黄献斌[1]2016年在《水稻品种区域试验精度和稳定性分析模型研究》文中认为水稻品种区域试验对水稻新品种的选育和推广具有重要作用,水稻品种审定主要依据的就是水稻品种区域试验结果。尽管水稻品种区域试验十分重要,但是仍缺乏评级水稻品种区域试验精度的统一指标。同时,水稻品种区域试验稳定性模型的研究也不够全面。基于此,对水稻品种区域试验精度和稳定性模型的适用性进行研究。
陈志德[2]2004年在《水稻品种区域试验精度和稳定性分析模型的研究》文中进行了进一步梳理农作物品种区域试验是新品种选育和推广工作的中间环节，区域试验的结果是农作物品种审定的主要依据。在水稻品种区域试验评价体系中，缺乏评价精度的统一指标，一般沿用误差变异系数＜15％的精度要求；在一年多点试验中，以试点效应固定的方差分析模型为主，缺乏对试点效应随机和固定2种模型分析结果的比较；品种稳定性模型的适合性问题未引起足够的重视。 为分析水稻品种区域试验精度，选用合适的稳定性分析模型，本研究根据江苏省1983～1992年十年中粳稻组和1999～2003年四年(缺2001年)迟熟中粳稻组区域试验的资料，以误差变异系数(CEV)和相对最小显着差数(RLSDα)为试验精确度和品种比较精确度指标，以产量遗传变异系数(GCV)为试点精度指标，评价各点次试验的试验精度和试点精度；分析线性回归(LR)模型在品种稳定性分析中的适合性；研究试点效应随机或固定的不同方差分析模型对分析结果的影响；比较LR模型和加性累加乘积可乘(AMMI)模型在品种稳定性分析上的差异。主要研究结果如下： 1 区域试验精度 单年单点试验层次上，中粳稻组和迟熟中粳稻组各点次试验的CEV变幅为0.88～10.0％，其中约有85％点次的中粳稻组和90％点次的迟熟中粳稻组试验的CEV＜5％；RLSDα分析表明，只有不足一半的试验能鉴别出5％的品种产量差异。单年多点试验层次上，所有点次试验的CEV和RLSD_(0.05)均＜5.0％。因此，水稻品种区域试验的试验精确度较高，但单年单点层次的品种比较精确度有待提高。另外，仅根据CEV一项指标难以全面反映区域试验精度，应采用CEV和RLSDα两项指标进行综合评价。 2 试点分辨力 中粳稻组各试点平均GCV变幅为4.54～11.33％。如东市农科所和赣榆市农科所试点的分辨力较高，淮安市农科所和东海县农科所试点的分辨力较低。迟熟中粳稻组各试点GCV变幅为2.91～6.64％。南通市农科所试点的分辨力较高，泰州市种子管理站试点的分辨力较低。值得注意的是泰州种子管理站试点，该试点不仅分辨力较低，而且试验精确度和品种比较精确度都较低。3方差分析模型对试验结果的影响 一年多点水稻品种区域试验的方差分析模型有2种，试点效应随机和试点效应固定方差分析模型。研究表明，试点效应固定则品种产量平均相差10公斤就表现显着差异，相差13公斤就能表现极显着差异;试点效应随机则品种产量平均相差29公斤才表现显着差异，相差39公斤才表现极显着差异，由此可见，试点效应固定时的产量显着性标准仅有试点效应随机时的1/3，而区域试验中品种间产量差异是否显着是品种能否通过审定的重要依据之一。建议水稻品种区域试验选择试点效应随机的方差分析模型，有利于提高审定品种的产量潜力，降低新品种推广风险。4稳定性分析模型的比较 中粳稻组和迟熟中粳稻组区域试验能用互作项(线性)解释的互作仅占品种/环境(G‘E)互作项总变异的12.04%和15.37%，中粳稻组和迟熟中粳稻组共15组区域试验都不适合用LR模型进行稳定性分析。LR模型分析江苏省1 985一1992年中粳稻组4轮8年区域试验资料显示，盐粳2号具有较好的动态稳定性，绝大多数品种也都具有较好的动态稳定性，且年度间表现基本一致。这到底是品种稳定性的真实体现还是由于LR模型不适合造成的则难以区分。AMMI模型分析表明，盐粳2号具有较好的稳定性，不同品种的稳定性是有差异的，且多数品种的稳定性在年度间是一致的。因此，LR模型用于稳定性分析存在较大的局限性，而AMMI模型在品种稳定性方面具有较高的可信度，建议水稻品种区域试验采用AMMI模型进行分析。关键词:水稻;区域试验;试验精度;模型;稳定性
熊晓敏[3]2017年在《水稻新品种区域试验精度和稳定性分析模型研究》文中提出我国是粮食生产大国,水稻作为最重要的粮食作物之一,其产量直接关系着社会的稳定与和谐。为了提升水稻质量,必须选择优质水稻品种,对其参数进行测试。具体探讨水稻新品种区域试验精度和稳定性分析模型,希望能为水稻种植提供一些参考。
纳添仓[4]2011年在《马铃薯品种区域试验精确度与稳定性分析研究》文中研究说明为分析马铃薯品种区域试验精确度,选用合适的稳定性分析模型,本研究通过马铃薯不同级别种薯、不同生理年龄种薯和不同切块大小种薯对区域试验的试验精确度研究,以误差变异系数(CEV)和相对最小显着差数(RLSD)为试验精确度和品种比较精确度指标,分析种薯级别、生理年龄、切块大小对区域试验的试验精确度的影响,寻求使马铃薯品种的丰产性和稳定性得到止确的评价最佳范围。同时以国家马铃薯品种区域试验2002-2009年中晚熟东北组(缺2006年)、中晚熟西北组(缺2004年)和中晚熟西南组(缺2004年)区域试验的资料,以误差变异系数(CEV)和相对最小显着差数(RLSD)为试验精确度和品种比较精确度指标,以产量遗传变异系数(GCV)为试点精度指标,评价各点次试验的试验精度和试点精度。利用2005-2010年国家马铃薯中晚熟西北组共6组区域试验数据资料,研究试点效应随机或固定的不同方差分析模型对分析结果的影响；比较LR模型和AMMI模型在品种稳定性分析上的差异。主要研究结果如下：1不同级别种薯种薯对试验精确度的影响随着使用的种薯级别的下降,误差变异系数和相对最小显着差数均增大。使用原种一代种薯的处理的CEV<5%和RLSD<12%,原种二代种薯的处理的CEV<10%,RLSD>12%,说明使用原种一代和原种二代种薯的处理试验误差控制得较好,试验精确度较高。使用一级种薯的处理的CEV>10%,使用生产种作种薯的处理CEV>15%,说明一级种薯和生产种不适于作区域试验种薯。2不同生理年龄种薯对试验精确度的影响使用壮龄种薯的处理的CEV和RLSD最小,CEV<10%,说明使用壮龄种薯的处理试验误差控制得较好,试验精确度较高。使用幼龄种薯和少龄种薯的处理的10%
高鑫[5]2016年在《春玉米LAI和叶片氮素营养及产量的高光谱估测模型研究》文中提出高光谱技术即为精确农业的一种重要技术手段,因其具有方便、快捷、高效、对植株无损害等优点,己被大量应用于作物生长监测、作物植株水分监测、营养状况监测、作物产量评估、品质监测等多个方面。本研究以玉米为研究主体,通过分析不同种植条件下(不同品种,不同密度,不同施氮量,氮、密互作)玉米冠层及叶片高光谱特征与其相对应的LAI、SPAD值、叶片氮含量和产量的响应规律,明确4个理化指标的敏感波段,并利用光谱指数NDVI、RVI、DVI构建了基于高光谱植被指数的LAI、SPAD值、叶片氮含量和产量高光谱估测模型。其主要研究结果如下：(1)栽培环境的改变,会直接引起玉米生理生态参数变化,而这种变化又会因其栽培措施的不同而产生差异,例如：生育期(叶片衰老)、种植密度、施氮量等因素均会导致玉米LAI发生改变,但种植密度对LAI的影响最大,叶片衰老变化次之,施氮量最小。同理,不同栽培条件也会影响冠层和叶片高光谱特征,在可见光350-760nm波段,冠层光谱与叶片光谱反射率随着生育期进程呈增大趋势；不同种植密度下,冠层光谱反射率表现为随密度的增大而减小,而叶片光谱反射率则表现为随密度增加呈增大趋势；不同施氮量下,冠层光谱与叶片光谱反射率随着施氮量的增加呈下降趋势。在780-1300rnm波段,冠层光谱与叶片光谱反射率随生育进程呈逐渐下降趋势；不同种植密度下,冠层光谱反射率随密度的增大呈增大趋势,而叶片光谱反射率则无明显变化规律；不同施氮量下,冠层光谱反射率随施氮量的增加呈增大趋势,而叶片光谱反射率在这一波段则无明显变化规律。种植密度对冠层光谱反射率的影响大于施氮量,施氮量对叶片光谱的影响要大于密度。(2)通过对不同栽培条件下的玉米冠层、叶片光谱与LAI、叶片SPAD值、LNC和产量的相关分析,得出4个指标的反射率光谱敏感波长主要位于550nm、678nm、710nm和1100nm附近,一阶导数光谱敏感波长位于500nm、550nm、580-680nm之间、700nm和755nm附近。利用NDVI、RVI和DVI叁种光谱参数构建了不同栽培条件下的LAI、SPAD值、LNC和产量高光谱估测模型,并对模型应用精度进行了比较,得出：模型在应用于其他栽培条件时均会出现较大偏差,其中冠层光谱模型对其他条件下各指标的估测精度都比较差,尤其是对LAI的估测偏差最大。而SPAD值和LNC的叶片光谱模型,具有较高的普适性。(3)不同栽培条件下高光谱参数值与各指标数值之间定量关系的差异是导致各指标高光谱估测模型普适性差的根本原因,对不同栽培条件下的光谱与各指标数据进行综合分析,可以降低两者之间的不匹配程度,提高模型的普适性。同时,利用土壤线参数和叶片光谱与冠层光谱反射率差值参数可以提高光谱模型的稳定性。在所建高光谱模型中,通用性较好的各指标估测模型有：LAI为NDVI(729.3,963.6)和MNDVI(729.3,963.3)模型；SPAD值和LNC为NDVI(729.3,963.6)和mRVI(729.3,963.6)模型；产量为NDVI(R'695.7, R'755.5)和MRVI(550.2,963.6)模型。
高金锋[6]2008年在《荞麦品种稳定性与适应性分析及评价研究》文中进行了进一步梳理荞麦主要分布于西南、西北等老少边贫地区,是这些地区的主要粮食作物和经济作物。由于荞麦是无限开花结实习性,产量水平较低,加之荞麦生长环境远比水稻、小麦、玉米等大宗作物复杂,受地理、地形、降雨及其时空分布的制约大,荞麦品种产量的基因型×环境互作效应的动态性变化显着,品种表现型受环境因子作用使产量波动很大。因此,加强荞麦新品种的选育和推广对促进荞麦产区经济发展和农民增收具有重要的指导意义。但以往的荞麦新品种鉴定主要以产量作为鉴定的指标,造成荞麦新品种(系)的稳定性差或广泛适应性弱,导致了荞麦新品种的推广和种植面积较小,极大限制了荞麦生产的发展,探索荞麦品种鉴定和评价的方法和标准就成为品种区试鉴定的重要课题。本研究通过对荞麦产量及其构成因素与主要农艺性状间的相关分析及通径分析,探讨影响荞麦产量的因素。同时,从统计理论的角度,采用AMMI模型等5种常用的统计分析方法和模型对2003-2005年国家荞麦区域试验结果进行分析,研究不同基因型荞麦品种的丰产性、稳产性及适应性,得出以下主要结论:1.对荞麦产量及其主要农艺性状进行了相关分析结果表明,单株粒重、千粒重与产量呈显着正相关关系,表明千粒重和单株粒重的增加可显着提高荞麦的产量。通径分析结果表明,千粒重、单株粒重、主茎节数、主茎分枝对产量的直接通径系数为正值,且千粒重和单株粒重可通过多个其它农艺性状对产量形成间接的正面作用来提高荞麦产量,故在荞麦生产过程中应十分注重对千粒重和单株粒重的利用;株高和生育日数对产量的直接通径系数为负值,这可能与荞麦的无限生长习性和后期落粒现象有关。2.Franics和Kannenberg模型以品种平均产量和变异系数作为评价品种丰产性、稳定性及适应性的主要指标。该模型简单明了、直观且计算简便,应用广泛;但该法忽视了品种与环境之间的互作效应。3.高稳系数法以高稳系数( HSC i)为主要评价指标分析品种高产性、稳产性及适应性。该法简单、易操作,实用性广泛;该法只考虑了环境因素和遗传因素,忽略了二者之间的互作效应。4.秩次分析法利用不同环境下获得的资料进行常规的单因素方差分析和多重比较,判断品种间有无显着差异,并计算出各品种在不同环境下的分级值( H1 Mi)及秩次值( H2 Mi),进而计算秩次平均值( H2 i)和秩次均方( S i2)来评价品种丰产性、稳定性及适应性。该法方法简洁,含义明确;但该法在进行秩次分析删除无效试点的过程中,也删除了其真实存在的品种产量水平,有可能导致结果的不确定性。5.Shukla模型以Shukla方差的F测验结果是否显着及Shukla变异系数来评价品种稳定性及适应性。该模型方法简洁,含义明确,统计性能较好,信息量大且较为精确;但该法由于互作值受限于总和为零,Shukla方差相互不独立,同质性检验及两两差异性比较困难。6.AMMI模型以品种在IPCA(主成分特征值)空间至原点的距离Di和AMMI双标图中品种图标距横坐标轴或坐标原点的距离来评价品种稳定性及适应性。该模型将方差分析和主成分分析有机地结合在一起,兼具了这两种方法的优点,较好地解释了基因与环境的互作关系,并借助于AMMI双标图,能直观、具体、有效地鉴别品种的适应性、稳定性和丰产性,且有利于区分各试点的分辨力或判别力。但该法在剔除互作中属于误差的一些成分时,可能也剔除了真实存在的互作成分,对于年份与品种的互作效应不能得到较好的解释。7.在进行荞麦稳定性及适应性分析与评价时,根据不同环境,将几种方法和模型结合起来应用可能对荞麦的评价更具有科学性。一般地,首先用Franics和Kannenberg模型和高稳系数法进行分析,鉴别其丰产性和稳定性;然后在进行Shukla模型对品种稳定性及广泛适应性作出准确判断,寻找出高产而具有广泛适应性的优良品种;若要提高品种在各试点估值的精度,可进一步采用加性主效互作可乘(AMMI)模型进行分析,并辅以双标图和品种-试点均值图,寻找出在较大区域范围内具有高产且稳定性和适应性较好的品种。总之,在对荞麦进行分析中,要坚持在高产前提下的稳定性及适应性,同时要注意理解用各种方法得到的稳定性参数的实际含义及其相互间的区别与联系,要以各品种在各环境中的具体分析为依据作出符合客观实际的高产性、稳定性和适应性的综合评价。8.对2003-2005年国家荞麦品种区域试验资料进行综合分析评价,结果表明,平荞2号稳定性、适应性都比较好;品种六荞1号稳定性、适应性均表现较差。
杨海生[7]2003年在《江苏水稻安全生育与产量形成的温光生态特性及其应用的研究》文中指出水稻是江苏乃至全国的第一大粮食作物。长期以来，粮食消费需求的日益增长一直是水稻生产发展的重要动力。回顾江苏稻作发展历程，为了实现稻作温光资源的深度利用和品种生产潜力的充分开发，以优化种植区划与品种布局为重点的水稻生产结构的合理调整，不仅在过去的水稻增产中做出了巨大贡献，而且也是未来稻作可持续发展的战略性措施。透过当前生产结构中仍然存在(或潜在)且亟待解决的不合理因素，即更加凸显出这方面研究的战略性意义。为此，本研究在重点分析江苏纬向区域温光资源分布特点的基础上，于1997～2000年依次选择昆山(N31.3°)、扬州(N32.4°)、建湖(N33.4°)、宿豫(N34.0°)、东海(N34.5°)、沛县(N34.7°)为试验点，以江苏主体类型代表性品种为材料，通过播期塑造五种季节温光等生态条件处理，系统研析江苏水稻品种安全生育与产量形成的温光生态特性及其基本规律，为当前水稻生产优化布局和因种栽培提供重要的理论依据。主要的研究结果如下： (1)在对水稻生育期温光模型构建、拟合求解等改进的基础上，应用纬向区域播期试验资料，建立了不同类型水稻品种的生育期温光模拟模型，该模型因较好地克服了原有模型的若干缺陷而具更好的解释性，切合生产实践，预测精度显着改善。模型分析表明，不同类型品种生育期对温光的反应有明显差异，播种至抽穗期生育速率的温光敏感性排序为中熟晚粳＞早熟晚粳＞迟熟中粳＞中熟中粳＞早熟中粳＞杂交中籼，而抽穗至成熟期几乎与抽穗前相反。同时明确了常年气象条件下江苏水稻品种抽穗期与成熟期的分布及纬向变化，早熟类型品种生育期的纬向差异较小而播期间差异较大。根据江苏纬向地区水稻常年最迟安全抽穗期引入安全生育成熟指数概念，分析了水稻品种生育成熟的安全性及其变化。水稻品种北移或播期推迟时生育成熟安全性降低，利用安全成熟指数与纬度、播期的关系方程，确定了不同类型品种安全成熟的最迟播期与临界纬度，进而做出不同类型品种安全生育成熟的区域性评价。 (2)多区域试点产量方差分析表明，纬向地区与季节性温光差异对各类型品种产量均有极显着的影响。苏北地区以中、迟熟中粳产量水平较高，早、中熟中粳品种南移产量逐渐下降，而早、中熟晚粳产量却逐渐增加，故苏南地区以早、中熟晚粳产量较高，苏中介于二者之间，以迟熟中粳及早熟晚粳产量较高。中籼产量在各纬向地区均有良好表现，但在苏北或苏南时变异增大。品种产量对播期的响应可用3种走势的二次抛物曲线表示，同一杨海生，江苏水稻安全生育与产量形成的温光生态特性及其应用的研究品种的产量抛物线走势类型在地区或年份间可相互转化。产量稳定性分析表明，江苏总体上以迟熟中粳产量的稳定性较好，其产量物质形成期的温度敏感性中等:早、中熟晚粳在苏北成熟安全性差，纬向南移时明显趋好，并在苏南好于迟熟中粳，其温度反应特性较弱;早、中熟中粳稳产性较差且对温度较敏感;中釉在苏中时稳产性较好，移至苏北或苏南时有所下降，对温度亦较敏感。在产量构成上，早、中熟中粳群体颖花量的温光反应特性较弱，但结实率对气温较敏感，早、中熟晚粳则与之相反，迟熟中粳的温光反应特性中等，中釉大体与早、中熟中粳接近。利用品种产量对温度的特征响应曲线，通过“平移包络”估算了不同地区各类品种温光产量的实际潜力，并明确了常年气象条件下(相对)适宜的抽穗日期。 (3)不同类型品种在群体干物质积累动态、茎萦消长动态、冠层叶生长与LAI动态以及氮素吸收利用等方面对播期温光差异的反应特性不同。抽穗前干物质积累与有效积温和累计日照时数呈线性正相关，但抽穗后分别为抛物线型相关和线性正相关。早、中熟晚粳群体生物产量较高，抽穗前干物质积累的温光反应特性较强，但抽穗后较弱且积累量相对稳定;中粕的温光反应特性始终较强，因而播期间干物质积累动态差异较大。晚粳品种总生物产量与产量呈线性正相关，中粳和中釉品种为抛物线型相关，但所有品种抽穗后干物质积累与产量均为正相关。晚粳品种群体茎孽消长对温光反应较强，80%以上高峰苗数持续时间较短，群体无效分萦生长量较少。主茎总叶片数与出叶期有效积温正相关，故越迟熟品种总叶片数越多且对温度较敏感，同时迟熟品种群体最大LAI也较高，群体LAI动态与冠层顶叁叶面积在播期间的差异也较大。此外，迟熟品种总吸氮量多且受播期温光差异影响较大，其早播时更有利于增加群体总吸氮量，提高氮肥效率。 (4)早、中熟中粳和中釉品种群体叶/颖花比无显着变化但叶/实粒比依播期推迟明显减小，迟熟中粳和早、中熟晚粳均显着增加。抽穗期单位有效库容所占干物质积累量亦有类似趋势。各类型品种籽粒灌浆过程均可用班CHARDS方程进行稳健的描述。播期推迟时，早、中熟中粳灌浆前期速率增加但历时变短增重少，中后期延长但速率下降增重亦少，灌浆速率与气温关系密切，属灌浆温度调节型类型;早、中熟晚粳和迟熟中粳灌浆速率均增加且中后期延长粒重增加，灌浆速率与群体叶/粒比的关系显着，属灌浆源库调节类型;中粕品种灌浆速率下降但历
吴建国[8]2003年在《作物种子品质研究中近红外光谱分析模型的创建和应用》文中研究表明近红外光谱(NIR)技术是近年来发展最快的测定技术之一，具有无损、快速、高效、方便等特点，适合于种子品质性状的测定和分析。由于该技术测定的准确性、可靠性、适用范围等都依赖于以常规测定方法为基础建立起来的校正分析模型。NIR分析技术所建立的校正模型具有专一性强的特点，需根据不同的样品种类和状态以及不同的分析内容等逐项开展研究，建立相应的校正分析模型，才能发挥其优越性。因此，该技术应用的关键是建立预测准确、抗干扰能力强的校正分析模型。 本研究的目的是根据NIR分析仪的特点和性能，重点研制和开发种子品质性状的校正分析模型，以便进行快速大批量测定，大幅度降低分析成本，提高分析测试水平和效率以及仪器使用率；同时，结合作物品质育种研究中品质成分分析的实际情况，探讨微量样品、甚至单粒无损测定的技术和方法，开拓和扩大NIR分析仪的应用范围和领域。 本研究选用了水稻、油菜、大麦、玉米等作物种子为研究对象，广泛收集和人工创造不同类型的种子样本材料。进行重要品质性状的常规分析和测定，收集多种样品状态的NIR信息，以此组成NIR分析的原始群体。依据实际应用的需要，利用不同的化学计量学方法对不同的种子样品群体进行NIR模型的创建和应用。主要研究结果有：创建水稻常规品质如直链淀粉含量、胶稠度、碱消值、粘滞度(RVA)的NIR校正分析模型，具有分析准确，可靠、适用性广的特点；发展了蛋白质含量和多种氨基酸指标校正模型，进一步拓展了NIR技术在水稻稻米营养品质分析中应用范围。同时发展了适于遗传育种研究用的油菜籽油分、蛋白质、硫甙和脂肪酸品质测定的分析模型，具有大样本、小用量、整粒无损分析等特点；进一步发展了大麦的蛋白质和葡聚糖快速测定的NIR技术分析模型；构建了能准确测定玉米种子水份和蛋白质的NIR校正模型。在创建各种NIR校正分析模型的同时，探索各主要作物种子品质分析的校正集选择方法和参数以及构建模型时的各参数优化设置，为建立规范的分析方法奠定基础。
张初[9]2016年在《基于光谱与光谱成像技术的油菜病害检测机理与方法研究》文中认为在本研究中用于油菜菌核病检测。本研究主要采用高光谱成像技术(hyperspectral imaging)、叶绿素荧光成像技术(chlorophyll fluorescence imaging)、激光诱导激发光谱(laser induced breakdown spectroscopy,LIBS)、中红外光谱技术(mid-infrared spectroscopy, MIR)和激光共聚焦显微拉曼光谱成像技术(laser confocal micro-Raman imaging)对油菜菌核病进行检测。主要研究结论如下：(1)采用高光谱成像技术,对油菜叶片和茎秆菌核病检测进行了研究。分别采用平均光谱、像素点光谱以及对应的植被指数结合判别分析模型对油菜叶片和茎秆菌核病和菌核病早期进行了检测。研究发现光谱预处理方法对判别分析模型判别结果并不显着,而判别分析模型的选择对油菜菌核病检测效果更为明显。以紧邻病斑区域模拟病害侵染早期,发现高光谱成像技术结合判别分析模型可用于油菜叶片和茎秆菌核病早期检测。发现2nd spectra和PCA loadings在不同样本集中选择的特征波长具有较好的可重复性。整体而言,在不同的数据集所有的判别分析模型中,ELM、RBFNN、SVM和RF模型判别效果较好。基于高光谱成像的油菜叶片色素和可溶性蛋白含量检测,不同样本集中特征波长选择存在差异,且基于全谱和基于特征波长的判别分析模型中,PLSR和ELM模型整体预测效果较优。(2)采用叶绿素荧光成像技术,对油菜健康和染病叶片和茎秆进行了检测研究。对染病叶片和染病茎秆中15个不同叶绿素荧光参数的分布发现,染病叶片和茎秆健康及病斑区域的叶绿素荧光参数具有较大差异,叶片和茎秆紧邻病斑区域的叶绿素荧光参数与其余两个区域存在差异,但茎秆差异较小。基于相关分析、ANOVA和LDA分析,选择了特征荧光参数,基于特征荧光参数的判别分析模型结果表明叶绿素荧光参数统计分析对油菜叶片和茎秆菌核病检测是可行的。整体而言,SVM、KNN、NBC以及RF模型在不同的样本集中整体判别效果较优。(3)采用LIBS光谱技术,对油菜健康和染病叶片进行了检测研究。发现不同样本集中基于油菜鲜叶的LIBS光谱噪声明显,WT去噪可有效去除噪声。稳健基线校正(robust baseline estimation, RBE)法可有效的对LIBS光谱进行基线校正。分别基于2nd spectra、 PCA loadings和Bw选择了与原始谱峰对应的特征谱峰,基于LIBS光谱全谱和特征谱峰的判别分析模型判别结果,发现可采用直接采用谱峰代替全谱分析。整体而言,ELM,RBFNN和RF模型的整体判别效果较好。(4)采用中红外光谱技术,对油菜健康和染病叶片进行了检测研究。WT去噪后的光谱,在不同的特征波数选择方法中,2nd spectra和PCA loadings选择的特征波长在不同的样本集中具有可重复性,即2nd spectra和PCA loadings可用于实际应用中选择特征波长。不同样本集基于全谱和特征波数的判别分析模型中,整体而言,PLS-DA、RBFNN、ELM、SVM以及RF模型的整体判别效果较好。(5)采用激光共聚焦显微拉曼光谱成像技术,对油菜染病叶片健康、紧邻病斑区域和病斑区域表面的拉曼光谱进行了研究。健康区域、紧邻病斑区域和病斑区域的拉曼光谱的荧光背景强度存在差异。基于baselineWavelet基线校正方法对拉曼光谱背景进行了有效的去除。基于全谱和拉曼光谱谱峰的判别分析模型中,整体而言,ELM、RBFNN、RF、SIMCA、SVM和KNN模型的判别效果整体较优。提出了基于拉曼光谱斜率的油菜叶片菌核病检测思路,发现健康区域、紧邻病斑区域和病斑区域的拉曼光谱斜率分别集中在不同的范围内,存在较大的差异。
李晓丽[10]2009年在《基于机器视觉及光谱技术的茶叶品质无损检测方法研究》文中研究说明茶叶是世界上消费量最大的叁大饮料之一,我国是世界上第叁大茶叶出口国,我国有近亿人从事茶叶生产、经营活动,在不少地区茶叶是农民主要的经济收入来源,2004年我国茶叶及与茶有关的产业总产值就达到了300亿元以上。因此大力发展茶叶产业及茶叶的精深加工技术,提高茶叶品质,增加农民收入,具有十分重要的意义。随着人们生活水平的提高,对于茶叶品质的要求也越来越高。但是目前国内外普遍采用感官审评法来评定茶叶的品质。感官审评法的结果易受外界环境及审评师内在心理、生理因素的影响,而且审评过程中步骤繁琐,需要时间较长,不能适应无损、在线、快速的现代茶叶生产和贸易的要求。因此,探索基于机器视觉和光谱技术的茶叶品质无损测量方法具有重要的理论价值和实际意义。本文从茶叶的外观评定、茶叶的内部成分测量和茶树的信息诊断叁个方面进行了茶叶品质无损测量方法的研究。主要研究内容和结论如下：(1)采用机器视觉技术对茶叶的外观品质进行定量的评审。本研究采用MS3100的多光谱成像仪建立了机器视觉成像系统。为了得到稳定的成像系统,研究对比了不同的光源对系统的影响,结果显示太阳光光源所提供的光照条件更加均匀,不存在单光源条件下的光照不均匀和阴影等现象。对于茶叶这类几何形状的研究对象,减少阴影能够大大提高模型的稳定性及精度。本文首次提出了基于不同颗粒分布状态下茶叶的类别和等级的区分方法。在研究中,分别建立了基于颗粒非接触状茶叶图像和基于颗粒堆积状茶叶图像的等级和类别的区分模型。研究得出两个结论：首先,基于颗粒堆积状茶叶图像的区分模型比基于颗粒非接触状茶叶图像的区分能够得到更高的区分精度；其次,基于颗粒堆积状茶叶的图像不仅能够反映出茶叶颗粒的几何学特征,而且能够反映出茶叶样本的宏观纹理特征,同时颗粒堆积状态的区分能够大大提高茶叶区分的效率,并反映样本的整体品质,避免了茶叶颗粒非接触状区分时样本选取的局限性。图像的特征提取是图像识别的关键技术。本文针对茶叶样本的具体情况,优选了18个形状特征和15个纹理特征,据此建立的茶叶类别区分模型的预测正确率达到93.8%,对于区分贡献率最大的叁个特征参数依次为绿光通道图像的能量、标准差滤波后图像的熵和红光通道图像的相关性。在图像特征提取的基础上,建立了等级区分模型,得出了对区分贡献最大的特征是800nm图像的二阶角矩,模型的预测正确率达到87.5%。(2)从不同光谱测量波段范围、不同光谱仪、不同测量方式以及不同样本状态方面建立并对比分析了茶叶中茶多酚、氨基酸和咖啡碱叁种主要成分的四种光谱快速测量方法。本研究采用ASD可见／近红外光谱、NEXUS傅立叶近红外光谱、JASCO傅立叶中红外漫反射光谱和JASCO傅立叶中红外透射光谱对茶叶的内部成分进行了研究,其中NEXUS傅立叶近红外光谱和JASCO傅立叶中红外透射光谱法是基于磨碎的茶叶粉末样品,另外两种测量方法都是基于完全无损的干茶整叶样本,而且ASD可见／近红外光谱仪是便携式的可用于田间室外测量的光谱仪,基于该仪器的测量模型的建立为开发便携式、实用化仪器奠定了基础。对于茶多酚的测量,JASCO傅立叶中红外漫反射法为四种方法中测量精度最高者,模型的建立是基于1632cm-1-1768cm-1特征波数,模型的预测相关系数达到了0.908。ASD可见／近红外光谱法次之,基于全波段变量模型的预测相关系数为0.897。JASCO傅立叶中红外透射法的预测相关系数为0.896,特征波数为924cm-1-1792cm-1。NEXUS傅立叶近红外光谱法的效果稍差,基于6140cm-1-7140cm-1和5000cm-1-5960cm-1特征波数所建立的模型的预测相关系数为0.865。对于氨基酸的测量,基于JASCO中红外透射光谱所构建的模型预测相关系数为0.914,效果为四种方法中最好,特征波数为870cm-1-1278cm-1。效果次之的模型是基于JASCO的中红外漫反射光谱,预测相关系数为0.899,特征波数为450cm-1-1895cm-1。ASD可见／近红外光谱法的预测相关系数为0.892,效果最差的是基于NEXUS傅立叶近红外光谱所构建的模型,预测相关系数为0.813。对于咖啡碱的测量,有叁种测量方法的效果都较好,尤其是JASCO的中红外透射光谱,其基于波数1784cm-1-2048cm-1.2191cm-1和2345cm~(-1)所构建的模型预测相关系数为0.995。基于NEXUS傅立叶近红外光谱的4302cm-1-5750cm-1波数所建立的模型,预测相关系数为0.993。基于ASD可见／近红外光谱的测量模型的预测相关系数为0.96。但是基于JASCO中红外漫反射的测量模型效果较差,建模相关系数仅为0.442。上述结果的对比显示了各种方法的测量差异,同时表明基于光谱技术的茶多酚、氨基酸和咖啡碱的无损测量是可行的。同时发现,基于完全无损状态茶叶的测量模型的效果可与基于100目筛茶叶粉末的测量模型的效果相媲美,说明基于完全无损状态茶叶的茶多酚、氨基酸和咖啡碱测量模型是可行的。而且,ASD可见／近红外光谱法的测量模型效果与其它叁种测量方法的效果相当,表明对于这叁种成分,便携式的、可用于田间室外测量的光谱仪可以用于建立良好的测量模型,为开发简单、廉价、便携式的测量仪器奠定了基础。本研究同时还探索了基于可见／近红外光谱的茶叶含水率的无损测量方法,建立了适用于干茶、鲜叶以及不同加工过程中的茶样的含水率测量的模型。研究基于小波变换和支持向量机所构建的测量模型的预测相关系数高达0.987。这表明基于可见／近红外光谱的方法可以对茶叶的含水率进行实时、无损、快速的测量。与其它以磨碎的茶叶粉末为研究对象的实验相比,本研究能够实现对不经过任何预处理的茶叶整叶样本的无损检测。(3)对于茶树信息的快速诊断,研究了基于可见／近红外光谱的茶树品种区分方法,的关系。通过对比不同树龄、不同生长环境和不同栽培管理模式(施肥量、喷药量等)下茶树叶片的漫反射光谱,发现基于田间茶树叶片的光谱可以区分茶树品种。研究了5个品种茶树叶片的可见／近红外漫反射光谱与茶树叶片全氮含量之间的关系发现漫反射光谱与全氮含量密切相关,所构建的模型预测相关系数为0.835。以11个品种茶树为例,通过分别研究田间活体叶片和室内离体叶片的可见／近红外漫反射光谱与叶片叶绿素相对含量(SPAD)之间的关系,发现叶片的漫反射光谱与叶绿素相对含量(SPAD)之间存在显着线形相关性。基于田间活体叶片漫反射光谱的测量模型,预测相关系数为0.936；基于离体叶片室内漫反射光谱的测量模型,预测相关系数为0.913,研究发现前者的效果优于后者。
参考文献：
[1]. 水稻品种区域试验精度和稳定性分析模型研究[J]. 黄献斌. 乡村科技. 2016
[2]. 水稻品种区域试验精度和稳定性分析模型的研究[D]. 陈志德. 南京农业大学. 2004
[3]. 水稻新品种区域试验精度和稳定性分析模型研究[J]. 熊晓敏. 种子科技. 2017
[4]. 马铃薯品种区域试验精确度与稳定性分析研究[D]. 纳添仓. 中国农业科学院. 2011
[5]. 春玉米LAI和叶片氮素营养及产量的高光谱估测模型研究[D]. 高鑫. 内蒙古农业大学. 2016
[6]. 荞麦品种稳定性与适应性分析及评价研究[D]. 高金锋. 西北农林科技大学. 2008
[7]. 江苏水稻安全生育与产量形成的温光生态特性及其应用的研究[D]. 杨海生. 扬州大学. 2003
[8]. 作物种子品质研究中近红外光谱分析模型的创建和应用[D]. 吴建国. 浙江大学. 2003
[9]. 基于光谱与光谱成像技术的油菜病害检测机理与方法研究[D]. 张初. 浙江大学. 2016
[10]. 基于机器视觉及光谱技术的茶叶品质无损检测方法研究[D]. 李晓丽. 浙江大学. 2009