文献类型： 中文期刊

作者： 孟繁佳 ¹ ; 罗石 ¹ ; 吴月峰 ¹ ; 孙红 ¹ ; 刘飞 ² ; 李民赞 ¹ ; 黄威 ³ ; 李穆 ³ ;

作者机构： 1.中国农业大学

2.浙江大学生物系统工程与食品科学学院

3.吉林省农业科学院玉米研究所

关键词： 近红外光谱;玉米种子;穗腐病;特征波长

期刊名称： 光谱学与光谱分析

ISSN： 1000-0593

年卷期： 2022 年 42 卷 006 期

页码： 1716-1720

收录情况： EI ; 北大核心 ; CSCD

摘要： 玉米种子穗腐病是危害玉米产量的主要病害之一.利用近红外光谱开展了玉米种子穗腐病判别模型研究.246粒玉米种子由吉林省农业科学院海南育种基地提供,其中96粒玉米种子为穗腐病染病样本,其他150粒玉米种子为同种玉米正常样本.利用M A T RIX-Ⅰ型傅里叶近红外光谱仪采集了样本800~2500 nm范围的近红外光谱信息,并对样本近红外光谱数据利用多元散射校正(M SC)进行预处理.结合玉米内部有机物质的近红外光谱的敏感波段和样本近红外光谱吸收峰挑选了4个优选区间,并采用相关系数法(CA)、连续投影算法(SPA)和竞争性自适应重加权算法(CARS)三种不同原理的特征波长提取算法分别提取了4(1362,1760,2143和2311 nm)、5(1227,1310,1382,1450和1728 nm)和10(1232,1233,1257,1279,1313,1688,1703,1705,2302和2323 nm)个特征波长.以提取得到的特征波长作为玉米种子穗腐病判别模型输入变量,用0-1(染病-正常)表示样本染病状况作为输出真实值建立支持向量机(SVM)模型,使用网格搜索法结合十折交叉验证法对模型参数进行优化.结果表明,CA-SVM,SPA-SVM和CARS-SVM三种判别模型中训练集和测试集建模准确率均在90% 以上.该研究成果为玉米种子病害诊断装置提供了模型基础,且针对优选区间进行特征波长选择的方式也可以为建立其他种子病害判别模型提供参考.