1.一種基于光譜比例扣除的稻谷近紅外光譜模型優(yōu)化方法，其特征在于：包括以下步驟：
1)近紅外平均光譜的計(jì)算
多次測(cè)定近紅外光譜模型中水稻種子的種子、種殼、糙米的近紅外光譜，得到種子、種殼和糙米近紅外平均光譜；
2)擬合光譜計(jì)算
根據(jù)公式：
種子平均光譜＝K1×水稻糙米平均光譜+K2×水稻種殼平均光譜，對(duì)種子平均光譜進(jìn)行線性回歸擬合，由此得到系數(shù)K1、K2，使得其擬合結(jié)果與種子平均光譜的標(biāo)準(zhǔn)偏差最小；
3)近紅外光譜模型的建立
根據(jù)K1、K2系數(shù)大小，扣除近紅外光譜模型中水稻種子光譜包含種殼或糙米部分的重合信息的影響，即得到公式：
糙米的擬合光譜＝(種子平均光譜-K2×種殼平均光譜)/K1，
或
種殼的擬合光譜＝(種子平均光譜-K1×糙米平均光譜)/K2。
得到擬合光譜后，由此基于擬合光譜建立近紅外光譜模型。
2.根據(jù)權(quán)利要求1所述的一種基于光譜比例扣除的稻谷近紅外光譜模型優(yōu)化方法，其特征在于：所述步驟1)包括：
11)判斷影響近紅外光譜模型的主要部分
先判斷該模型建立的主要信息存在于水稻哪個(gè)部位，再按照光譜組成比例系數(shù)K1和K2去除影響模型準(zhǔn)確性的重復(fù)信息；
12)測(cè)量種殼和糙米的近紅外光譜
先選取建立近紅外光譜模型的水稻種子樣本群體，然后將群體每粒樣本進(jìn)行種殼和糙米分離，然后分別對(duì)種殼和糙米進(jìn)行多次近紅外光譜測(cè)定，求得種殼和糙米的平均光譜。
3.根據(jù)權(quán)利要求2所述的一種基于光譜比例扣除的稻谷近紅外光譜模型優(yōu)化方法，其特征在于：所述步驟2)包括：
根據(jù)步驟12)中求得的種殼和糙米的平均光譜，以種子光譜為擬合對(duì)象，求得種殼和糙 米的組成比例系數(shù)K1、K2。
4.根據(jù)權(quán)利要求1所述的一種基于光譜比例扣除的稻谷近紅外光譜模型優(yōu)化方法，其特征在于：建立水稻種子水分近紅外光譜模型的方法，包括以下步驟：
1)構(gòu)建水稻種子水分梯度
建模集為：將種子分別放置在常溫、20℃、30℃、40℃4個(gè)溫度值，11％、43％、75％、97％共4個(gè)濕度值，放置不同的時(shí)間建立相應(yīng)的水分梯度，共38個(gè)點(diǎn)；
預(yù)測(cè)集為：將種子分別放置于20℃、25℃、30℃、35℃溫度和11％、43％、75％濕度下5個(gè)月的種子，共12個(gè)點(diǎn)；
2)建立、分析水稻種子水分近紅外光譜模型
采集建模集和預(yù)測(cè)集的水稻種子的近紅外漫反射光譜，波數(shù)范圍為12000-4000cm-1，分辨率16cm-1；去除12000～10500cm-1波數(shù)范圍，選擇10500～4000cm-1波數(shù)范圍，對(duì)建模集在均值化處理下建立水稻種子水分偏最小二乘模型，后對(duì)預(yù)測(cè)集進(jìn)行預(yù)測(cè)分析；
3)判斷影響水分模型的主要部位
通過(guò)對(duì)種子各部位的含水量的比對(duì)，得出影響水稻種子水分模型的主要部位為糙米，應(yīng)按比例扣除種殼的光譜比例；
4)計(jì)算光譜組成比例系數(shù)K1、K2
取建模集的種子，通過(guò)搖晃反復(fù)測(cè)定水稻種子近紅外光譜15次，求得水稻種子的平均光譜；輕輕剝開(kāi)種殼，用鑷子夾出水稻糙米，后將種殼恢復(fù)原樣，保持其形態(tài)一致，反復(fù)測(cè)定近紅外漫反射光譜15次，求得種殼、糙米的平均光譜；再計(jì)算糙米光譜、種殼光譜的組成比例系數(shù)K1和K2；
5)用擬合光譜替換實(shí)際近紅外光譜，重新分析水分模型
以K1、K2為系數(shù)，將所有建模集和預(yù)測(cè)集的種子光譜都按照如下公式處理，即：
糙米擬合光譜＝(水分模型中各組種子的平均光譜–K2×種殼平均光譜)/K1
然后用求得的糙米擬合光譜代替原實(shí)際測(cè)得糙米光譜，因?yàn)榭鄢瞬幌嚓P(guān)的種殼光譜信息，由此可以建立預(yù)測(cè)更加準(zhǔn)確的優(yōu)化的近紅外光譜模型。