基于荧光光谱法与深度信念网络的稻种发芽率检测方法研究

• 作者: 代德建 卢伟 张澄宇 王新宇 郭阳鸣
• 来源期刊: 光谱学与光谱分析
• 学科: 化学
• 关键词: 荧光 稻种 发芽率 EEMD DBN
• 年，卷（期）: 2018,（4）
• 页码范围: 1303-1312
• 页数: 10页
• 分类号: O657.3
• 字数: 1382字
• 语种: 中文
• DOI: 10.3964/j.issn.1000-0593(2018)04-1303-10

摘要

针对传统稻种发芽率检测效率低、精度差、专业化要求高等问题,通过荧光光谱法结合深度信念网络(DBN)建立稻种发芽率预测模型.首先,将连粳7号和武运粳均分别老化0~7 d后,以5 min为间隔在纯净水中分别浸泡5~30 min.然后用荧光光谱仪检测浸泡液的荧光光谱,光谱数据经中心化后用集合经验模态分解(EEMD)去噪,并通过主成分分析法提取441.5 nm的特征荧光波长.最后,利用偏最小二乘回归(PLSR),反向传播神经网络(BPNN),径向基函数神经网络(RBFNN)和深度信念网络(DBN)建立水稻种子发芽预测模型.比较后得出,DBN模型在少数据、弱信号情况下的预测精度最高,预测集相关系数Rp和均方根误差RMSEP最大可达0.9792和0.101.同时,通过分析混合稻种荧光数据 Rp的变化趋势,得到最佳浸泡时间为22.1 min,实际上,精确度超过0.95(Rp)需要5 min左右.研究结果表明,结合荧光光谱法和EEMD-DBN模型,非破坏性地预测水稻种子发芽率具有可行性和高准确性,并且适用于不同颜色和污染水平的水稻种子的检测.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	卢伟	南京农业大学工学院江苏省现代设施农业技术与装备工程实验室	38	177	8.0	12.0
2	王新宇	南京农业大学工学院江苏省现代设施农业技术与装备工程实验室	3	2	1.0	1.0
3	张澄宇	南京农业大学工学院江苏省现代设施农业技术与装备工程实验室	5	12	2.0	3.0
4	郭阳鸣	南京农业大学工学院江苏省现代设施农业技术与装备工程实验室	2	2	1.0	1.0
5	代德建	南京农业大学工学院江苏省现代设施农业技术与装备工程实验室	2	7	2.0	2.0