玉米品种近红外光谱的DFT特征分析方法
DFT Feature Analysis of Corn Varieties Based on Near Infrared Spectra
查看参考文献13篇
|
文摘
|
提出了一种基于离散傅里叶变换(discrete Fouriertrans form,DFT)的玉米品种特征分析新方法.实验数据为37个玉米品种种子的近红外漫反射光谱数据,波段范围为4000~12000cm-1.文中通过对原始数据进行分析,发现扫描频率较高的部分噪声也比较大.文中首先定义了一种类间,类内差异度Qm的计算方法,以度量特征选择的有效性;然后利用Qm对原始数据和DFT变换后的数据进行分段分析.实验结果表明,4000~7085cm-1波段的DFT数据相对于全波段原始数据, Qm曲线均值,峰值明显提高.均值从原始的4.8049提高到8.5138,峰值最大值从原始的35.9240提高到60.8216,峰值最小值从原始的2.8918提高到3.7415.且变换后数据特征点(即Qm值大的点)较原始数据集中,最有利于提取玉米品种特征 |
|
其他语种文摘
|
The present paper develops a new approach to the analyse of corn based on discrete Fourier transform(DFT).The experiment data is of 37 varieties of corn seed with the Fourier transform near infrared spectrometer in the wave number range from 4 000 to 12 000 cm-1. Analyse of the origin data found that as the wave number increases, the data noise also increases. Firstly, the paper defines a calculation method of interspecific and intraspecific differences Qm to measure the effectiveness of feature selection. Secondly, Qm was used to analyse the original data and DFT-section data. Experimental results show that by choosing data of DFT with wave number range from 4 000 to 7 085 cm-1, the mean value and the peak value of the the Qm curve markedly improved relative to the full band original data. The mean value was enhanced from the original 4.804 9 to 8.513 8, and the max of the peak value was enhanced from the original 35.924 0 to 60.821 6, while the min of the peak value was enhanced from the original 2.891 8 to 3.741 5. Data feature points(Qm value of large point) are more concentrated than the original data after DFT. Such a result is most conducive to extracting the characteristics of corn seed |
|
来源
|
光谱学与光谱分析
,2011,31(1):119-122 【核心库】
|
|
DOI
|
10.3964/j.issn.1000-0593(2011)01-0119-04
|
|
关键词
|
近红外光谱
;
玉米种子
;
离散傅里叶变换
;
差异度
;
特征分析
|
|
地址
|
中国科学院半导体研究所, 北京, 100083
|
|
语种
|
中文 |
|
文献类型
|
研究性论文 |
|
ISSN
|
1000-0593 |
|
学科
|
农业基础科学 |
|
基金
|
国家自然科学基金项目
|
|
文献收藏号
|
CSCD:4115487
|
参考文献 共
13
共1页
|
|
1.
李晓丽. 基于可见/近红外光谱的水稻品种快速鉴别研究.
光谱学与光谱分析,2008,28(3):578
|
被引
23
次
|
|
|
|
|
2.
严衍禄.
近红外光谱分析基础与应用,2005
|
被引
319
次
|
|
|
|
|
3.
陆婉珍.
现代近红外光谱分析技术,第2版,2007
|
被引
75
次
|
|
|
|
|
4.
褚小立. 近红外分析中光谱预处理及波长选择方法进展与应用.
化学进展,2004,16(4):528
|
被引
337
次
|
|
|
|
|
5.
王铁固. 近红外反射光谱测定玉米完整子粒蛋白质和淀粉含量的校正模型.
玉米科学,2008,16(3):57
|
被引
10
次
|
|
|
|
|
6.
方利民. 基于独立分量和神经网络的近红外多组分分析方法.
分析化学,2008,36(6):815
|
被引
20
次
|
|
|
|
|
7.
Baye Tesfaye M.
Journal of Cereal Science,2006,43:236
|
被引
1
次
|
|
|
|
|
8.
李尚禹. RAPD技术在东北地区玉米品种鉴别上的应用.
分子科学学报,2007,23(3):220
|
被引
5
次
|
|
|
|
|
9.
丁念亚. 近红外漫反射光谱在中药分类及真伪鉴别中的应用.
计算机与应用化学,2008,25(4):499
|
被引
15
次
|
|
|
|
|
10.
赵杰文. 支持向量机在苹果分类的近红外光谱模型中的应.
农业工程学报,2007,23(4):149
|
被引
28
次
|
|
|
|
|
11.
郝勇. 复杂样品近红外光谱定量分析模型的构建方法.
高等学校化学学报,2009,30:28
|
被引
19
次
|
|
|
|
|
12.
张卉.
光谱实验室,2007,24(3):380
|
被引
2
次
|
|
|
|
|
13.
韩亮亮. 近红外光谱技术在燕麦种子活力测定中的应用研究.
红外与毫米波学报,2008,27(2):86
|
被引
41
次
|
|
|
|
|
了解气象卫星更多信息，请访问