wordpress支持md正版搜索引擎优化
种子纯度是衡量种子质量的核心指标之一，直接影响农作物产量与品质。传统检测方法（如形态学观察、生化分析）存在耗时长、破坏样本、依赖人工等缺陷。近年来，高光谱成像技术因其融合光谱与图像信息的优势，成为无损检测领域的研究热点。中达瑞和作为国内高光谱成像设备的领先供应商，可实现国产替代，助力科研院校进行高光谱成像领域的研究和探索。本研究基于高光谱相机，结合图像熵特征与机器学习算法，实现了多品种玉米种子的快速纯度识别。
材料与方法
1. 试验样本
试验样本来自于不同种子公司提供的 BNA07、滑玉 11、农大 105、中农大田、豫单 998、SNN12、博斯田8号、谷盲 178、极早金香糯、金糯王、金赛田、京科甜 195、连玉 16、斯达 205、万糯 11、香甜黏玉米、郑单 958 共 17 种玉米品种，其色调均为黄色，每类各 96 粒，共 1632 个样本。根据种子公司提供的标准，种子纯度可以达到 98%以上。由于受现有测试方法的限制：同时考虑到每类样本只有 96 粒，从概率上来说，每类种子只有不超过2粒的混杂样本出现，故研究中直接将该批种子作为没有品种间的混杂处理。
2.样本采集
试验采用高光谱成像系统（光谱范围400~1000 nm，分辨率1 nm），配备CCD相机、卤素光源及电动滑台。系统通过黑箱隔绝环境光干扰，确保数据稳定性。系统的初始值设置：物距25cm，聚焦，在图像不失真的情况下设置曝光时间为 300 ms，其空间分辨率为 0.15 mm。为降低背景的影响，将样本放在 20 cm x 20 cm 的全黑背景下。
2. 图像熵特征提取
玉米种子图像的特征提取是决定玉米品种识别的关键因素，传统的机器视觉方法多是从形态学特征入手，提取玉米图像的周长，面积等特征，存在特征计算复杂的缺点。考虑到每类玉米品种物理特性、化学特性的差异性，体现在不同波段下反射光强的差异性，而图像的熵信息是反射光强分布差异性的一个良好的度量指标，因此本文利用不同波段下的图像熵信息作为玉米种子的分类特征。
3. 波段选择与分类模型
由于高光谱图像的波段数目较多，在线获取如此多的波段必将影响到玉米检测分类的实时性。因此，本文结合 PLS 投影最优波段选择算法，建立其分类模型。采用偏最小二乘（PLS）投影算法筛选关键波段，阈值设定为最大投影系数的20%，最终选取65个波段（占全波段27.9%）。结合偏最小二乘判别分析（PLSDA）构建分类模型，训练集与测试集按3:1随机划分。
结果与分析
利用高光谱图像技术既能反映图像信息又能反映光谱信息的特点，应用于多类别数目条件下的玉米品种识别，提高了分类持征信息的有效性和可靠性。结果表明：利用图像熵信息作为样本的识别特征，在一定程度上简化了特征提取的复杂性。
本研究验证了高光谱成像系统在玉米种子纯度检测中的高效性。通过图像熵特征与PLSDA模型，仅需27.9%的优化波段即可实现98.9%的分类精度，为种子质量控制的自动化与标准化提供了新方案。
中达瑞和是一家同时掌握凝采式、推扫式、光计算重构三种高光谱成像技术的公司。其VIX-N110P推扫式高光谱相机的光谱分辨率高达 1nm，光谱通道高达 1200 个，具备高灵敏度和优越的信噪比，可同时、快速获取光谱和影像信息。中达瑞和高光谱相机的高效数据采集与处理能力，将为种子纯度快速检测提供可靠工具，助力农业智能化升级，为精准农业、智慧生态等领域注入新动能。
参考文献
[1] 朱启兵, 冯朝丽, 黄敏等. 基于图像熵信息的玉米种子纯度高光谱图像识别[J]. 农业工程学报, 2012,