近期，中國科學(xué)院合肥物質(zhì)院智能所智慧農業(yè)研究中心王儒敬研究員團隊提出了一種近紅外光譜無(wú)損檢測水稻種子內部裂紋方法。相關(guān)研究成果發(fā)表在光譜領(lǐng)域核心期刊Spectrochimica Acta Part A: Molecular and BiomolecularSpectroscopy上。

在農業(yè)生產(chǎn)中，水稻種子的質(zhì)量直接關(guān)系到水稻的產(chǎn)量和品質(zhì)。稻種內部的裂紋往往不易被肉眼識別，這給稻種質(zhì)量評估帶來(lái)了挑戰。為了攻克這一難題，科研團隊提出了一種近紅外光譜技術(shù)結合機器學(xué)習檢測水稻內部裂紋方法。該工作中科研人員以279粒（139粒內部裂紋和140粒正常）稻種為研究對象，采用四種機器學(xué)習分類(lèi)算法（偏最小二乘判別，支持向量機、k近鄰和隨機森林）結合四種光譜預處理方法（標準正態(tài)變量、散射校正、一階和第二階導數）分別建模，并比較模型性能，獲得最優(yōu)模型。

研究結果表明，偏最小二乘判別結合原始光譜數據模型最佳（Sn=0.8824，Sp=0.9429，Acc=0.913）。最佳支持向量機模型的性能較差但優(yōu)于隨機森林和k近鄰。除了偏最小二乘判別，四種不同的預處理方法均改進(jìn)了所開(kāi)發(fā)模型的性能。通過(guò)波長(cháng)重要性分析顯示檢測稻種內部裂紋的重要變量與直鏈淀粉含量有關(guān)?？傮w而言，所有結果都證明了近紅外光譜結合偏最小二乘判別法無(wú)損檢測水稻種子內部裂紋的可行性。

智能所汪六三副研究員為論文第一和通訊作者。該項研究工作得到了國家重點(diǎn)研發(fā)計劃、安徽省重大專(zhuān)項的支持。

論文鏈接為:

https://www.sciencedirect.com/science/article/abs/pii/S1386142524007443

表1 不同分類(lèi)模型對測試集的混淆矩陣

圖1 偏最小二乘判別獲得的變量重要性投影（VIP>1）