申请/专利权人：安徽农业大学

申请日：2023-12-12

公开（公告）日：2024-03-19

公开（公告）号：CN117723505A

主分类号：G01N21/359

分类号：G01N21/359;G01N21/01;G06F18/23213;G06F18/214

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.05#实质审查的生效;2024.03.19#公开

摘要：本发明公开了基于近红外光谱的水稻种粒秕谷含量等级快速检测方法，利用近红外光谱采集单元采集不同秕谷含量的水稻种粒在全波段波长下的原始光谱，并对原始光谱数据进行预处理和特征波长提取，以获取具有强表征的关键性波长；结合自适应聚类算法构建水稻种粒秕谷含量等级快速检测模型，采用训练集训练检测模型，并基于测试集评估模型的性能，实现水稻种粒秕谷含量等级快速检测，为水稻种粒的千粒重与结实率测量以及质量的检测与评估提供技术支撑，对栽培措施的优化、水稻生产提质增效、提高农药利用率具有重要意义。

主权项：1.基于近红外光谱的水稻种粒秕谷含量等级快速检测方法，其特征在于：具体包括以下步骤：步骤S1：利用近红外光谱仪采集不同秕谷含量的水稻种粒样品的原始光谱数据；步骤S2：对水稻种粒样品的原始光谱数据进行不同的预处理方法进行预处理，以得到预处理后的结果；步骤S3：在预处理后的光谱数据基础上，按照秕谷的不同含量分别进行特征波长提取，以获得更具代表性的波长点；步骤S4：对所述特征波长，制作不同秕谷含量的水稻种粒光谱数据集，按照比例将上述制作的光谱数据集划分为训练集和测试集；步骤S5：基于k均值聚类算法构建水稻种粒秕谷含量等级快速检测模型，并对训练集中不同秕谷含量的水稻种粒光谱数据进行分簇，将每簇内的光谱数据进行平均值计算；步骤S6：基于最小距离分类器，将测试集样本数据与训练集的簇平均进行欧氏距离计算，将其分配给与其距离最近的簇平均的类别，以实现对水稻秕谷含量等级的确定。

全文数据：

权利要求：

百度查询： 安徽农业大学 基于近红外光谱的水稻种粒秕谷含量等级快速检测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD