近期,中國科學(xué)院合肥物質(zhì)院智能所智慧農(nóng)業(yè)研究中心王儒敬研究員團(tuán)隊提出了一種近紅外光譜無損檢測水稻種子內(nèi)部裂紋方法。相關(guān)研究成果發(fā)表在光譜領(lǐng)域核心期刊Spectrochimica Acta Part A: Molecular and BiomolecularSpectroscopy上。
在農(nóng)業(yè)生產(chǎn)中,水稻種子的質(zhì)量直接關(guān)系到水稻的產(chǎn)量和品質(zhì)。稻種內(nèi)部的裂紋往往不易被肉眼識別,這給稻種質(zhì)量評估帶來了挑戰(zhàn)。為了攻克這一難題,科研團(tuán)隊提出了一種近紅外光譜技術(shù)結(jié)合機(jī)器學(xué)習(xí)檢測水稻內(nèi)部裂紋方法。該工作中科研人員以279粒(139粒內(nèi)部裂紋和140粒正常)稻種為研究對象,采用四種機(jī)器學(xué)習(xí)分類算法(偏最小二乘判別,支持向量機(jī)、k近鄰和隨機(jī)森林)結(jié)合四種光譜預(yù)處理方法(標(biāo)準(zhǔn)正態(tài)變量、散射校正、一階和第二階導(dǎo)數(shù))分別建模,并比較模型性能,獲得最優(yōu)模型。
研究結(jié)果表明,偏最小二乘判別結(jié)合原始光譜數(shù)據(jù)模型最佳(Sn=0.8824,Sp=0.9429,Acc=0.913)。最佳支持向量機(jī)模型的性能較差但優(yōu)于隨機(jī)森林和k近鄰。除了偏最小二乘判別,四種不同的預(yù)處理方法均改進(jìn)了所開發(fā)模型的性能。通過波長重要性分析顯示檢測稻種內(nèi)部裂紋的重要變量與直鏈淀粉含量有關(guān)??傮w而言,所有結(jié)果都證明了近紅外光譜結(jié)合偏最小二乘判別法無損檢測水稻種子內(nèi)部裂紋的可行性。
智能所汪六三副研究員為論文第一和通訊作者。該項研究工作得到了國家重點(diǎn)研發(fā)計劃、安徽省重大專項的支持。
論文鏈接為: https://www.sciencedirect.com/science/article/abs/pii/S1386142524007443
表1 不同分類模型對測試集的混淆矩陣
圖1 偏最小二乘判別獲得的變量重要性投影(VIP>1)
新聞鏈接:https://www.hf.cas.cn/kxyj/kyjz/202406/t20240613_7188243.html