本發(fā)明涉及農(nóng)業(yè)種植，尤其涉及一種基于機(jī)器學(xué)習(xí)和深度學(xué)習(xí)算法的大豆種子活力近紅外光譜預(yù)測方法。

背景技術(shù)：

1、機(jī)械化播種是大面積推廣大豆玉米帶狀復(fù)合種植模式的有力保障，但機(jī)械化播種對大豆種子的發(fā)芽和出苗速度、整齊度、抗逆性等提出了更高的要求。

2、種子活力的定義為:“在廣泛的田間條件下，決定種子迅速整齊出苗和長成正常幼苗的潛在能力的總稱”。種子活力會直接影響種子在田間的出苗率和抵御不良環(huán)境的能力，是反映種子質(zhì)量的重要指標(biāo)和影響作物高產(chǎn)穩(wěn)產(chǎn)的重要因素。在播種前對大豆種子的活力進(jìn)行較高精度的預(yù)測，可以檢驗種子質(zhì)量，減少大豆種子斷苗、缺苗和出苗不齊等現(xiàn)象的發(fā)生，取得較為理想的田間種植效果，并有效降低田間播種量，節(jié)省播種的費用和人力物力等播種成本，是農(nóng)業(yè)生產(chǎn)必不可少的環(huán)節(jié)。因此，發(fā)展大豆種子活力預(yù)測技術(shù)具有重要的現(xiàn)實意義。

3、種子活力的測定方法可分為直接測定法和間接測定法。傳統(tǒng)評價種子活力采用砂培法進(jìn)行直接測定，需要開展發(fā)芽實驗后計算種子活力發(fā)芽指數(shù)、正常苗率、發(fā)芽勢、發(fā)芽率和幼苗芽長等。該方法具有顯示直觀、測量準(zhǔn)確的優(yōu)點，但也存在著操作繁瑣、預(yù)測過程復(fù)雜且時間長、易對種子造成損傷等缺點，無法滿足現(xiàn)代農(nóng)業(yè)對種子預(yù)測規(guī)模化、快速、無損的預(yù)測需求和未來的發(fā)展趨勢。

4、近紅外光譜（nirs）技術(shù)是一種利用近紅外光對物質(zhì)進(jìn)行高效分析的現(xiàn)代技術(shù)。目前，已有技術(shù)利用近紅外技術(shù)判斷植物種子的種子生活力和預(yù)測種子活力，但多數(shù)研究所構(gòu)建的大豆種子近紅外光譜預(yù)測模型都是基于單一品種和黃色種皮大豆而構(gòu)建的，采用的建模方法多為偏最小二乘法等這類線性模型，此類模型存在檢測性狀單一、預(yù)測精度不高、難以應(yīng)用在深色種皮大豆種子活力檢測上等問題，通用性和普適性均較差，存在著明顯的局限。

技術(shù)實現(xiàn)思路

1、本發(fā)明的特征和優(yōu)點在下文的描述中部分地陳述，或者可從該描述顯而易見，或者可通過實踐本發(fā)明而學(xué)習(xí)。

2、為克服現(xiàn)有技術(shù)的問題，本發(fā)明提供了一種基于機(jī)器學(xué)習(xí)和深度學(xué)習(xí)算法的大豆種子活力近紅外光譜預(yù)測方法，包括以下步驟：

3、s1、選豆：選取無蟲蛀、無霉變、無破損、無雜質(zhì)的大豆n份，n≥1，并選取其中的大部分作為訓(xùn)練集，剩余部分作為測試集；所述大豆包括淺色種皮大豆及深色種皮大豆兩組，其中，淺色種皮大豆包括黃色種皮大豆和綠色種皮大豆，深色種皮大豆包括棕色種皮大豆和黑色種皮大豆；

4、s2、利用人工老化法制備不同等級活力水平的大豆種子樣本；

5、s3、獲取大豆種子樣本的近紅外光譜：將s2制備的大豆種子樣本置入近紅外光譜儀中，獲得所述大豆種子的近紅外光譜；

6、s4、獲得大豆種子樣本的種子活力指標(biāo)的真實值：采用砂培法進(jìn)行發(fā)芽實驗，發(fā)芽結(jié)束后分別計算種子活力指標(biāo)的真實值；所述種子活力指標(biāo)包括發(fā)芽指數(shù)、正常苗率、發(fā)芽勢、發(fā)芽率和幼苗芽長；

7、s5、異常光譜剔除：對步驟s3采集到的近紅外光譜數(shù)據(jù)中的異常光譜數(shù)據(jù)進(jìn)行剔除；

8、s6、光譜預(yù)處理：對完成s5步驟處理的光譜分別依次進(jìn)行了如下預(yù)處理：分別是一階導(dǎo)數(shù)、二階導(dǎo)數(shù)、卷積平滑、和基線校正；

9、s7、特征波段的提取：對步驟s6中預(yù)處理后的光譜進(jìn)行皮爾遜相關(guān)性分析，提取有效特征波段；

10、s8、構(gòu)建模型并對模型進(jìn)行評價：將步驟s7提取后得到的光譜數(shù)據(jù)作為輸入值，步驟s4獲得的種子活力指標(biāo)的真實值作為輸出值，搭載xgboost和bp神經(jīng)網(wǎng)絡(luò)算法構(gòu)建模型，利用訓(xùn)練集數(shù)據(jù)分別構(gòu)建淺色、深色種皮大豆種子活力預(yù)測模型；通過比較種子活力指標(biāo)的真實值和預(yù)測值之間的差異對模型進(jìn)行評價，同時比較分析訓(xùn)練集和測試集的決定系數(shù)和均方根誤差對模型進(jìn)行評價；

11、s9、獲得大豆種子活力的預(yù)測模型：根據(jù)步驟s8的評價結(jié)果獲得淺色和深色種皮大豆種子活力的預(yù)測模型。

12、優(yōu)選的，所述預(yù)測模型包括：

13、預(yù)測淺色種皮大豆gi、gr和sl的預(yù)測模型為一階導(dǎo)數(shù)預(yù)處理結(jié)合xgboost模型；

14、預(yù)測淺色種皮大豆ge和nsr的預(yù)測模型為二階導(dǎo)數(shù)預(yù)處理和xgboost模型；

15、預(yù)測深色種皮大豆gi和nsr的預(yù)測模型為基線矯正預(yù)處理結(jié)合bp神經(jīng)網(wǎng)絡(luò)模型；

16、預(yù)測深色種皮大豆ge的預(yù)測模型為基線矯正預(yù)處理結(jié)合xgboost模型；

17、預(yù)測深色種皮大豆gr的預(yù)測模型為卷積平滑預(yù)處理結(jié)合xgboost模型；

18、預(yù)測深色種皮大豆sl的預(yù)測模型為一階導(dǎo)數(shù)結(jié)合xgboost模型。

19、優(yōu)選的，所述訓(xùn)練集大豆的占比在2/3~3/4之間。

20、優(yōu)選的，淺色種皮大豆的品種數(shù)量≥25；深色種皮大豆的品種數(shù)量≥15。

21、優(yōu)選的，所述人工老化法制備的不同等級活力水平的大豆種子樣本中的等級數(shù)量≥4。

22、本發(fā)明的有益效果：采用本發(fā)明提供的預(yù)測方法對不同顏色種皮大豆的種子活力進(jìn)行預(yù)測，不僅可預(yù)測大豆種子發(fā)芽率，還可預(yù)測發(fā)芽指數(shù)、正常苗率、發(fā)芽勢和芽長，較之前僅基于發(fā)芽率構(gòu)建的種子活力預(yù)測模型能夠較為全面、準(zhǔn)確的評估大豆種子活力。本發(fā)明所構(gòu)建的預(yù)測模型較其他技術(shù)僅基于單一大豆品種構(gòu)建的種子活力預(yù)測模型，在生產(chǎn)應(yīng)用中更具有較高的普適性和通用性，此外，還能夠預(yù)測深色種皮大豆的種子活力，具有較廣的應(yīng)用范圍。本申請在訓(xùn)練集和測試集上的穩(wěn)定性和精度很好，泛化能力較高，能夠用于預(yù)測多種種皮顏色的大豆發(fā)芽率、發(fā)芽勢、發(fā)芽指數(shù)、正常苗率和苗長，能更全面、準(zhǔn)確的評價大豆種子活力。

技術(shù)特征：

1.一種基于機(jī)器學(xué)習(xí)和深度學(xué)習(xí)算法的大豆種子活力近紅外光譜預(yù)測方法，其特征在于，包括以下步驟：

2.根據(jù)權(quán)利要求1所述的一種基于機(jī)器學(xué)習(xí)和深度學(xué)習(xí)算法的大豆種子活力近紅外光譜預(yù)測方法，其特征在于，所述預(yù)測模型包括：

3.根據(jù)權(quán)利要求1所述的一種基于機(jī)器學(xué)習(xí)和深度學(xué)習(xí)算法的大豆種子活力近紅外光譜預(yù)測方法，其特征在于，所述訓(xùn)練集大豆的占比在2/3~3/4之間。

4.根據(jù)權(quán)利要求1所述的一種基于機(jī)器學(xué)習(xí)和深度學(xué)習(xí)算法的大豆種子活力近紅外光譜預(yù)測方法，其特征在于，淺色種皮大豆的品種數(shù)量≥25；深色種皮大豆的品種數(shù)量≥15。

5.根據(jù)權(quán)利要求1所述的一種基于機(jī)器學(xué)習(xí)和深度學(xué)習(xí)算法的大豆種子活力近紅外光譜預(yù)測方法，其特征在于，所述人工老化法制備的不同等級活力水平的大豆種子樣本中的等級數(shù)量≥4。

技術(shù)總結(jié)
本發(fā)明涉及農(nóng)業(yè)種植技術(shù)領(lǐng)域，尤其涉及一種基于機(jī)器學(xué)習(xí)和深度學(xué)習(xí)算法的大豆種子活力近紅外光譜預(yù)測方法，包括以下步驟：S1、選豆；S2、利用人工老化法制備不同活力水平的大豆種子樣本；S3、獲取大豆種子樣本的近紅外光譜；S4、獲得大豆種子樣本的種子活力指標(biāo)的真實值；S5、異常光譜剔除；S6、光譜預(yù)處理；S7、特征波段的提?。籗8、構(gòu)建模型并對模型進(jìn)行評價；S9、獲得大豆種子活力的預(yù)測模型。本發(fā)明不僅可預(yù)測淺色和深色種皮的大豆種子發(fā)芽率，還可預(yù)測發(fā)芽指數(shù)、正常苗率、發(fā)芽勢和芽長，能更全面的預(yù)測大豆種子活力。

技術(shù)研發(fā)人員：王賢智,李文君,雷榮,曾艷,黃會斌
受保護(hù)的技術(shù)使用者：云南大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/19