2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩178頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、國以農(nóng)為本,農(nóng)以種為先。種子質(zhì)量直接關(guān)系到農(nóng)作物的產(chǎn)量和農(nóng)民的利益。提高種子質(zhì)量,規(guī)范種子市場(chǎng),對(duì)提高糧食生產(chǎn)能力、增加農(nóng)民收入等方面都有十分重要的意義。玉米是世界第三大糧食作物。玉米種子商品化程度高,品種繁多,易混淆。同時(shí)單粒播種技術(shù)的推進(jìn)進(jìn)一步提高了種子質(zhì)量精細(xì)管控的要求。研究單粒玉米種子質(zhì)量無損檢測(cè)技術(shù)有利于保障玉米育種業(yè)和種植業(yè)的健康發(fā)展。
  本研究以商品化雜交玉米種子為研究對(duì)象,采用高光譜反射成像結(jié)合模式識(shí)別技術(shù),針對(duì)

2、影響玉米種子質(zhì)量且不易分辨的幾類問題,研究單粒玉米種子的成熟度識(shí)別、品種真實(shí)性、是否遭受凍害及凍害程度的質(zhì)量問題的檢測(cè)方法。主要研究內(nèi)容和結(jié)論如下:
  (1)提出基于500~580nm波段范圍方差圖的背景分割方法,方差圖二值化后結(jié)合掩模法實(shí)現(xiàn)對(duì)高光譜圖像中玉米種子和背景的分割,該方法可克服邊緣部分陰影的影響,實(shí)現(xiàn)玉米種子和背景之間的有效分割。
  (2)分析玉米種子成熟度高和成熟度低2類感興趣區(qū)域的平均光譜,采用波段比運(yùn)算

3、并結(jié)合KW檢驗(yàn),找出二者差異最大的最優(yōu)波段比(640 nm/525 nm)。提取最優(yōu)波段比對(duì)應(yīng)的波段比圖像,采用圖像處理技術(shù)分析圖像并區(qū)分2類種子。以864粒玉米種子為研究對(duì)象,對(duì)成熟度高和成熟度低的種子平均正確識(shí)別率為93.9%。
  (3)提出光譜特征、形態(tài)特征和紋理特征相結(jié)合的玉米種子品種區(qū)分方法,有助于提高單獨(dú)采用光譜或形態(tài)特征時(shí)某些光譜相近或形態(tài)相近種子的正確識(shí)別率。采用SPA算法優(yōu)選種子特征波段,并提取特征波段的平均紋

4、理特征和種子的形態(tài)特征,將種子光譜信息和圖像信息融合作為SVM模型輸入變量,可以實(shí)現(xiàn)對(duì)雜交玉米種子品種的有效區(qū)分。選取了10種黃色系雜交玉米種子共1855粒樣本,玉米種子胚面數(shù)據(jù)預(yù)測(cè)集和胚乳面數(shù)據(jù)預(yù)測(cè)集對(duì)應(yīng)相應(yīng)的SVM模型的平均正確識(shí)別率均為96.8%和96.6%。
  (4)考慮到玉米種子品種繁多,傳統(tǒng)的多分類模式識(shí)別方法在進(jìn)行模型訓(xùn)練時(shí)無法搜集到所有品種樣本進(jìn)行訓(xùn)練,因此提出以種子平均光譜為特征,采用SVDD-KNNDD分類器

5、的異常檢測(cè)方法對(duì)玉米品種進(jìn)行真實(shí)性快速無損檢測(cè)的技術(shù)路線。該方法針對(duì)每個(gè)品種建立單分類模型,該模型只與品種自身樣本有關(guān),無須搜集其他品種樣本進(jìn)行訓(xùn)練,當(dāng)有新品種時(shí),無須重新訓(xùn)練其他品種的識(shí)別模型。在各類樣本胚面光譜SGFD預(yù)處理后的SVDD-KNNDD模型的測(cè)試結(jié)果中,對(duì)10類樣本進(jìn)行測(cè)試,大多數(shù)情況下可以100%正確識(shí)別異常類種子,少數(shù)幾種情況的識(shí)別率較低,將異常品種種子誤判為正常品種種子的最高錯(cuò)誤識(shí)別率為68.5%,而將正常品種識(shí)別

6、為正常品種的最低正確識(shí)別率為84%,大部分正常類品種的正確識(shí)別率均大于90%。此技術(shù)路線可以為玉米種子品種真實(shí)性的快速檢測(cè)提供借鑒和參考,也可以作為其他類型種子的真實(shí)性識(shí)別參考方法。
  (5)玉米種子受到凍害后會(huì)導(dǎo)致種子活力不同程度的下降。采用高光譜圖像識(shí)別肉眼難以分辨的受凍害的玉米種子樣本,種子的平均光譜結(jié)合SVM建??梢杂行^(qū)分凍害種子和正常種子。MSC、SNV和SGFD預(yù)處理方法均有助于提高各類受凍害種子的正確識(shí)別率。當(dāng)數(shù)

7、據(jù)采用SGFD預(yù)處理方法SVM建模時(shí),-5℃凍害處理樣本胚面數(shù)據(jù)的最低正確識(shí)別率為88%(4h),最高正確識(shí)別率為96.9%(16 h),胚乳面數(shù)據(jù)的最低正確識(shí)別率為73.6%(4h),最高正確識(shí)別率為98.4(12h);-18℃凍害處理樣本胚面數(shù)據(jù)的最低正確識(shí)別率為96.9%,胚乳面數(shù)據(jù)的最低正確識(shí)別率為95.2%。
  (6)考慮到無法采集到凍害樣本的實(shí)際情況,采用SVDD-KNNDD的異常檢測(cè)方法,只對(duì)正常類種子光譜建模并用

8、于凍害種子識(shí)別,該模型對(duì)種子發(fā)芽率嚴(yán)重下降的凍害處理樣本(-5℃凍害處理12h和16h,-18℃凍害處理4h以上)識(shí)別效果相對(duì)較好。當(dāng)采用正常類胚乳面和胚面平均光譜建模時(shí),-5℃凍害處理的樣本中16h處理的凍害樣本正確識(shí)別率為96%和90%(對(duì)應(yīng)胚乳面和胚面數(shù)據(jù)),凍害處理12h的樣本正確識(shí)別率為65.5%和77.5%(對(duì)應(yīng)胚乳面和胚面數(shù)據(jù)),其他凍害處理時(shí)間較短的樣本正確識(shí)別率均較低;而-18℃凍害處理的樣本的正確識(shí)別率均較高,各凍害

9、處理樣本的胚乳面數(shù)據(jù)最低正確識(shí)別率為89.7%,最高為100%,各凍害處理樣本的胚面最低正確識(shí)別率為92%,最高為100%。
  (7)高光譜圖像技術(shù)可以通過交互方式選擇感興趣區(qū)域來實(shí)現(xiàn)對(duì)不同部位的精確分析。為了精確研究玉米種子胚部的受凍害程度,提出用KW檢驗(yàn)選擇最優(yōu)波段比、確定最優(yōu)波段比圖像對(duì)玉米中胚部的分割方法,取得了較好的分割效果,并從分割后的胚部高光譜圖像中提取各像素點(diǎn)光譜結(jié)合SVM分類方法用于種子凍害程度識(shí)別。
 

10、 統(tǒng)計(jì)每個(gè)樣本胚部被識(shí)別為正常類和不同凍害程度的像素點(diǎn)占胚部圖像所有像素點(diǎn)的比例,并對(duì)胚部受凍害程度進(jìn)行識(shí)別。當(dāng)種子受到-5℃凍害處理時(shí),對(duì)各樣本的胚部像素進(jìn)行分類,對(duì)正常樣本正確識(shí)別率為99.2%,經(jīng)4h凍害處理的樣本被識(shí)別為正常樣本的錯(cuò)誤識(shí)別率為4.2%,對(duì)經(jīng)16h凍害處理樣本的正確識(shí)別率為99.2%,經(jīng)12h凍害處理的樣本被識(shí)別為經(jīng)16h凍害處理樣本的錯(cuò)誤識(shí)別率為6.7%。凍害處理時(shí)間為4、8和12h的樣本胚部識(shí)別結(jié)果雖然也有一定

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論