杨冬风 时闯 陈争光 李爱传 关海欧 尹淑欣 马铁民 高树仁

(1、黑龙江八一农垦大学信息与电气工程学院,黑龙江 大庆 163319 2、黑龙江八一农垦大学农学院,黑龙江 大庆 163319)

种子的活力水平测定在玉米育种、种子生产、种子加工、种子收购、种子贮藏、种子检验及种子调运等环节中是不可缺少的重要方法[1]。随着农业现代化水平的提高,经济步调的加快,实现高效、快速、无损的种子活力检验无疑是未来的发展趋势。

近红外光谱技术(NIRS)分析技术操作简便,具有快速、高效、无损、测试成本低等特点。在应用NIRS 对种子活力进行快速分级方面,目前的分类建模方法主要采用偏最小二乘和支持向量机,可以实现二分类或三等级分类,但分类精度不高。在NIRS 特征提取方面,主要采用PCA 方法,其优点是用较少综合变量可以保留尽可能多的原始信息；但对主成分的解释不像原始变量的含义那么清楚、确切,而且提取的主成分数较少,导致预测精度不高。因此,本文针对玉米种子活力NIRS 多等级、快速、精确分级的要求,使用BP 神经网络[2,3]作为预测模型,对比了基于PCA 特征提取和SMCC 特征波长筛选的模型预测效果。

1 实验部分

1.1 材料与仪器

实验用种子为黑龙江省农垦科学院作物所玉米育种研究室杂交培育的垦粘一号玉米品种。实验用仪器为德国Bruker 公司Tango 近红外光谱仪,采用积分球漫反射测量方式,分辨率为8cm-1,样品和背景的扫描时间均为32 秒,谱区范围11550-3950cm-1。光谱分析及建模采用的软件为Matlab R2020。

1.2 实验方法

1.2.1 不同活力种子的制备