基于近红外光谱的灌浆期玉米籽粒水分小样本定量分析

• Published in: 农业工程学报 Vol. 34; no. 13; pp. 203 - 210
• Main Authors: 王雪, 马铁民, 杨涛, 宋平, 谢秋菊, 陈争光
• Format: Journal Article
• Language: Chinese
• Published: 东北大学计算机科学与工程学院,沈阳 110819%沈阳农业大学信息与电气工程学院,沈阳,110866%黑龙江八一农垦大学电气与信息学院,大庆,163319 01.07.2018; 黑龙江八一农垦大学电气与信息学院,大庆 163319%黑龙江八一农垦大学电气与信息学院,大庆 163319; 沈阳农业大学信息与电气工程学院,沈阳 110866
• Subjects: Bootstrap重抽样本; 灌浆期玉米籽粒; 近红外光谱; 模型; 样本优化选择; 定量分析; 水分; 小样本集
• ISSN: 1002-6819
• DOI: 10.11975/j.issn.1002-6819.2018.13.024

S24; 玉米灌浆期含水率测定是考种育种的重要指标.为了节约样本且快速准确测定灌浆期玉米水分,该文应用近红外光谱技术,提出了基于小样本条件下的自举算法(Bootstrap)与基于x-y距离结合的样本划分方法(SPXY,sample set partitioning based on jointx-y distances)相结合的样本优化方法的偏最小二乘(PLS,partial least square)水分定量分析模型Bootstrap-SPXY-PLS模型.试验结果表明,当Bootstrap重抽样本次数等于500,样本数量大于等于10时,模型的性能稳定,并且随着样本数量增加,重抽样本次数相对减少;样本数量为10和50时,全谱Bootstrap-SPXY-PLS模型的预测均方根误差(RMSEP,root-mean-square error of prediction)均值分别为0.38%和0.40%,预测相关系数(correlation coefficients of prediction)分别为0.9751和0.9685,决定系数R2分别为0.9999和0.9936;基于竞争性自适应重加权采样算法(CARS,competitive adaptive reweighed sampling)波长变量筛选后的CARS-Bootstrap-SPXY-PLS模型的预测均方根误差RMSEP均值分别为0.36%和0.35%,预测相关系数分别为0.9736和0.9750,模型决定系数R2分别为0.9245和0.9180.因此,全谱Bootstrap-SPXY-PLS模型和CARS-Bootstrap-SPXY-PLS模型均具有稳定的预测能力,为玉米育种时灌浆期种子水分测定提供了一种稳定、高效的方法.