南丰蜜桔可溶性固形物近红外检测的多元线性回归变量筛选

文章采用反向区间偏最小二乘法结合连续投影算法,筛选南丰蜜桔近红外检测的多元线性回归变量。对南丰蜜桔近红外光谱进行多元散射校正后,利用反向间隔偏最小二乘法,从500～1750 nm中初选出7个光谱区间,用于多元线性回归变量筛选。利用通过遗传算法和连续投影算法筛选出的变量建立了多元线性回归模型。经比较发现,利用反向区间偏最小二乘法结合连续投影算法筛选出的变量建立的多元线性回归模型,预测结果最优,模型预测相关系数为0.937,模型预测均方根误差为0.613 oBrix。结果表明,反向区间偏最小二乘法结合连续投影算法,可以有效地筛选近红外光谱的多元线性回归变量,提高南丰蜜桔可溶性固形物模型的预测精度。     

基于Matlab语言的杂交水稻品种的颜色特征

本研究组建了基于机器视觉的杂交水稻种子检测硬件软件系统,并利用Matlab语言平台提取了杂交水稻种子图像的R、G、B、H、S、V六个颜色特征参数,研究了六个参数与水稻的品种相关性,实验证明通过颜色识别杂交水稻品种具有可行性,此结果为杂交水稻种子的基于机器视觉的识别方法提供了参考价值．     

BP神经网络在农产品生产与检测中的应用

人工神经网络是人工智能领域中发展迅速的信息处理技术之一,充分发挥人工神经网络的技术优势,是在农业领域内实现生产劳动自动化的重要途径．本文对BP网络模型及其算法进行了分析研究,从农产品的外观评判、生产预测建模和分类分级鉴定等方面综述了国内外最新研究进展,并展望了今后的应用前景。