精品网站在线免费观看高光谱成像相机：基于高光谱成像技术的玉米种子纯度检测研究

来源：深圳市中达瑞和科技有限公司 2025年06月04日 18:08

种子纯度是衡量种子质量的核心指标之一，直接影响农作物产量与品质。传统检测方法（如形态学观察、生化分析）存在耗时长、破坏样本、依赖人工等缺陷。近年来，高光谱成像技术因其融合光谱与图像信息的优势，成为无损检测领域的研究热点。中达瑞和作为国内高光谱成像设备供应商，可实现国产替代，助力科研院校进行高光谱成像领域的研究和探索。本研究基于高光谱相机，结合图像熵特征与机器学习算法，实现了多品种玉米种子的快速纯度识别。

材料与方法

1. 试验样本

试验样本来自于不同种子公司提供的 BNA07、滑玉 11、农大 105、中农大田、豫单 998、SNN12、博斯田8号、谷盲 178、极早金香糯、金糯王、金赛田、京科甜 195、连玉 16、斯达 205、万糯 11、香甜黏玉米、郑单 958 共 17 种玉米品种，其色调均为黄色，每类各 96 粒，共 1632 个样本。根据种子公司提供的标准，种子纯度可以达到 98%以上。由于受现有测试方法的限制：同时考虑到每类样本只有 96 粒，从概率上来说，每类种子只有不超过2粒的混杂样本出现，故研究中直接将该批种子作为没有品种间的混杂处理。

2.样本采集

试验采用高光谱成像系统（光谱范围400~1000 nm，分辨率1 nm），配备CCD相机、卤素光源及电动滑台。系统通过黑箱隔绝环境光干扰，确保数据稳定性。系统的初始值设置：物距25cm，聚焦，在图像不失真的情况下设置曝光时间为 300 ms，其空间分辨率为 0.15 mm。为降低背景的影响，将样本放在 20 cm x 20 cm 的全黑背景下。

2. 图像熵特征提取

3. 波段选择与分类模型

由于高光谱图像的波段数目较多，在线获取如此多的波段必将影响到玉米检测分类的实时性。因此，本文结合 PLS 投影波段选择算法，建立其分类模型。采用偏最小二乘（PLS）投影算法筛选关键波段，阈值设定为投影系数的20%，最终选取65个波段（占全波段27.9%）。结合偏最小二乘判别分析（PLSDA）构建分类模型，训练集与测试集按3:1随机划分。

结果与分析

本研究验证了高光谱成像系统在玉米种子纯度检测中的高效性。通过图像熵特征与PLSDA模型，仅需27.9%的优化波段即可实现98.9%的分类精度，为种子质量控制的自动化与标准化提供了新方案。

中达瑞和是一家同时掌握凝采式、推扫式、光计算重构三种高光谱成像技术的公司。中达瑞和高光谱相机的高效数据采集与处理能力，将为种子纯度快速检测提供可靠工具，助力农业智能化升级，为精准农业、智慧生态等领域注入新动能。

参考文献
[1] 朱启兵, 冯朝丽, 黄敏等. 基于图像熵信息的玉米种子纯度高光谱图像识别[J]. 农业工程学报, 2012,

免责声明

凡本网注明“来源：化工仪器网”的所有作品，均为浙江兴旺宝明通网络有限公司-化工仪器网合法拥有版权或有权使用的作品，未经本网授权不得转载、摘编或利用其它方式使用上述作品。已经本网授权使用作品的，应在授权范围内使用，并注明“来源：化工仪器网”。违反上述声明者，本网将追究其相关法律责任。
本网转载并注明自其他来源（非化工仪器网）的作品，目的在于传递更多信息，并不代表本网赞同其观点和对其真实性负责，不承担此类作品侵权行为的直接责任及连带责任。其他媒体、网站或个人从本网转载时，必须保留本网注明的作品第一来源，并自负版权等法律责任。
如涉及作品内容、版权等问题，请在作品发表之日起一周内与本网联系，否则视为放弃相关权利。