基于线上近红外光谱技术与机器学习相结合的新种和老种的歧视
Yanqiu Zhu1, Shuxiang Fan2, Min Zuo3
1Key Laboratory for Theory and Technology of Intelligent Agricultural Machinery and Equipment of Jiangsu University, Zhenjiang 212013, China.
Foods (Basel, Switzerland)
|May 25, 2024
概括
确定玉米种子收获年份对于种子活力和产量至关重要. 一个新的近红外 (NIR) 系统有效地区分了种子收获年份,通过MC-UVE-BOSS-PLS-DA模型实现了88.75%的准确性.
科学领域:
- 农业科学 农业科学
- 频谱学是一种光谱学.
- 化学测量 化学测量 化学测量
背景情况:
- 玉米种子收获年对种子活力和作物产量产生重大影响.
- 准确识别玉米种子年龄对于农业管理至关重要.
- 近红外 (NIR) 光谱为种子分析提供了一种非破坏性的方法.
研究的目的:
- 设计和验证在线近红外 (NIR) 光谱收集系统,以根据收获年区分玉米种子.
- 为了比较不同化学测量模型的性能来分类玉米种子收获年份.
- 优化光谱数据预处理和特征选择,以提高分类准确度.
主要方法:
- 在线NIR光谱收集装置 (899-1715 nm) 的开发.
- 化学测量模型的评估,包括部分最小平方差异分析 (PLS-DA),LS-SVM,KNN和ELM.
- 应用光谱预处理技术 (SGS,SNV,MSC,SG-D1,SG-D2,Norm) 和变量选择方法 (MC-UVE,CARS,BOSS,SPA) 的应用.
主要成果:
- 与其他测试模型相比,PLS-DA模型显示了玉米种子收获年份的最佳识别性能.
- 光谱预处理和变量选择显著提高了分类准确性.
- 优化的MC-UVE-BOSS-PLS-DA模型使用Norm预处理数据和93个特征,实现了88.75%的分类精度.
结论:
- 自行设计的NIR收集系统是确定玉米种子收获年份的可行工具.
- 将NIR光谱与先进的化学测量方法相结合,可以实现准确而非破坏性的种子年龄分类.
- 这项技术可以通过确保使用适当的成熟玉米种子来支持更好的农业实践.
