手机知网 App
24小时专家级知识服务
打 开
手机知网|搜索

基于近红外光谱技术的苜蓿(Madicago sativa)秋眠性预测研究

王红柳

  本文以美国苜蓿秋眠性标准对照品种为材料实验,采用4个刈割处理,对北京地区苜蓿秋眠性评定的最佳时期进行了研究。结果表明,在4个刈割处理中,2009年10月10日刈割的样品,经LSD显著性检验可知,25天后不同秋眠等级的苜蓿品种间的再生高度表现出了显著的差异性。秋眠性等级为1的Maverick,生长速率显著下降,刈割后的再生高度为2.4cm,在一个量级之内(h<5cm),因此,2009年,北京地区秋眠性的最佳评定时间可以定为10月10日。 取最佳评定时期刈割的苜蓿样品进行烘干、粉碎等预处理,应用傅立叶近红外光谱仪采集其近红外光谱,在此基础上进行了苜蓿秋眠性测定的研究。结论如下: 主成分分析(PCA)结合BP神经网络法建立苜蓿秋眠性预测模型,当光谱范围选择7000~8000cm-1,4000~7000cm-1时,PCA-BP预测模型的准确率达87.27%,效果最佳,所建立的模型具有预测苜蓿秋眠性的潜力; 主成分分析(PCA)结合LVQ神经网络法对全光谱建立苜蓿秋眠性预测模型,PCA-LVQ预测模型准确率为90.90%,效果较好,可见,LVQ神经网络法用于建立苜蓿秋眠性的预测模型具有一定的应用效果; 采用主成分分析(PCA)结合支持向量机法(SVM)对全光谱建立苜蓿秋眠性预测模型,当c=0.3392,g=32时,模型预测准确率可达98.182%。因此,主成分分析(PCA)结合支持向量机法(SVM)所建立的模型可以作为一种初步判断苜蓿秋眠性的手段之一。 该研究利用近红外光谱技术对苜蓿秋眠性进行了预测,在国内尚属首次,填补了国内空白。同时,该研究结果为苜蓿秋眠性的测定及其在生产和科研中的应用提供了更为快速、准确、便捷的新方法。……   
[关键词]:苜蓿秋眠性;近红外光谱;主成分分析(PCA);支持向量机(SVM)
[文献类型]:硕士论文
[文献出处]:北京林业大学2011年