文档介绍：万方数据
l-1(1rim)Savitky-Golay滑和多重散射校正预处理后,对数据进行主成分分析,再结合人工神经网络技术进行品种鉴别。主成分分析8996028LMBP301201040对建模集鲅炯鹇饰%,对预测集个样本的鉴别率为%。实验结果说明该方法能快速无损地鉴别玉米品种,为玉米的品种鉴别提供了一种新方法。关键词近红外光谱;主成分分析;人工神经网络;玉米鉴别06573A文章编号:———当前应用于玉米品种鉴定的方法主要有籽粒形态鉴定、DNA等’。籽粒形态鉴定使用范围窄,人为影响大,识别率低;幼苗鉴定只适用于某些差异较大的品种,可鉴定的品种少;田间小区种植所需时间长,成本高,受季节限制;蛋白质电DNA[3]和图像处理技术在玉米品种的鉴定中也得到了广泛应用,加快了检测速度,但仍然克服不了形态鉴定使用范围窄、识别率低和化学方法破坏种子、使用化学试剂等缺陷。近红外光谱分析技术具有速度快、成本低、无污染以及不破坏样品等优点,在食品、中草药和农产品快速鉴别中得到了许多成功的应用馷。国内外学者已利用近红外光谱技[10-12][1,但是在玉米品种鉴别上的应用研究还未见报道。本研究将近红外光谱技术结合人工神经网络应用到单粒玉米种子的鉴别中,实现了玉米品种快速无损的鉴别。实验材料与设备1153681084967种子,由中国农业大学农学院提供。产地甘肃,年采集,自然晾晒干。从每个品种中选取粒正常籽粒,共计160实验所用仪器为美国続傅里叶变换近红外光谱仪,仪器采用检测器,光谱范围rn'n2。。分析软件为仪器自带。单粒玉米光谱采集在室温下。采集单粒完整玉米籽粒漫反射光谱。把单粒玉米盛于直径iTlrn部放置一个直径的套杯,以保证单籽粒样品置于样品池的光学中心,采样光斑直径为。使用漫反射大体3波长rim)2~,扫描次取平均。网络模型人工神经网络是由人工建立的以有向图为拓扑结构的动态系统,通过对连续或断续的输入作状态响应而进行信息处琋,—11000832**********收稿日期:薅┤掌冢—(30471011)(20050019005)作者简介:陈建,年生,中国农业大学工学院硕士研究生e-******@CalledtL*,
万方数据
耋畇耍畂238光谱学与光谱分析(back珺算法的前馈神经网络,能够实现输入与输出之间的高度非线性映射。虽然人工神经网络在各方面都已得到广泛的应用,但标准的算法存在收敛速度慢、易陷入局部最小等问题,本研究采用算法优化标准网络,加快收敛速度。算法是一种利用标准的数值优化技术的快速算法,它在高斯牛顿法和梯度下降法之间进行平滑调和,在远离最小值时逐渐切换到高斯牛顿法。它既有高斯牛顿法的局部收敛性,又具有梯度下降法的全局特性,可以加快网[117]本研究建立了一个三层的网络模型,各层传递函数均为秃M缡淙氩憬诘闶,隐含层节点数为涑霾憬诘闶衩撞煌钠分种,,对输出值进行归一化处理和反归一化处理。样本的近红外漫反射光谱1390010cIn以看出不同玉米品种的光谱曲线没有明显区别。为了去除高频随机噪声以及样本不均导致的基线漂移的影响,应用软件对原始光谱进行预处理。先用卷积平滑法∮闷交翱谖,滤除高频噪声;再对光谱进行多元散射校正,处理,消除基线漂移的影响;最后转存为吸光矩阵。2光谱数据的主成分分析主成分分析