[发明专利]一种水稻种子发芽能力的检测方法

摘要

本发明公开了一种基于高光谱成像和人工神经网络的水稻种子发芽能力的检测方法，该方法包括：获取原始高光谱成像数据；数据预处理；发芽试验，获得分组数据；选取特征波长，提取特征波长下的高光谱数据；进行标准归一化处理；利用主成分分析法进行降维；构建人工神经网络模型，得到预测模型；采集待测水稻种子的高光谱图像，得出待测水稻种子发芽能力的预测结果。本发明方法利用高光谱成像技术获取水稻种子的高光谱数据，再结合多次数据处理实现特诊波段的提取和数据降维，提取出最能够反应水稻种子发芽能力的高光谱数据，然后利用人工神经网络有效提高预测准确性，实现水稻种子品质的无损检测。

主权项

1.一种基于高光谱成像和人工神经网络的水稻种子发芽能力的检测方法，包括：(1)在检测波段下采集水稻种子训练样本的高光谱图像，获得水稻种子的原始高光谱成像数据；(2)针对步骤(1)的原始高光谱成像数据，将所述检测波段划分成若干区段，求取区段内所有波长的平均值以及所有波长所对应的光谱反射率的平均值，得到数据预处理后的高光谱数据I；(3)对训练样本中水稻种子进行编号，再进行发芽试验，根据试验结果，将训练样本中所有水稻种子分为两组，分别是发芽组和未发芽组，获得分组数据；(4)将步骤(2)的高光谱数据I以及步骤(3)的分组数据导入高光谱可视化软件中，得到发芽组种子和未发芽组种子分别在不同波长下所对应的平均光谱反射率；再选取发芽组种子和未发芽组种子之间平均光谱反射值存在差异的波长作为特征波长，提取特征波长下的高光谱数据，得到第一次降维后的高光谱数据II；(5)对高光谱数据II进行标准归一化处理，得到高光谱数据III；(6)利用主成分分析法对高光谱数据III的波段进行二次降维，得到高光谱数据IV；(7)将步骤(6)的高光谱数据IV、步骤(3)的分组数据以及训练样本中所有水稻种子的编号信息作为训练集，构建人工神经网络模型，得到水稻种子发芽能力的预测模型；(8)采集待测水稻种子的高光谱图像，利用步骤(7)的预测模型进行水稻种子发芽能力的检测，得出待测水稻种子发芽能力的预测结果。