基于特征光谱和GRNN 的糙米发芽率快速检测方法研究

针对种子发芽率检测常用方法操作复杂、周期长、受种子休眠期影响等问题,提出了一种基于特征光谱和广义回归神经网络(GRNN)的糙米发芽率快速检测方法。在温度为45 °C、湿度为90%的条件下,对稻种进行高温高湿人工老化,老化时间为0、24、48、72、96、120、144、168 h;人工去壳处理后,采集近红外光谱数据,将160 份糙米样品的光谱分为校正集(120 份)和预测集(40 份);采用标准正态变换(SNV)、一阶导数(FD)对光谱数据进行预处理,提取特征波长,分析不同建模方法和不同贡献率的特征波长对模型的影响。结果表明,以688、1146、1346、1366、1396、1686 nm对应的