基于高光谱的水稻精米品质参数测量技术研究

论文摘要

[目的]水稻精米直链淀粉和蛋白质含量,是衡量稻米加工特性的重要参数。本研究旨在使用高光谱技术来无损检测其含量。[方法]以水稻核心种质资源材料中106个材料为研究对象,使用可见光-近红外高光谱成像技术获取各波段下光谱指数。[结果]高光谱数据经过数据重整、图像提取及分析等一系列操作后,可以得到初级指数和复杂指数。初级指数与直链淀粉和蛋白质含量模型的R2分别为0.823和0.837,五倍交叉验证结果显示模型稳定性良好。同时,通过复杂指数与直链淀粉和蛋白质含量的相关系数结果也可以看出,500-800nm区域间,高光谱复杂指数与直链淀粉和蛋白质含量相关系数较高。[结论]基于高光谱成像技术可以同时准确估测精米直链淀粉和蛋白质含量,为后续水稻种质资源批量品质分析打下研究基础。

论文目录

文章来源

类型: 期刊论文

作者: 戴国新,陈国兴,杨万能,冯慧

关键词: 高光谱,水稻,精米,直链淀粉,蛋白质,线性回归,相关系数,植物表型组学

来源: 农业大数据学报 2019年02期

年度: 2019

分类: 农业科技,工程科技Ⅰ辑,信息科技

专业: 轻工业手工业,计算机软件及计算机应用

单位: 华中农业大学国家农作物分子技术育种中心作物遗传改良国家重点实验室,农业生物信息湖北省重点实验室华中农业大学信息学院,华中农业大学植物科学技术学院

基金: 自然科学基金青年科学基金(21800305),华中农业大学自主科技创新基金(2662017QD044),国家重点研发计划“七大农作物育种”重点专项(2018YFD0100900)

分类号: TP391.41;TS210.7

DOI: 10.19788/j.issn.2096-6369.190205

页码: 51-63

总页数: 13

文件大小: 1555K

下载量: 111

相关论文文献

• [1].基于深度学习的高光谱图像分类算法[J]. 传感器与微系统 2020(07)
• [2].基于生成对抗网络的高光谱图像分类[J]. 计算机工程与应用 2019(22)
• [3].深度学习在高光谱图像分类领域的研究现状与展望[J]. 自动化学报 2018(06)
• [4].基于高光谱图像技术的水果表面农药残留检测观察[J]. 种子科技 2017(04)
• [5].高光谱图像技术在农产品监测中的应用进展[J]. 北京农业 2016(01)
• [6].粮油中高光谱图像技术的应用现状[J]. 粮食与饲料工业 2016(09)
• [7].基于核方法协同表示的高光谱图像分类[J]. 广西大学学报(自然科学版) 2019(05)
• [8].基于快速去噪和深度信念网络的高光谱图像分类方法[J]. 桂林电子科技大学学报 2016(06)
• [9].局部保护降维与高斯混合模型的高光谱图像分类[J]. 工业仪表与自动化装置 2017(04)
• [10].高光谱图像技术在水果品质检测中的研究进展[J]. 食品研究与开发 2013(10)
• [11].高光谱图像技术在食品无损检测中的研究进展[J]. 食品工业科技 2012(15)
• [12].基于3D卷积联合注意力机制的高光谱图像分类[J]. 红外技术 2020(03)
• [13].高光谱图像分类方法研究进展[J]. 新产经 2020(04)
• [14].高光谱图像分类的研究进展[J]. 光学精密工程 2019(03)
• [15].基于空-谱加权总变分的高光谱图像混合噪声去除算法[J]. 德州学院学报 2017(04)
• [16].基于低秩结构提取的高光谱图像压缩表示[J]. 电子与信息学报 2016(05)
• [17].高光谱图像稀疏信息处理综述与展望[J]. 遥感学报 2016(05)
• [18].高光谱图像技术在水果无损检测中的研究进展[J]. 激光与红外 2013(09)
• [19].基于卷积神经网络与主动学习的高光谱图像分类[J]. 中国科学院大学学报 2020(02)
• [20].针对高光谱图像的目标分类方法现状与展望[J]. 激光与红外 2020(03)
• [21].基于鱼群算法的高光谱图像稀疏分解研究[J]. 计算机仿真 2020(01)
• [22].基于自适应主动学习与联合双边滤波的高光谱图像分类[J]. 计算机科学 2018(12)
• [23].浅谈高光谱图像融合方法[J]. 科技风 2019(16)
• [24].拉普拉斯约束低秩表示的高光谱图像异常检测[J]. 光谱学与光谱分析 2018(11)
• [25].基于焦点损失的半监督高光谱图像分类[J]. 计算机应用 2020(04)
• [26].基于空谱联合协同表征的高光谱图像分类算法[J]. 计算机工程与设计 2020(03)
• [27].基于关联规则的含噪高光谱图像分类系统[J]. 激光杂志 2018(12)
• [28].基于改进的局部保持投影高光谱图像分类研究[J]. 计算机应用研究 2017(08)
• [29].不变矩在高光谱图像空谱分类中的应用研究[J]. 小型微型计算机系统 2017(07)
• [30].基于谱聚类波段选择的高光谱图像分类[J]. 光电工程 2012(02)

标签：高光谱论文;  水稻论文;  精米论文;  直链淀粉论文;  蛋白质论文;  线性回归论文;  相关系数论文;  植物表型组学论文;