基于激光誘導擊穿光譜的水稻品種鑒別方法技術(shù)

一種基于激光誘導擊穿光譜的水稻品種鑒別方法，包括：S1、測量出N種標準水稻品種一定范圍內(nèi)的光譜；S2、對N種標準水稻品種光譜進行數(shù)據(jù)處理；S3、對進行平均處理后的數(shù)據(jù)進行譜線識別，獲取含量靠前的化學元素的波峰譜線；S4、選擇S3中波峰譜線組合成特征光譜作為BP神經(jīng)網(wǎng)絡(luò)的輸入值并訓練，得到BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)；S5、利用激光誘導擊穿光譜儀測量出待測水稻品種在一定范圍內(nèi)的光譜；S6、對S5中光譜進行數(shù)據(jù)處理；S7、對待測水稻品種光譜進行譜線識別，得出與步驟S3中相同元素的譜線；S8、選擇S7中譜線波峰組合成特征光譜作為輸入值，利用S4中BP神經(jīng)網(wǎng)絡(luò)對待測水稻品種進行識別，得到識別結(jié)果；S9、判斷識別結(jié)果是否為N中標準水稻品種之一。

【技術(shù)實現(xiàn)步驟摘要】

本專利技術(shù)涉及水稻品種快速鑒別
，特別涉及一種。
技術(shù)介紹
水稻是中國最重要的糧食作物之一，目前，我國水稻的播種面積約占糧食作物總面積的1/4，但其產(chǎn)量約占全國糧食總產(chǎn)量的1/2。水稻品種鑒別是目前農(nóng)業(yè)生產(chǎn)、作物育種和種子檢驗中的一個重要問題。由于制售假冒偽劣種子等現(xiàn)象的日益增多，每年造成的經(jīng)濟損失是巨大的。同時，由于品種鑒別比較困難，每年因品種搞錯和純度差也會造成巨大的經(jīng)濟損失。因此，水稻品種鑒別日益受到種子質(zhì)檢部門、水稻育種研究等單位的重視。目前，國內(nèi)外水稻品種鑒別的常用方法主要有形態(tài)學方法、化學鑒定法、電泳鑒定法、幼苗鑒定法、田間小區(qū)種植鑒定法和DNA分子標記法等。但是，上述的這些水稻品種鑒別的方法都存在一些不足之處，如:精度不高，操作過程繁瑣，效率低，非專業(yè)人員難以勝任，不適宜對樣品進行批量分析以及無損在線檢測等。因此，建立一套簡便、快捷、高效、經(jīng)濟、準確度高的水稻品種鑒別技術(shù)是很有必要的。光譜技術(shù)因其快捷、覆蓋面廣等特點，在各種行業(yè)中得到了越來越廣泛的應(yīng)用，光譜技術(shù)的發(fā)展為水稻品種的鑒別提供了一種新的技術(shù)手段。利用光譜對水稻品種鑒別具有速度快、效率高、成本低、測試重現(xiàn)性好、測量方便等特點。目前，光譜技術(shù)用于水稻品種鑒別的方法主要有:可見/近紅外光譜、光致發(fā)光光譜、漫反射光譜、高光譜圖像技術(shù)等。但這些光譜分析技術(shù)也存在一些不足之處，如:識別率有待提高，或數(shù)據(jù)處理比較復雜，水稻顆粒表面有雜質(zhì)時不好識別，如水稻顆粒表面長霉后，用這些光譜技術(shù)不能很好識別。
技術(shù)實現(xiàn)思路
有鑒于此，本專利技術(shù)提供一種能夠兼顧數(shù)據(jù)處理效率以及識別結(jié)果準確性的可用于識別表面有雜質(zhì)時的。—種，其包括以下步驟:S1、利用激光誘導擊穿光譜儀測量出N種標準水稻品種在200-950nm范圍內(nèi)的光譜，其中一顆水稻的同一點上測量&次；S2、對N種標準水稻品種光譜進行數(shù)據(jù)處理:對于一顆水稻的同一點上測量得到的X1組數(shù)據(jù)，將前面的M組數(shù)據(jù)刪除，對后面的X rM組數(shù)據(jù)進行平均處理；S3、對進行平均處理后的數(shù)據(jù)進行譜線識別，找出其中含量靠前的預(yù)設(shè)個數(shù)的化學元素的波峰譜線；S4、選取水稻品種中所選化學元素的波峰譜線組合成特征光譜作為BP神經(jīng)網(wǎng)絡(luò)的輸入值，對BP神經(jīng)網(wǎng)絡(luò)進行訓練，得到BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)；S5、利用激光誘導擊穿光譜儀測量出待測水稻品種在200-950nm范圍內(nèi)的光譜，其中一顆水稻的同一點上測量&次；S6、對待測水稻品種光譜進行數(shù)據(jù)處理:對于一顆水稻的同一點上測量得到的X2組數(shù)據(jù)，將前面的X3組數(shù)據(jù)刪除，X 3小于X 2，對后面的X2-X3組數(shù)據(jù)進行平均處理；S7、對待測水稻品種光譜進行譜線識別，得出與步驟S3中相同元素的譜線；S8、選取待測水稻品種中所選化學元素的譜線波峰組合成特征光譜作為BP神經(jīng)網(wǎng)絡(luò)的輸入值，利用已得到的BP神經(jīng)網(wǎng)絡(luò)對待測水稻品種進行識別，得到識別結(jié)果；S9、判斷識別結(jié)果是否為N中標準水稻品種之一，如是，直接給出當前得到的識別結(jié)果；如不是，則增大X3的數(shù)值，依次重復步驟S6、S7、S8，得到新的識別結(jié)果；如果得到的還不是N種標準水稻品種之一，則繼續(xù)增大X3，但當X3= (X2-1)時，則停止迭代并給出當前運算出的識別結(jié)果。有益技術(shù)效果:本專利技術(shù)通過對于一顆水稻的同一點上測量得到的X2組數(shù)據(jù)，將前面的X3組數(shù)據(jù)刪除，只對后面的(X2-X3)組數(shù)據(jù)進行平均處理，再對平均處理過的光譜進行譜線識別，將含量較高的元素的波峰譜線組合成特征光譜作為BP神經(jīng)網(wǎng)絡(luò)的輸入值，利用構(gòu)建好的BP神經(jīng)網(wǎng)絡(luò)對水稻品種進行識別，能很好地兼顧數(shù)據(jù)處理效率以及識別結(jié)果準確性，特別是將測量數(shù)據(jù)的前面X3組數(shù)據(jù)刪除，能有效降低水稻顆粒表面雜質(zhì)對識別率的影響。【附圖說明】圖1是本專利技術(shù)實施方式提供的流程圖。【具體實施方式】如圖1所示，一種，其包括以下步驟:S1、利用激光誘導擊穿光譜儀測量出N種標準水稻品種在200-950nm范圍內(nèi)的光譜，其中一顆水稻的同一點上測量X1次，X1不小于15。 可選地，可以根據(jù)每個地方所常用的水稻品種進行確定N種標準水稻品種。S2、對N種標準水稻品種光譜進行數(shù)據(jù)處理:對于一顆水稻的同一點上測量得到的X1組數(shù)據(jù)，將前面的M組數(shù)據(jù)刪除，后面的(X1-M)組數(shù)據(jù)進行平均處理。可選地，M等于10。可選地，根據(jù)測量的要求及所使用儀器的技術(shù)參數(shù)，確定同一顆水稻的同一點上測量的數(shù)據(jù)組數(shù)X1,但X1最好不小于15，以便將前面的10組數(shù)據(jù)刪除，降低水稻表面雜質(zhì)對測量結(jié)果的影響。根據(jù)標準水稻品種表面的清潔程度，可對刪去的數(shù)據(jù)組數(shù)進行變動。如可將刪除的10組數(shù)據(jù)變?yōu)?組數(shù)據(jù)或12組數(shù)據(jù)等等。S3、對處理后的光譜數(shù)據(jù)進行譜線識別，找出其中含量靠前的預(yù)設(shè)個數(shù)的化學元素的波峰譜線。可選地，標準水稻品種中所選化學元素包括C、H、0、N、P、S、K、Ca、Mg。S4、選取水稻品種中所選化學元素的波峰譜線組合成特征光譜作為BP神經(jīng)網(wǎng)絡(luò)的輸入值，對BP神經(jīng)網(wǎng)絡(luò)進行訓練，得到BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。S5、利用激光誘導擊穿光譜儀測量出待測水稻品種在200-950nm范圍內(nèi)的光譜，其中一顆水稻的同一點上測量X2次，X2不小于15。可選地，根據(jù)測量的要求及所使用儀器的技術(shù)參數(shù)，確定同一顆水稻的同一點上測量的數(shù)據(jù)組數(shù)X2，但X2最好不小于15，以便將前面的X 3組數(shù)據(jù)刪除，降低水稻表面雜質(zhì)對測量結(jié)果的影響。S6、對待測水稻品種光譜進行數(shù)據(jù)處理:對于一顆水稻的同一點上測量得到的X2組數(shù)據(jù)，將前面的X當前第1頁1 2 本文檔來自技高網(wǎng)...

【技術(shù)保護點】
一種基于激光誘導擊穿光譜的水稻品種鑒別方法，其特征在于，其包括以下步驟：S1、利用激光誘導擊穿光譜儀測量出N種標準水稻品種在200?950nm范圍內(nèi)的光譜，其中一顆水稻的同一點上測量X1次；S2、對N種標準水稻品種光譜進行數(shù)據(jù)處理：對于一顆水稻的同一點上測量得到的X1組數(shù)據(jù)，將前面的M組數(shù)據(jù)刪除，對后面的X1?M組數(shù)據(jù)進行平均處理；S3、對進行平均處理后的數(shù)據(jù)進行譜線識別，找出其中含量靠前的預(yù)設(shè)個數(shù)的化學元素的波峰譜線；S4、選取水稻品種中所選化學元素的波峰譜線組合成特征光譜作為BP神經(jīng)網(wǎng)絡(luò)的輸入值，對BP神經(jīng)網(wǎng)絡(luò)進行訓練，得到BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)；S5、利用激光誘導擊穿光譜儀測量出待測水稻品種在200?950nm范圍內(nèi)的光譜，其中一顆水稻的同一點上測量X2次；S6、對待測水稻品種光譜進行數(shù)據(jù)處理：對于一顆水稻的同一點上測量得到的X2組數(shù)據(jù)，將前面的X3組數(shù)據(jù)刪除，X3小于X2，對后面的X2?X3組數(shù)據(jù)進行平均處理；S7、對待測水稻品種光譜進行譜線識別，得出與步驟S3中相同元素的譜線；S8、選取待測水稻品種中所選化學元素的譜線波峰組合成特征光譜作為BP神經(jīng)網(wǎng)絡(luò)的輸入值，利用已得到的BP神經(jīng)網(wǎng)絡(luò)對待測水稻品種進行識別，得到識別結(jié)果；S9、判斷識別結(jié)果是否為N中標準水稻品種之一，如是，直接給出當前得到的識別結(jié)果；如不是，則增大X3的數(shù)值，依次重復步驟S6、S7、S8，得到新的識別結(jié)果；如果得到的還不是N種標準水稻品種之一，則繼續(xù)增大X3，但當X3＝(X2?1)時，則停止迭代并給出當前運算出的識別結(jié)果。...

【技術(shù)特征摘要】

【專利技術(shù)屬性】
技術(shù)研發(fā)人員：王陽恩，徐大海，
申請(專利權(quán))人：長江大學，
類型：發(fā)明
國別省市：湖北;42