基于高光谱成像技术结合PCA GRNN 的糙米发芽率检测方法研究

水稻是人类的主要粮食作物,其发芽率是评定水稻质量的重要指标之一。以南粳46 为研究对象,利用高光谱成像技术预测剥壳后的稻种(以下简称糙米)发芽率。在400~1000 nm 波长范围内,采集960 粒饱满、无霉变糙米的高光谱图像,提取感兴趣区域的平均光谱曲线,利用主成分分析(PCA)提取特征波长,再结合偏最小二乘法(PLS)、反向传播神经网络(BPNN)、径向基神经网络(RBFNN)和广义回归网络(GRNN)4 种建模方法分别对糙米5 个区域特征波长的光谱数据建立预测模型并加以比较。4 种建模方法对糙米A 区域(含胚芽)的平均预测效果最好( R