摘要：为探索快速、高效检测甜玉米种子生活力的方法,利用机器视觉技术（Seed Identification）批量快速提取金菲甜玉米种子的Red（红基色）、Green（绿基色）、Blue（蓝基色）、Hues（色相）、Saturation（饱和度）、Brightness（亮度）、Light（明度）、a（红色至绿色的范围）、b（蓝色至黄色的范围）、灰度、宽度、长度和投影面积等物理特征参数,通过单粒发芽试验确定每粒种子的生活力,然后采用人工神经网络和二元逻辑回归结合主成分分析进行建模。结果表明：1）a值、b值、Saturation和投影面积与种子的活力均存在极显著或显著相关,且变异系数相对较大,其中当a≤3时,发芽率可从72.7%提升至77.6%,获选率达到79.4%;投影面积≤77.31mm2时,发芽率可提升至73.7%,获选率87.6%;2）用13个物理指标标准化后直接进行人工神经网络建模,双隐藏层（训练集∶测试集=6∶4）建模,模型整体预测正确率为74.2%,优质种子获选率达到93.8%,发芽率可提升至76.9%;3）经二元逻辑回归模型预测发芽率为74.5%,但神经网络模型稳定性优于二元逻辑回归建模。
分类：期刊> 自然科学与工程技术> 农业科技> 农业综合
收录：北大期刊(中国人文社会科学期刊) > CSCD 中国科学引文数据库来源期刊(含扩展版) > 统计源期刊(中国科技论文优秀期刊) > 知网收录(中) > 维普收录(中) > 万方收录(中) > CA 化学文摘(美) > JST 日本科学技术振兴机构数据库(日) > Pж(AJ) 文摘杂志(俄) > 国家图书馆馆藏 > 上海图书馆馆藏
关键词：甜玉米 机器视觉技术 主成分分析 人工神经网络 二元逻辑回归
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
