基于光谱分析的玉米品种检测研究

基于光谱分析的玉米品种检测研究

周全

（皖西学院电子与信息工程学院，安徽 六安 237012）

[摘要]本文提出一种基于高光谱分析的玉米品种检测方法。首先采集不同品种的玉米样本在在400-1000 nm波长范围内的高光谱数据；对光谱数据进行提取和预处理后，分别利用逻辑回归、决策树、线性判别分析和支持向量机算法进行分类。研究结果表明，在支持向量机模型下，对于我国5种主要玉米品种的识别正确率为85.33%，取得了较好的检测效果。本文的研究为为我国玉米品种的检测供了一种新的研究方案。

[关键词] 玉米，品种检测，光谱分析，支持向量机

[中图分类号] TP391.4       [文献标识码]  A     

基金项目：

皖西学院高层次人才科研启动经费项目(WGKQ2022046)、安徽省中药生态农业工程研究中心开放基金项目（WXZR202315）

1.引言

玉米是世界范围内重要的粮食作物。但不同品种的玉米外观相似，难以区分，而不同品种的玉米在营养成分和销售价格上又存在差异，因此玉米的品种掺假现象经常发生。对玉米种子品种的检测具有重要的研究价值和意义。

近年来，高光谱成像技术在粮食作物、水果和蔬菜等农产品的质量检测和品种鉴别等领域得到了广泛的应用。利用高光谱图像对玉米种子的含水率[1]、病害[2]、和内部成分[3]检测等领域的研究也较为成熟，而与之相比，利用高光谱成像技术对玉米种子的品种鉴定的研究相对较少。由于不同品种的玉米种子其内部成分存在细微的差异，而高光谱图像包含了丰富的被测物光谱信息，通过分析光谱中的细微变化可以检测出被测物的成分差异。因此，利用高光谱成像实现对玉米品种的鉴定和检测是可行的[4, 5]。

本研究通过对我国5个主要品种的玉米进行分析，利用高光谱分析结合数据处理算法，建立玉米品种检测模型，实现对玉米品种的检测和区分，对我国玉米市场稳定具有一定的研究意义。

2 实验方法

实验准备了京农科728、沈玉21、先优666、东民21、郑单958五个品种的玉米作为研究样本，每个品种准备大小和形状近似的样本80个。利用400-1000nm的高光谱图像采集设备采集样本的高光谱信息，并对采集后的单个样本均值化为一条光谱进行后续处理。另外，对于获取的样本光谱信息在进行下一步分析之前，需要进行光谱数据的预处理，以减少高光谱数据中噪声等影响[6]。

本研究中包含五个品种的玉米样本，每个品种包含70个样本，从每个品种样本中随机选择40个样本作为校正集，剩余的30个样本作为预测集。即本研究中校正集共包含五个品种的玉米样本200个，预测集包含五个品种的玉米样本150个。利用样本的光谱数据建立玉米的品种检测模型，本研究中分别利用逻辑回归、决策树、线性判别分析和支持向量机四种算法分别建立玉米样本的品种检测模型。

3实验结果与分析

采集的样本高光谱图像包含400–1000 nm波长范围内的1000个波段，去除两端的干扰波段，保留中间的800个波段数据用于研究。本研究采用SG-FD预处理光谱用于后续的分析，即对原始光谱采用Savitzky-Golay（SG）平滑后的一阶求导（First Derivation，FD）处理。

基于全波段下的波长数据作为输入变量，分别利用逻辑回归、决策树、线性判别分析和支持向量机算法建立玉米样本的品种检测模型。研究结果如表1所示。

表1不同分类模型下玉米品种识别准确率

可以看出，支持向量机算法模型下，对玉米品种识别效果最优，具体的玉米品种的识别情况如表2所示。

表2支持向量机模型下玉米品种识别结果

通过表2的结果可以看出，在本研究中，支持向量机算法模型下，模型预测集测试准确率为85.33%。对于预测集的5个品种样本，即京农科728、沈玉21、先优666、东民21、郑单958，其检测正确率分别为86.67%、86.67%、90.00%、73.33%和90.00%，除东民21品种检测效果稍差外，其余品种检测效果均达到较高的准确率。

4 小结

本研究以国内5个主要品种的玉米为研究对象，以样本的400-1000 nm的高光谱数据为基础，通过对提取的光谱数据进行预处理，分别利用逻辑回归、决策树、线性判别分析和支持向量机算法建立模型，研究结果表明，基于支持向量机模型下，对预测集玉米品种的检测正确率达到85.33%，达到了较好的检测效果，说明本研究方案具有一定的研究意义。

参考文献

[1] 张珏, 田海清, 赵志宇, 张丽娜, 张晶, & 李斐. (2019). 基于改进离散粒子群算法的青贮玉米原料含水率高光谱检测. 农业工程学报, 35(1), 285-293.

[2] 徐静, 苗腾, 周云成, 邓寒冰, 宋平, & 张聿博. (2020). 基于高光谱成像技术的玉米弯孢叶斑病的早期检测. 沈阳农业大学学报, 51(2), 6.

[3] 周丽丽, 冯汉宇, 阎忠敏, 刘 克, & 周顺利. (2010). 玉米叶片氮含量的高光谱估算及其品种差异. 农业工程学报, 26(8), 195-199.

[4] 王建成, & 朱猛. (2019). 高光谱侦察技术的发展. 航天电子对抗, 35(3), 9.

[5] 贺婷. 玉米氮素营养监测的高光谱遥感估算模型研究. Diss. 沈阳农业大学, 2016.

[6] 林颖, 徐卫明, 袁立银, & 王建宇. (2010). 热红外高光谱系统信号成分分析及处理. 激光与红外, 40(12), 6.

作者简介：

周全(1983-)，男，汉族，安徽宿州人，讲师，博士研究生，主要从事高光谱图像处理与农产品智能检测研究

工作单位：皖西学院电子与信息工程学院（安徽六安市裕安区月亮岛）