本发明属于无损鉴定，尤其涉及一种葱韭类种子物种类型高光谱无损鉴定方法。
背景技术：
1、葱韭类蔬菜是重要的特色蔬菜作物，但其成熟种均为黑色，肉眼很难区分。如果在生产中，造成机械混杂，很难区分开。鉴别不同葱韭类种子，一般需要专业人员，或者通过发芽后，田间种植观测其表型加以鉴别，不仅需要消耗种子，且鉴别时间长；同时，葱韭类蔬菜种子属于短命种子，一般保存2-3年后发芽率会急速下降，在大量葱韭种质资源入库及在库中保存的种子均需要进行鉴定。因此，通过研制葱韭类种子快速、准确、无损的检测方法，不仅对葱韭类蔬菜种子生产中鉴定具有重要实际意义，同时，对种质资源入库、出库和监测过程均具有重要指导意义。而，不同物质，包括植物种子对反射具有不同光谱特征，从而可以通过检测不种子的反射光谱，达到鉴别不同种子的目的。受以上葱韭类蔬菜种子的特点及光谱特征的启发，研制一种无损、快速、准确鉴别葱韭类的光谱鉴定方法。
2、现有技术在鉴定不同葱韭类种子时面临的主要技术问题可以归纳为以下几点：
3、1)肉眼辨识困难：
4、葱韭类蔬菜种子成熟后颜色大多为黑色，且形状、大小相似，使得肉眼很难区分不同种类的种子。这种视觉上的相似性给种子的正确分类带来了显著难度。
5、2)传统鉴定方法耗时且破坏性：
6、传统的种子鉴定方法依赖于种子的发芽和田间种植观测其表型特征，这不仅耗时较长，而且是一种破坏性方法。种子一旦用于发芽和种植，就无法再作为种子资源保存或使用。
7、3)短命性种子的保存和鉴定问题：
8、葱韭类种子通常属于短命种子，其保存期限短，发芽率在2-3年后会急速下降。因此，对这些种子进行快速而准确的鉴定尤为重要，尤其是在种质资源的收集、保存和管理过程中。
9、4)缺乏有效的无损鉴定方法：
10、需要一种无损、快速、准确的鉴定方法，以避免种子的损耗并提高鉴定效率。现有技术缺乏能够同时满足这些需求的方法。
11、5)种质资源的有效管理和监测：
12、在种质资源的入库、出库和监测过程中，迅速准确地鉴别种子的品种对于种质资源的保护和利用至关重要。缺乏高效的鉴别技术导致种质资源管理的不准确和效率低下。
13、综上所述，现有技术在葱韭类种子鉴定方面存在显著的局限性，特别是在鉴别的准确性、速度和无损性方面。因此，开发一种基于高光谱技术的无损、快速、准确的葱韭类种子鉴定方法，对于提高种子鉴定效率和准确性，以及有效管理种质资源具有重要的实践意义。
技术实现思路
1、针对现有技术存在的问题，本发明提供了一种葱韭类种子物种类型高光谱无损鉴定方法。
2、本发明，通过对已知的不同葱韭类蔬菜种子进行高光谱扫描，提取其多波段光谱反射率数据，建立训练集和验证集分别进行不同模型的训练及其准确度验证，最终获得最佳模型。
3、本发明是这样实现的，一种葱韭类种子物种类型高光谱无损鉴定方法包括：
4、步骤一，以韭菜a073、大葱b194、洋葱d068为对象，获取其vis/nir(400nm-1000nm)范围内的高光谱图像，从中提取光谱和图像信息；
5、步骤二，采集葱韭类种子高光谱图像数据，再人工划出每粒的种子感兴趣区域并计算，得到每粒种子的平均光谱；
6、步骤三，分别采用了msc、snv、sd、fd四种预处理算法对提取出的光谱进行了信息去噪处理，同时采用主成分分析方法对高光谱数据进行降维；
7、步骤四，分别基于knn、svm、plsda、rf算法建立分类模型。
8、进一步，所述采集葱韭类种子高光谱图像方法如下：
9、specim高光谱成像系统由以下模块组成：高光谱仪(quantum design china提供)；光谱相机pfd4k；四盏卤钨灯(上海祥光照明电器厂生产)；校正白板；与矫正白板近乎等厚的载物台；配套计算机；光谱仪是内置的推扫帚式线扫描，光谱相机pfd4k，其由波长范围为400nm-1000nm的imspector v10e和一个探测器组成，光谱分辨率为5nm；可以采集高达100hz的全光谱范围，空间分辨率为1775像素；这些灯均配备镇流器且功率为100w；
10、将仪器固定于桌面，相机镜头据样品的垂直距离为15cm，样品距卤钨灯呈20℃夹角，与其直线距离为11cm；为成像区域提供足够的光线进行图像采集；装置安装好后打开高光谱设备以及与其配套电脑，检查两者间的数据连接情况，随后打开lumo scanner软件，设置数据储存位置，选择波段融合设置为4；将白板置于探头下，在lumo scanner软件设置白板起始位置后进行校正，光谱反射率稳定在3000时，将种子倒入培养皿(直径为35mm)中，一个培养皿内放入10粒种子整齐排好，并将培养皿置于黑色载物台上，设置样本起始位置；在拍照采集数据前为了减少设备和环境形成的噪音，我们对原始高光谱图像进行黑白校正；校正过程需要反射率接近0％的黑色图像rb，以及反射率接近100％的白色图像rw(使用四氟乙烯制成的均匀白板获得)校正公式如下：
11、
12、随后进行拍照采集，在反射模式下获得种子的vis-nir高光谱图像。
13、进一步，所述提取出的光谱方法如下：
14、提取光谱反射率数据是建立数据集的前提，数据的提取是在envi5.3软件中进行的，该软件可直接对光谱反射率曲线进行操作；
15、利用envi软件打开经高光谱仪器扫描后获得的样本高光谱数据并将其导入，对每个样本的光谱数据进行审阅，通常先在样本上划定一个感兴趣区域(roi)，建立roi就是从图像中圈出分析的重点区域、可去除无关信息，提高光谱图像处理分析效率；
16、然后计算所选中感兴趣区域内光谱反射率的平均值，一般将这个平均值做为此感兴趣区域反映的光谱反射率数据，并绘制每个样本的光谱曲线；获取试验所需要的光谱反射率数据后，将一个样本的所有的光谱反射率数据导入excel中保存。
17、进一步，所述采用主成分分析方法对高光谱数据进行降维方法：
18、在高光谱图像采集过程中，外部环境、仪器状态等因素都对采集结果产生影响，导致采集到的高光谱图像中存在随机噪声和干扰信息，从而对建模效果带来不利影响；因此在利用高光谱数据建立模型之前，需要采用合适的方法对其进行预处理；
19、1)主成分分析(pca)；
20、2)标准正态变换(snv)；
21、3)多元散射校正(msc)；
22、4)二阶微分(sd)；
23、5)一阶微分(fd)。
24、进一步，所述主成分分析(pca)为：
25、主成分分析又称主分量分析，为了解决多共线性问题而存在的一项数据处理技术；其原理是使高维数据分解为新的正交轴(称为主分量(pc))，旨在利用降维的思想将多指标的原始数据最后由几个pc的组合来表示，信息丢失最小，使pca成为hsi中公认的降维和变量选择技术。
26、进一步，所述标准正态变换(snv)为：
27、标准正态变换预处理的主要目的是减少了散射现象、样本粒径和光信号分布强度差异的产生的影响；计算公式如下：
28、
29、m为波段总数，k∈{1，2，3，…，m}，x为原始光谱，xk为x的第k个波段。
30、进一步，所述多元散射校正(msc)为：
31、多元散射校正处理效果与标准正态变换处理效果相似，均是为了消除样品自身原因导致的散射光对整体光谱产生的影响；多元散射校正是采用数学算法将光谱数据中的散射光信号与化学吸收信息进行分离。
32、进一步，所述二阶微分(sd)为：
33、导数(derivative)光谱灵敏度高，可显示隐藏信息，有利于增强光谱细节从而光谱提高分辨率(杨小玲，2016)；二阶微分是原函数导数的导数，将原函数进行二次求导；
34、
35、xi是原始样本，对波长i点以及波长宽度为g。
36、进一步，所述一阶微分(fd)为：
37、一阶微分预处理是为了能够解决光谱数据采集中存在的基线平移现象；经过其处理后使光谱中存在的特征峰与特征谷，可以更全面地解释光谱中包涵的样品信息；
38、
39、本发明还提供了一种基于上述的葱韭类种子物种类型高光谱无损鉴定系统，包括：
40、一个高光谱成像系统，包括光谱仪、光谱相机pfd4k、光照设备以及校正白板和黑色载物台；
41、一个配套的计算机系统，安装有专用的图像采集和处理软件；该系统通过高光谱成像技术在vis/nir范围内采集葱韭类种子的高光谱图像；
42、系统能够进行光谱反射率的校正以及光谱和图像信息的提取；
43、利用rstudio软件采用msc、snv、sd、fd等预处理算法对提取的光谱数据进行去噪处理；
44、利用主成分分析方法对高光谱数据进行降维；
45、利用rstudio软件通过多种分类算法建立分类模型进行种子鉴定。
46、本发明还提供了一种基于上述的应用于农业种子检测的高光谱鉴定系统，包括：
47、一套高光谱成像设备，配备波长为400nm-1000nm的imspector v10e光谱仪和高分辨率探测器；
48、四盏卤钨灯提供均匀光照，以及配备镇流器的光照控制装置；
49、特定的校正白板和黑色载物台用于样品定位和光谱反射率校正；
50、配备lumo scanner和envi软件，进行数据采集和高光谱图像处理；
51、rstudio软件内置光谱数据预处理算法和多种分类算法，支持用户对种子样本进行快速鉴定；
52、该系统特别适用于农业研究中的种子品种鉴定，以及种子生产和贸易中的质量控制。
53、结合上述的技术方案和解决的技术问题，本发明所要保护的技术方案所具备的优点及积极效果为：
54、第一、本发明采用以韭菜a073、大葱b194、洋葱d068为对象，获取其vis/nir(400nm-1000nm)范围内的高光谱图像，从中提取光谱和图像信息；采集葱韭类种子高光谱图像，再根据人工提取种子感兴趣区域得到平均每粒种子平均光谱；分别采用了msc、snv、sd、fd四种预处理算法对提取出的光谱进行了去噪处理，同时采用主成分分析方法对高光谱数据进行降维；分别基于knn、svm、plsda、rf算法建立分类模型。结果表明，基于高光谱成像技术可以实现韭菜a073、大葱b194、洋葱d068三种不同种质的分类，并且部分预处理算法有助于提高模型准确率。结果表明，基于线性核函数的svm算法建立的葱韭类蔬菜物种鉴别模型准确率最高可达到98％，其模型精确率、召回率以及f1系数均在所有模型中最高。
55、第二，本发明的技术方案转化后的预期收益和商业价值为：通过本方法，可以进行商业化，建立相应的检测车间，从而实现葱韭种子的快速鉴定，并可以结合自动化的识别和分拣设备，进一步实现鉴别分类、分拣的目的，大大提高商品种的一致性。
56、第三，本发明的技术方案填补了国内外业内技术空白：行业内尚无葱韭类蔬菜种子快速、无损鉴别的技术，特别是通过高光谱无损鉴定的技术尚无。
57、第四，本发明的技术方案解决了人们一直渴望解决、但始终未能获得成功的技术难题：本技术将解决葱韭商业种子需要快速鉴定和葱韭种质资源在库管过程中急需要快速、无捐鉴定的技术的难题。
58、第五，本发明提供的的葱韭类种子物种类型高光谱无损鉴定方法所带来的显著技术进步可以从以下几个方面进行分析：
59、1)高效的样本分析和数据采集：
60、通过使用specim高光谱成像系统，结合精确的光谱相机和光照控制，能够高效地采集葱韭类种子的vis/nir范围内的高光谱图像。这种方法比传统的样本分析更高效，能够快速获得大量精确的数据。
61、2)精准的光谱信息提取：
62、通过利用envi软件对高光谱数据进行处理，能够精准地从复杂的图像中提取出关键的光谱反射率数据。这种方法提高了数据的准确性，有助于更准确地进行种子物种的鉴定。
63、3)去噪和数据优化：
64、采用msc、snv、sd、fd等预处理算法对提取出的光谱进行去噪处理，能够有效地消除环境和设备噪声对数据的干扰。同时，主成分分析方法的应用对高光谱数据进行降维，进一步提升数据处理效率和分类准确性。
65、4)高效的分类模型建立：
66、基于knn、svm、plsda、rf等多种算法建立的分类模型，提供了多种有效的分析方法，为高光谱数据的分类提供了更多选择，提高了鉴定的准确性和灵活性。
67、5)无损检测与实时分析能力：
68、该方法为无损检测，即在不破坏样本的情况下进行物种类型的鉴定，对保护珍贵或稀有种子样本尤为重要。此外，这种方法还可以实现实时或快速分析，对于种子筛选和分类具有重要意义。
69、本发明提供的葱韭类种子物种类型高光谱无损鉴定方法在样本分析的效率、数据采集的准确性、去噪处理的有效性以及分类模型的构建等方面都显示出显著的技术进步。
1.一种葱韭类种子物种类型高光谱无损鉴定方法，其特征在于，包括以下步骤：
2.如权利要求1所述葱韭类种子物种类型高光谱无损鉴定方法，其特征在于，所述采集葱韭类种子高光谱图像方法如下：
3.如权利要求1所述葱韭类种子物种类型高光谱无损鉴定方法，其特征在于，所述提取出的光谱方法如下：
4.如权利要求1所述葱韭类种子物种类型高光谱无损鉴定方法，其特征在于，所述采用主成分分析方法对高光谱数据进行降维方法：
5.如权利要求4所述葱韭类种子物种类型高光谱无损鉴定方法，其特征在于，所述标准正态变换(snv)为：
6.如权利要求4所述葱韭类种子物种类型高光谱无损鉴定方法，其特征在于，所述多元散射校正(msc)为：
7.如权利要求4所述葱韭类种子物种类型高光谱无损鉴定方法，其特征在于，所述二阶微分(sd)为：
8.如权利要求4所述葱韭类种子物种类型高光谱无损鉴定方法，其特征在于，所述一阶微分(fd)为：
9.一种基于权利要求1所述的葱韭类种子物种类型高光谱无损鉴定系统，其特征在于，包括：
10.一种基于权利要求1所述的应用于农业种子检测的高光谱鉴定系统，其特征在于，包括：
