基于声学特性的裂颖杂交水稻种子检测方法研究
杂交水稻种子在成熟过程中不可避免地会产生稻壳的裂颖,种子产生裂颖后影响发芽性能和秧苗品质,因此如何利用裂颖水稻种子与正常水稻种子物理特性差异把两者区分开来,成为解决裂颖水稻种子种用性能降低的有效途径.本文的研究目的是探索一种利用杂交水稻种子碰撞声学特性对裂颖杂交水稻种子进行检测的方法.本文首先探索裂颖水稻种子的声学检测方法.正常杂交水稻种子颖壳能够完好的包裹着内核,而裂颖种子的颖壳开裂,这个物理性质的差异将导致正常杂交水稻种子和裂颖杂交水稻种子在下落撞击到碰撞板时会产生不同的声音信号.根据声学检测原理和水稻种子物理特性,研制了裂颖水稻种子声学检测装置,该装置能够达到调节种子下落高度、声音传感器与倾斜碰撞玻璃板之间距离,同时可更换碰撞板,外界噪声对声音传感器影响小.对正常杂交水稻种子和裂颖杂交水稻种子声学特性进行测试实验,结果表明,正常杂交水稻种子撞击玻璃板后其产生的电压幅值普遍高于裂颖杂交水稻种子,当下落高度H为150mm,声音传感器与倾斜碰撞玻璃板之间距离h为20mm时试验效果最佳,对新两优6380杂交水稻种子的综合识别率达到88%,两优6326杂交水稻种子的综合识别率达到92%.在最优工作条件下正常杂交水稻种子和裂颖杂交水稻种子平均识别率分别达到92%、90.67%.讨论了不同的碰撞板的识别效果,碰撞板分别为玻璃板、0.5mm厚金属板、1mm厚金属板,其中以玻璃板的识别效果最佳.其次,通过声音传感器采集正常和裂颖杂交水稻种子的碰撞声学信号,对声学信号在时域和频域进行信号处理,确定区分正常和裂颖杂交水稻种子的显著因子分别为:最大电压幅值、短时能量峰值、短时平均幅度峰值、功率谱密度、功率谱密度最小值.最后,根据确定的显著因子,运用MATLAB构建基于神经网络模式识别判断模型,并依据该判别模型识别正常和裂颖杂交水稻种子.该判别模型对5个品种的杂交水稻的正常和裂颖种子实现了有效的区分.针对每个杂交水稻品种样本所构建的神经网络模式识别模型的识别效果是比较好的:对两优108、Y两优900、两优6326、新两优6380、镇籼优184的综合识别正确率达到95.2%、91.6%、93.7%、92.5%、90.8%.针对每个杂交水稻品种的非样本的检测效果也较好,其中对两优108、Y两优900、镇籼优184的识别总正确率为94%,对新两优6380、两优6326识别总正确率为92%、88%.试验发现所构建的神经网络模式识别模型比单一的依靠电压幅值来区分正常和裂颖杂交水稻种子的综合识别率提高了 2%.本研究说明能够利用杂交水稻种子碰撞声音特性检测裂颖种子的方法是可行的.
- 作者：
- 魏昌成
- 学位授予单位：
- 南京农业大学
- 专业名称：
- 农业工程(专业学位)
- 授予学位：
- 硕士
- 学位年度：
- 2016年
- 导师姓名：
- 李毅念
- 中图分类号：
- S511
- 关键词：
- 杂交水稻种子；裂颖；声学特性；检测；神经网络模式识别
- Hybrid rice seeds； Crack-glume； Acoustical characteristics； Detection； Neural network pattern recognition