基于NIR分析和模式识别技术的玉米种子识别.pdfVIP

第32卷，第6期 光谱学与光谱分析 201 and June，2012 2年6月 SpectroscopySpectralAnalysis 基于NIR分析和模式识别技术的玉米种子识别系统 刘天玲1，苏琪雅1，孙群2，杨丽明¨ 1．中国农业大学理学院，北京100083 2．中国农业大学农学与生物技术学院，北京100193 摘要模式识别技术及数据挖掘方法已成为化学计量学的研究热点。近红外(NIR)光谱分析以其快速、简 便，非破坏性等优势广泛应用于光谱信号的处理和分析模型的建立。文章基于五种不同的模式识别方法：局 NIR技术建立了玉米种子的模式识别系统，并将其应用于108玉米杂交种和母本178种子的近红外光谱样 品．首先利用LLE，、ⅣT．PCA．PLS进行消噪或降维．然后运用SVM进行分类识别，而一模支持向鼍机 (1一nornl SVM)算法直接进行分类识别。三个不同N吸光谱范围的数值实验显示：PCA+SVM，u正+ SVM。PLS十SVM识别效果甚佳，而wT+svM和1-normsvM方法也有较高的分类精度。实验结果表明 了本文提出方法的可行性和有效性，为利用近红外光谱和模式识别技术进行种子识别研究提供了理论依据 和实用方法． 关键词近红外光谱；局部线性嵌入；小波变换；主成分分析；偏最小二乘；支持向冒机 中图分类号：0657．3文献标识码：A 引言 l原理和方法 研究表明杂交玉米的产量与种子纯度密切相关[1]。发展 1．1局部线性嵌入 新的玉米种子纯度鉴定技术是当前种业发展的趋势，近红外 linear 光谱分析技术的发展为此技术的实现提供j’可能性。近红外 光谱分析以其快速、无损、简单等特点在分析化学领域受到 思想是利用样本局部的线性性来逼近全局的非线性性，该算 广泛关注。该技术在复杂植物样品分析中显现了巨大的优势 法可保持样本圃有的几何性质，并具有平移、旋转不变性等 与潜力，同时在农业、石油化工、烟草等众多研究领域已经 优良特性，可以广泛地应用于非线性数据的降维、聚类、可 得到了广泛的应用[2]。 视化以及图像分割等领域。 近红外光谱集南不同波长下的吸光度组成，一个样本的 LLE算法如下： NIR在数学上可以视为一个向最．其吸光度点的个数即为向 (1)在高维空问X={霸，础，…．矗}，Xi∈刷中寻找 量维数，因此，光谱数据集是典型的小样本，高维数据集。 每一个点的近邻点。根据距离的大小。常采用欧式距离来度 近年来，模式识别技术已广泛应用于近红外光谱数据的分析 量两点之问的距离，选择莳个与五最近的点作为其邻近点。 及模型建立。常用的方法有多元线性回归(MLR)、偏最小二 (2)计算每个点五和它的近々5点之闻的权重，最小化 乘PLS)c3’“、多项式偏最小二乘(PPLs)、人工神经网络 H ^ (朋叮N)[计]、支持向鼍机回归(SVR)[s-lo]等方法。本文采用cf(W)=∑№一∑耐‘’z川z(1) iil j；】 五种不同模式识别方法对农大108玉米杂交种和母本178种 三 其中，≥：耐。=1． 子的近红外光谱数据进行试验。 百 (3)根据权重叫。来计算低维嵌入空间中的Y。和M，固 收稿日期：9011一l争30。謦订日期：2012-01—29 基金项目：国家自然科学基金项目(10771213