论文部分内容阅读
农作物种子的真伪及纯度问题攸关粮食安全与国计民生，种子市场的现状不容乐观，急需快速有效的鉴别新方法。而现有的种子品种鉴别方法的共同特点是检测周期长，成本高，耗费人力物力等缺点，而且需要专业技术人员操作，无法达到快速，低成本，易操作的要求。近红外光谱技术是利用有机化学物质在近红外光谱区（波长780-2526nm之间）的电磁波的光学特性，快速检测样品中一种或几种化学成分含量的新技术，随着近红外光谱和模式识别技术在玉米种子的检测中广泛运用，许多玉米种子近红外光谱检测方法相继被提出，本文主要介绍一些特征提取的方法、分析近红外光谱的不同波段在玉米品种鉴别中的特性，以及玉米种子包衣的研究。玉米品种的近红外光谱鉴别主要包括以下三个步骤：1.数据采集、数据分析、数据预处理；2.近红外光谱特征提取；3.创建识别模型。特征提取的方法主要有偏最小二乘法，主成分分析法，线性鉴别分析法，最小距离分类器，仿生模式识别方法。由于数据之间存在着严重的多重相关性，对一些常用的特征提取方法如主成分分析具有很大的影响。变量的多重相关性会从数量上歪曲真实的数据信息，使一些信息在计算中的重要性被加大。所以一些老的方法就需要进一步的改进，才能满足实验的需求。现有基于近红外光谱的物种鉴定主要是利用全波段或长波段的信号，成本较高。本文综合PCA、LDA和BPR提出了一种新的基于近红外光谱短波段的玉米品种鉴别方法。通过分析近红外光谱的不同波段在玉米品种鉴别中的特性，考察了短波段所能达到的识别率。对于37个玉米品种的近红外光谱数据，以833nm作为起始波长，选取不同的截止波长，得到不同波段的数据。对每一波段数据，分别利用（1）偏最小二乘回归预测；（2）PLS初次特征提取，线性鉴别分析二次特征提取，最小距离分类器识别；（3）主成分分析初次特征提取，LDA二次特征提取， MDC识别；（4）PLS初次特征提取，LDA二次特征提取，仿生模式识别方法识别；（5）PCA初次特征提取，LDA二次特征提取，BPR识别5种方法进行品种鉴别做对比。实验表明，在833——1087nm短波段，BPR方法的识别率达到97.60%，与全波段相比，波段范围缩小了84.71%，而识别率只下降2.16%。在截止波长相同的情况下，使用相同分类器的PCA特征提取方法与PLS特征提取方法互有优劣，但是识别率差别不大，且均大于PLS回归预测方法；随着截止波长变短，使用不同特征提取的BPR方法的识别率均能够保持在较高水平，而PLS回归预测方法及MDC方法的识别率急剧下降。根据上述研究我们综合PCA、LDA、和BPR提出了一种新的基于近红外光谱短波段的玉米品种鉴别方法，并通过实验证明了仅利用近红外光谱短波段进行玉米品种鉴别可达到较高的识别率。近红外光谱技术是用来鉴别玉米种子真伪的主要方法之一，但是玉米种子包衣对近红外光吸收特别大，对检测结果带来很大的影响，因此对玉米种子包衣的研究就具有重要的意义。经过大量的调研我们发现，包衣大多是由杀虫剂、杀菌剂、微肥、植物生长调节剂等组成，而杀虫剂、杀菌剂的组成成分有福美双C6H12N2S4、克百威C12H15NO3、戊唑醇C16H22CIN3O、吡虫啉C9H10CIN5O2、三唑酮C14H16CIN3O2。而这些东西都是含有氢基团有机物，他们对红外光谱的吸收不容忽视。而玉米种子的成分主要是有C、H、O、N组成，以及一些微量元素。要想把包衣去除，首先要对包衣进行研究，了解他在表面的浓度和渗透深度，然后才能对包衣进行去除。根据对玉米种子包衣的研究分析我们选择包衣成分中的S元素作为特征元素进行实验，因为S元素只在包衣上含有，而玉米本身不含有，所以只要对包衣中的S元素进行检测，就可以间接的测出包衣的渗透深度，通过XPS（X射线光电子能谱仪）我们可以实现对玉米包衣中和玉米种子表面各元素的检测，通过实验仪器我们可以得到种子表面不同深度各个元素的浓度变化，根据浓度变化的情况来间接判定包衣的厚度，从而对后续的包衣去除处理提供依据。通过对两种不同的种子进行实验得到了比较可观的结果，S元素浓度随着深度的增加而减少，由此可得出S元素整体呈递减趋势，也就是说包衣的厚度是有限度的，而且仅存在玉米种子的表面厚度为um级别。