一种基于THz-ATR光谱技术的玉米品种鉴别方法技术

本发明专利技术公布了一种基于THz‑ATR光谱技术的玉米品种鉴别方法，包括玉米样本的制备、太赫兹光谱的采集和分类模型的建立。将玉米样本研磨成粉，放置于太赫兹(THz)仪器衰减全反射(ATR)附件上采集玉米种子光谱得到吸收系数谱数据，再利用太赫兹仪器自带的ATR公式校正得到ATR吸收系数谱，将校正后的ATR吸收系数谱按照不同方案分组，通过神经网络学习矢量量化的方法进行建模，得到分类结果。结果显示分类准确率高，可以通过太赫兹技术建立一种快速、准确的玉米品种分类方法，对于农作物品种快速鉴别具有一定的借鉴性。

【技术实现步骤摘要】
一种基于THz-ATR光谱技术的玉米品种鉴别方法
本专利技术提出了一种玉米品种分类识别的方法，具体涉及太赫兹光谱无损检测技术和人工智能领域。
技术介绍
玉米的产量和品质与其自身品种紧密相关，因此品种鉴别直接关系到农业生产和农民经济利益。传统鉴别方法有籽粒形态鉴定法、幼苗形态鉴定法、田间小区种植鉴定法、生理生化鉴定法等，其中生理生化鉴定法有电泳法、高效液相色谱法等。籽粒形态鉴定法的缺点是各个玉米种子的形态特征差异小，很难区分，适用范围小、可靠性不高；幼苗形态鉴定法的缺点是人为因素比较大，鉴定准确性较差；田间小区种植鉴定法的缺点是鉴定用时长，用地较多，成本高；电泳法的缺点是实验要求苛刻，用到的化学试剂对环境有破坏性；高效液相色谱法的缺点是分析成本高，分析时间长。这些方法步骤繁琐，操作复杂，且检测过程中需要消耗化学试剂。近年来，分子光谱检测技术以其快速、便捷的特点成为研究热点，尤其是新兴的太赫兹技术逐渐受到人们的关注及研究。玉米种子中的大量生物大分子的振动和转动能级正好处于太赫兹的频带，玉米种子的太赫兹光谱包含有丰富的物理和化学信息，太赫兹技术的波谱分辨能力、低能性和透视性都为玉米种子鉴别提供技术支持。鉴于此可以利用太赫兹技术为玉米品种的鉴别提供一种快速、准确的鉴别方法。
技术实现思路
针对以上传统方法存在的诸多问题，本专利技术提供一种新的玉米品种鉴别的方法，利用太赫兹光谱技术对不同玉米品种进行快速无损检测。本专利技术的原理是：利用太赫兹(THz)光谱仪器衰减全反射(ATR)附件扫描不同品种玉米，通过神经网络学习矢量量化(LVQ)算法建立模型，应用该模型实现玉米品种鉴别。本专利技术提供的技术方案如下：一种基于THz-ATR光谱技术的玉米品种鉴别方法，其特征是：A.在采集玉米种子THz光谱时，执行如下操作：A1.选取不同品种的玉米种子；A2.将不同品种的玉米种子分别用研磨机研磨成粉，放置于太赫兹仪器ATR附件上扫描；A3.对A2扫描得到的ATR光谱利用太赫兹仪器自带的ATR公式，在太赫兹仪器自带的软件上进行校正，得到ATR吸收系数谱；A4.每一粒玉米种子扫描得到一条吸收系数谱线，A3中的吸收系数谱是由这些吸收系数谱线组成。B.建立玉米种子分类模型时，执行如下操作：B1.将A3所得到的吸收系数谱按不同方案分组，分为训练组和测试组；B2.B1中的不同方案是采用不同比例将玉米种子分组，并且每类玉米种子在每组中所占比重相同；B3.将B1中的训练组数据输入LVQ神经网络中，对LVQ神经网络进行训练；B4.B3中的LVQ神经网络训练完成后，将B1中的测试组数据输入训练好的LVQ神经网络中，待神经网络计算完成后，输出测试组的分类结果。将B1中的不同分组方案均进行B3、B4操作；B5.将B4中不同分组方案的分类结果进行整合分析，得到一套完整的鉴别玉米品种的方法。本专利技术的有益效果：利用本专利技术提供的技术方案，建立了快速鉴别玉米品种的定性分析玉模型，比较不同分组方案训练样本的测试结果可得，品种识别模型的预测准确率可高达90％～100％，为玉米品种的鉴别提供了一种快速、准确的检测方法。附图说明图1玉米品种鉴别方法流程图；图2玉米ATR吸收系数光谱图。具体实施方式本专利技术的具体实施方案如下：A.在采集玉米种子THz光谱时，执行如下操作：A1.选取不同品种的玉米种子，选取四类不同品种玉米，分别为黄糯玉米、迷你型玉米、紫糯玉米、水果玉米；A2.将不同品种的玉米种子分别用研磨机研磨成粉，放置于太赫兹仪器ATR附件上扫描；A3.对A2扫描得到的ATR光谱利用太赫兹仪器自带的ATR公式，在太赫兹仪器自带的软件上进行校正，得到ATR吸收系数谱；A4.每一粒玉米种子扫描得到一条吸收系数谱线，A3中的吸收系数谱是由这些吸收系数谱线组成。B.建立玉米分类模型时，执行如下操作：B1.将A3所得到的吸收系数谱按不同方案分组，分为训练组和测试组。划分测试组与训练组的样本比例分别为1:1、1:2和1:5；B2.B1中的不同方案是采用不同比例将玉米种子分组，并且每类玉米种子在每组中所占比重相同；B3.将B1中的训练组数据输入LVQ神经网络中，对LVQ神经网络进行训练；B4.B3中的LVQ神经网络训练完成后，将B1中的测试组数据输入训练好的LVQ神经网络中，待神经网络计算完成后，将B1中的不同分组方案均进行B3、B4操作，根据不同分类方案得出分类准确率分别为93.3％，97.5％，100％；B5.将B4的分类结果进行整合分析，得到一套完整的鉴别玉米品种的方法，采用太赫兹光谱结合LVQ方法能有效鉴别玉米品种，该方法对于农作物品种快速鉴别具有一定的借鉴性。下面通过实例对本专利技术做进一步说明。实例：1.玉米样本的制备在黄糯玉米、迷你型玉米、紫糯玉米、水果玉米这4类玉米样品中，每类随机挑选30粒，共组成120个样本数据集。将这120粒玉米样本分别放在研磨机中研磨成粉，并分别放入密封袋中密封、贴标签。2.获取玉米样本THz-ATR吸收系数谱将密封的各个玉米粉末样本取出分别放在太赫兹仪器ATR附件上，压紧并用太赫兹波扫描，用仪器所带软件控制扫描步长设为900，获得粉末样本的太赫兹光谱数据及相应光学参数。通过ATR计算公式将吸收系数转换为ATR吸收系数，即对光谱进行校正。3.建立玉米种类鉴别模型将扫描得到的120条玉米样本光谱数据(每粒玉米得到一条光谱数据)以不同方案分组，随机分为训练组和测试组，分别分为1/2训练组、1/2测试组，即训练组和测试组均为60条(每类15条)；2/3训练组、1/3测试组，即训练组为80条、测试组为40条；5/6训练组、1/6测试组，即训练组为100条、测试组为20条。在MATLAB上建立学习矢量量化(LVQ)神经网络，设定网络的输入层维数为每条光谱的扫描点个数(1135个)，竞争层有8个神经元，输出层有4个输出节点(即4类玉米)。将分组好的光谱数据分别输入LVQ网络中进行训练。先将训练组数据输入LVQ神经网络中，对LVQ神经网络进行训练；待网络训练完成后，再将测试组数据输入训练好的LVQ神经网络中，输出测试组的分类结果，从而实现分类。结果表明，在1/2、1/3、1/6测试组识别率分别为93.3％，97.5％，100％。4.形成玉米品种快速鉴别方法根据实验结果整合分析可以得到一套完整的鉴别玉米品种的方法，采用太赫兹光谱结合LVQ神经网络方法能有效鉴别玉米品种，该方法对于农作物品种快速鉴别具有一定的借鉴性。以上所述仅为本专利技术的较佳实例，并不用以限制本专利技术，凡在本专利技术的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本专利技术的保护范围之内。本文档来自技高网...

【技术保护点】
太赫兹技术在玉米品种鉴别中的应用。

【技术特征摘要】
1.太赫兹技术在玉米品种鉴别中的应用。2.一种玉米种子品种检测方法，其特征在于，包括以下步骤：S1：玉米样本研磨成粉，测定各类玉米的太赫兹光谱图；S2：根据S1中的光谱图，利用衰减全反射(ATR)计算公式，计算得到太赫兹ATR吸收系数谱数据，建立玉米种子样本波数和ATR吸收系数之间的关系。3.根据权利要求2中所测定的太赫兹ATR吸收系数谱，其特征在于，将原始太赫兹吸收系数谱进行ATR校正，使得数据更加精准。S1：将得到的不同玉米种类的太赫兹ATR吸收系数数据分类并分组...

【专利技术属性】
技术研发人员：吴静珠，李慧，刘翠玲，于重重，孙晓荣，
申请(专利权)人：北京工商大学，
类型：发明
国别省市：北京,11