• 应用领域:农/林/牧/渔
  • 检测样品:种子
  • 浏览次数:18
  • 下载次数:0
  • 检测项目:理化分析
  • 参考标准:GB NO.
方案配置单
  • 方案摘要
  • 防止种子掺假、以次充好,为快速无损检测高发芽率的种子,该文将不发芽的浙杂809番茄种子以不同比例掺入到发芽率为92.6%的番茄种子中,得到种子的发芽率分别为90%,80%,70%,60%,50%和0等6种比例,并利用电子鼻对其进行分析。
  • 方案详情
  • 基于电子鼻的番茄种子发芽率检测

    《农业工程学报》 

    程绍明1, 王俊1 ,马杨珲2, 王永维1, 韦真博1

    1浙江大学生物系统工程与食品科学学院,杭州310058 2浙江科技学院信息学院,杭州310023

     

    摘要:防止种子掺假、以次充好,为快速无损检测高发芽率的种子,该文将不发芽的浙杂809番茄种子以不同比例掺入到发芽率为92.6%的番茄种子中,得到种子的发芽率分别为90%,80%,70%,60%,50%和06种比例,并利用电子鼻对其进行分析。结果表明:利用电子鼻可以很好的区分出番茄种子发芽率为90%、80%、50%~70%、和不发芽的4种情况;当种子发芽率为70%、60%、50%时,其图形信息部分重叠, 利用电子鼻较难区分开。在主成分分析和线性判别分析的基础上,利用BP神经网络和支持向量机对上述情况进行分类识别,结果表明:两种识别模式的训练集的正确率分别为93.6% 和97.4%,预测集的正确率分别为65.2%和72.7%,相对于BP神经网络模式识别,支持向量机预测系统的误差较小,具有很好的预测性能。

    关键词:神经网络;无损检测;主成分分析;番茄种子;电子鼻;支持向量机


  • 典型用户
    • 采购时间
    • 采购单位
    • 2006-08-18
    • 浙江大学
  • *该厂商需要您留下信息才能下载此方案
  • *
  • *
  • *
  • 提交留言同时为我注册仪器信息网账号,并同时遵守《服务协议》和《隐私权政策
APP内打开