基于高光谱成像与集成模型的水稻种子活力量化检测
Abstract
为实现水稻种子活力水平的无损量化检测，提出了一种基于高光谱成像与集成模型的水稻种子活力无损检测方法。采用人工加速老化法构建6个种子活力梯度的样本，通过高光谱成像系统获取样本的高光谱图像，图像采集完毕后，进行稻种发芽试验，分别在第7天和第14天统计发芽率；对图中每粒种子的感兴趣区域提取光谱数据，利用多项式卷积平滑（SG）、多元散射校正（MSC）和标准正态变量变换（SNV）对光谱数据进行预处理，并基于连续投影算法（SPA）和竞争性自适应重加权采样算法（CARS）对预处理后的光谱进行特征波长提取；结合卷积神经网络、LightGBM，构建基于CNN-LightGBM集成网络的稻种活力水平量化检测模型。实验结果表明，CNN-LightGBM集成模型的测试集准确率可达96.907%，显著优于单一模型，且发芽试验证实了发芽率的变化趋势与水稻种子光谱反射率的波动趋势呈现出良好的一致性。本研究为稻种活力水平量化检测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。
Fields of Study & Subjects
Spectroscopy and Chemometric Analyses
Smart Agriculture and AI
Seed Germination and Physiology
Publication details
- Journal / source
- Laser & Optoelectronics Progress
- Volume
- 63
- Issue
- 2
- Pages
- 0230001–0230001
- Publication date
- 1 January 2026
- Language
- EN