国家科技支撑计划(2006BAD27B02-03)
- 作品数：2 被引量：3H指数：1
- 相关作者：朱加进邵咏妮施佳慧冯盘何勇更多>>
- 相关机构：浙江大学浙江省标准化研究院更多>>
- 发文基金：国家科技支撑计划浙江省重点科技计划国家高技术研究发展计划更多>>
- 相关领域：农业科学更多>>
- 基于光谱技术的航天育种番茄品种鉴别方法的研究
- 2009年
- 为了实现航天育种番茄不同品种的快速光谱鉴别,采用主成分分析法对光谱数据进行聚类分析,并将小波变换用于对大量光谱数据的压缩,同时结合神经网络建立了番茄品种鉴别模型。该模型将压缩后的数据作为神经网络的输入,加速了神经网络的训练速度。通过对太空育种突变株M1和M2及其亲本番茄品种的共105个番茄叶片样本建立训练模型,并用每个品种15个样本,共45个番茄叶片的样本进行预测。结果表明,用该方法对航天育种番茄不同品种的鉴别正确率达到97.8%。说明文章提出的方法具有很好的分类和鉴别作用,为航天育种番茄不同品种的快速鉴别提供了一种新方法。
- 施佳慧邵咏妮何勇李铎冯盘朱加进
- 关键词：近红外光谱主成分分析聚类小波变换人工神经网络
- 可见/近红外光谱分析技术快速鉴别航天育种番茄被引量：3
- 2011年
- 提出了利用可见/近红外光谱技术快速无损鉴别航天育种番茄品种的方法,采用偏最小二乘法对光谱特征信息进行提取,与神经网络结合建立番茄品种的鉴别模型。该模型将提取后的主成分作为神经网络的输入,加速了神经网络的训练速度。同时采用小波变换对大量光谱数据进行压缩,并结合神经网络建立番茄品种鉴别模型,该模型将压缩后的数据作为神经网络的输入。通过对太空育种突变株M1,M2及其亲本番茄品种的共105个番茄果实样本建立训练模型,并用每个品种15个样本,共45个番茄果实的样本进行预测。两个模型的鉴别正确率分别达到95.6%和97.8%。说明本方法具有较高的鉴别准确度,为航天育种番茄品种的快速无损鉴别提供了新的方法。
- 施佳慧陈自力邵咏妮何勇冯盘朱加进
- 关键词：近红外光谱偏最小二乘法人工神经网络
