文献类型： 中文期刊

作者： 廖娟 ¹ ; 曹佳雯 ¹ ; 田泽丰 ¹ ; 刘晓丽 ¹ ; 杨玉青 ¹ ; 邹禹 ² ; 王玉伟 ¹ ; 朱德泉 ¹ ;

作者机构： 1.安徽农业大学工学院

2.安徽省农业科学院水稻研究所

关键词： 稻种;秕谷;含量等级判别;近红外光谱

期刊名称： 光谱学与光谱分析

ISSN： 1000-0593

年卷期： 2025 年 45 卷 003 期

页码： 692-699

收录情况： EI ; SCI ; 北大核心 ; CSCD

摘要： 为实现水稻考种中秕谷含量的快速有效检测，基于近红外光谱技术，构建了稻种秕谷含量判别模型。制作不同秕谷含量的稻种样品并采集其近红外光谱数据；为提高模型判别精度，选取两种不同组合Savitzky-Golay平滑(SG)+多元散射校正(MSC)+多项式基线校正(PBC)和SG+标准正态变量转换(SNV)+多项式基线校正(PBC)的预处理方法降噪处理；为减少光谱中冗余信息对模型运算速度和预测精度的影响，利用连续投影算法(SPA)、竞争自适应重加权采样(CARS)和主成分分析(PCA)三种方法对预处理后的光谱进行特征波长变量提取，并建立支持向量机(SVM)、 K-最近邻算法(KNN)、决策树(DT)、线性判别分析(LDA)、偏最小二乘判别分析(PLS-DA)、朴素贝叶斯(NB)等6种稻种秕谷含量等级判别模型。试验结果表明，在SG+SNV+PBC预处理方法下，使用CARS方法选择158个特征波长，KNN模型的测试集等级判别准确率可达99.47%。表明近红外光谱技术为实现稻种秕谷含量等级判别提供了一种可行的方法，为实现稻种品质的无损检测提供了支撑。