玉米品种近红外光谱的特征分析与鉴别方法.docVIP

第３０卷，第１２期２０１０年１２月 光谱学与光谱分析 Ｓｐｅｃｔｒｏｓｃｏｐｙ Ｖ０１．３０，Ｎｏ．１２．ｐｐ３２１３—３２１６ ａｎｄＳｐｅｃｔｒａｌＡｎａｌｙｓｉｓ Ｄｅｃｅｍｂｅｒ，２０１０ 玉米品种近红外光谱的特征分析与鉴别方法 王徽蓉，陈新亮，李卫军。，来疆亮 中国科学院半导体研究所，北京１０００８３ 摘要以玉米种子的４０００～１２ ０００ ｃｍ＿１波段的漫反射近红外光谱为研究对象，提出了一种鉴别禾米品种 的新方法。采用主成分分析法（ＰＣＡ）来研究数据特征，发现近红外光谱在特征空问中具有显著的长条状分布特征，为此我们研究ｒ改变样本点在ＰＣＡ空间中的分布对品种鉴别的影响，并提出了归一化主成分分析（ＮＰＣＡ）的特征提取算法。同时还根据近红外光谱的数据分布特点提ｌ叶ｌｒ一种主方向仿生模式识别的分类算法，进一步提高了鉴别ｍ确牢。鉴别模型埘第一测试集的平均ＩＦ确识别率达到了９７．６７％，平均ｌＪｉ确拒识率达到了９８．４０％，３０个品种中的１３个达到了１００％的正确识别率；对第二测试集的平均正确拒识率达到了９８．９０％，有１１个品种达到ｒ１００％的止确拒识率，具有较高的鉴别准确度。关键词近红外光谱；主成分分析；仿生模式识别；品种答别中图分类号：０４３３．４ 文献标识码：Ａ ＤＯＩ：１０．３９６４／ｊ．ｉｓｓｎ。１０００—０５９３（２０１０）１２—３２１３－０４ 引言 玉米足我国的主要农作物之一，近年来。优良的杂交玉 １材料与方法 １．１样品来源与光谱获取 所有试验商品玉米种子由同家科技支撑计划高产优质多 米品种也越来越得到人们的霞视，而与此同时，伴随着假玉米种子坑农、害农事件的小断发生，玉米品种的罄别成为了保障农业牛产的一个重要『ｎＪ题。另外，晶种搭别时新品种的培育也起着积极的作用。近红外光谱可以反映出样品中所有有机分子含氧基团的特征信息【ｌ七］，同时红外光谱具有穿透力强、不会对人体产生危害的特点，Ｉ！ｊ此近年来近红外光谱在农产品罄别以及成分检测中的应用越来越厂‘泛¨一］。 我们在对基于近红外光谱的玉米品种进行ＰＣＡ特征提取并罄别的实验巾发现。对ＰＣＡ得到的降维数据直接使用距离相关的分类器进行分类。效果非常小好。我们研究ｒ这个问题。发现ｒ样本点在特征空间中呈明显的长条状分布，并依据这个特点提出了归一化主成分分析法，相比于传统的主成分分析方法，鉴别正确率有ｒ极大地提升。『司时，根据样本点在特征空间中的长条状分布，提出了一种主方向覆盖的仿牛模式识别方法（ｐｒｉｎｃｉｐａｌ ｄｉｒｅｃｔｉｏｎ 抗乇米项目组提供。实验使用德国ＢＲｕ（ＥＲ公司的ＶＥＣ－ ＴＯＲ２２／Ｎ型傅里叶变换漫反射近红外光谱仪，谱区范围： ４０００ １２ ０００锄～，扫描次数：６４次，分辨率：８ ｃｍ～。对 同一晶种的玉米籽粒多次取样，共测量２５次，所采集的数据长度为２０７５。共３７个晶种，每个玉米品种含有２５个样本。合计９２５个样本，样本数据如图１所示。 量 ： 警 ： 蓦 星 宝 之 ｂｉｏｍｉｍｅｔｉｃｐａｔｔｅｒｎ ｒｅｃｏｇｎｉｔｉｏｎ，ＰＢＰＲ），进一步提高了鉴别效果。 Ｗａｖｅｎｕｍｂｅｒ／ｃｍ’’ Ｆｉｇ．１ Ｎｅａｒｉｎｆｒａｒｅｄｓｐｅｃｔｒａ ｏｆ∞ｍ 收稿日期：２０１０－０２—０４。修订日期：２０１０－０５－０８ 基金项目：国家自然科学基金项目９０９２００１３）资助作者简介：王徽蓉．１９８１年生。中国科学院半导体研究所博士生 ＊通讯联系人 ｅ－ｍａｉｌ：ｈｕｉｒｏｎｇ＠ｓｅｍｉ．ａｃ．饥 ｅ－ｍａｉｌ：ｗｊｌｉ＠ｓｅｍｉ．ａｃ，ｅｎ 万方数据 ３２１４ 光谱学与光谱分析第３０卷 １．２分类方法 文中采用ｒ最近邻法、最小磷ｉ离法、仿生模式识别方法作为分类器，进行对比实验。最近邻法、最小距离法比较常用，本文不再赘述。仿生模式识别（ｂｉｏｍｉｍｅｆｉｃｐａｔｔｅｍ ｒｅｃｏｇ— ｎｉｔｉｏｎ，ＢＰＲ）。是由土守觉提ｆｆ｛的一种新的分类方法睁７｜，现已被应用于ｌ冬Ｉ像处理、语音处理等方面【８驯。ＢＰＲ足以样本在特征空问巾的最佧覆盖为几标，区别于传统模式识别的以样奉在特征卒问中的最佳划分为１：１标。仿牛模式识别的识别过程就是从训练样本中寻找最佳覆盖的过程。 ２特征提取方法 ２．１归一化主成分分析方法（ＮＰＣＡ） ＰＣＡ（ｐｒｉｎｃｉｐａｌ ｃｏｍｐｏｎｅｎｔａｎａｌｙｓｉｓ）是一种常用的特征提 取方法，已广泛应用于各个领域ｆ１…２｜，足将分敞在一纽变量Ｉ：的信息集中到某几个综合指标（主成分）上的探索性统计分析方法。ＰＣＡ的一般处理过程为：首先得到数据集合而，Ｊ一１。…，ｓ的协方差矩阵ｃ，，然后求Ｈ｛坍办筹矩阵从大到小排列的特征值丸以及满足归一化正交条件的特征向量毗，将特征向馈按照特征值的大小降序排列，并将其作为列组成ＰＣＡ的变换矩阵