 检测速度明显提升。 采用CARS提取特征波段的改进BP神经网络模型(SG-CARS-IBP)具有明显的优越性, SG-CARS-IBP模型较为适合圣女果SSC无损检测研究。 该研究可为圣女果SCC的高效无损检测提供参考。

千禧番茄营养丰富且酸甜可口, 不同千禧番茄品种的风味和营养价值均有明显差异, 尤其是番茄红素、 柠檬酸、 维生素C和氨基酸含量的差异较大。 传统人工分类方式效率低、 主观性强、 误检率高等问题亟待解决。 为筛选综合营养价值高且风味佳的千禧番茄品种, 实现千禧番茄快速准确分类, 提出了基于千禧番茄光谱特征的分类模型构建及GWO优化SVM算法研究, 以期解决千禧番茄自动化分类问题。 以四个品种千禧番茄作为研究对象, 试验样本240个, 将其按2:1比例划分为训练集160个和测试集80个样本, 利用可见-近红外光谱采集系统获取350~1 000 nm范围内的千禧番茄反射强度, 经光谱校正得样本反射率; 为增强信噪比, 截取481.15~800.03 nm范围内的光谱波段作为有效波段。 由于数据采集过程受无关信息干扰影响建模效果, 故将平滑点数设置为3进行Savitzky-Golay(SG)平滑预处理。 预处理后采用连续投影算法(SPA)提取特征波长变量, 优选得到11个特征波长反射率作为输入矩阵X, 预设样本变量1, 2, 3和4作为输出矩阵Y, 利用支持向量机(SVM)建立SPA-SVM千禧番茄定性分类模型, 训练集和测试集平均分类准确率分别为59.38%和48.75%; 在此基础上, 引入灰狼优化算法(GWO)对训练集160个样本训练, 寻求SVM最优惩罚系数(c)和核函数参数(g), 根据模型训练结果对测试集80个样本预测, 建立SPA-GWO-SVM千禧番茄分类模型, 训练集和测试集平均分类准确率分别为100%和81.25%。 研究结果表明: 经灰狼算法优化后的支持向量机模型性能明显提高, 其中训练集和测试集平均分类准确率分别提高了40.62%和32.50%, 灰狼优化算法可用于提高支持向量机的分类性能, 实现对千禧番茄品种的分类。 本研究为千禧番茄及其他果蔬快速准确分类提供了新的思路和方法。