1.一种基于激光诱导击穿光谱的水稻种子活力分级检测方法,其特征在于,包括以下步骤:
S1、挑选颗粒饱满、无霉变、大小形状基本相同、种子生理成熟不久的水稻种子,剔除夹杂物和杂种子;将筛选的种子破休眠处理,进行高温高湿人工老化实验,获得不同老化天数、不同活力的水稻种子样品;
S2、采用扫描测量方式,利用激光诱导击穿光谱仪测量出所述不同活力水稻种子样品表面的光谱;
S3、对所述不同活力水稻种子样品的激光诱导击穿光谱进行去噪处理;
S4、利用神经网络建立水稻种子活力分级预测模型,根据所述去噪处理后的不同活力水稻种子样品的激光诱导击穿光谱,训练得到水稻种子激光诱导击穿光谱与水稻种子活力之间的预测模型;
S5、采用扫描测量方式,利用激光诱导击穿光谱仪测量出待测水稻种子样品表面的光谱;
S6、对所述待测水稻种子样品的激光诱导击穿光谱进行去噪处理;
S7、将去噪处理后的所述待测水稻种子样品表面所有测量点的激光诱导击穿光谱作为所述预测模型的输入,根据所述预测模型,判断出待测水稻种子的活力;
其中,所述步骤S4中,设在同一颗水稻种子表面的同一点上测量的次数为N1,则删除前面x1次测量的数据,其中x1
2.根据权利要求1所述基于激光诱导击穿光谱的水稻种子活力分级检测方法,其特征在于,所述步骤S2和S5中,所述激光诱导击穿光谱仪测量所述不同活力水稻种子样品和待测水稻种子样品表面在250~800nm范围内的光谱,在同一颗水稻种子表面的同一点上测量多次。
3.根据权利要求1所述基于激光诱导击穿光谱的水稻种子活力分级检测方法,其特征在于,所述步骤S7中,设在同一颗待测水稻种子表面的同一点上测量的次数为N2,则删除前面x2次测量的数据,其中x2
4.根据权利要求1所述基于激光诱导击穿光谱的水稻种子活力分级检测方法,其特征在于,根据水稻种子表面的污染、水稻种子表面变化情况确定删除数据中x1的大小,但x1不小于4。
5.根据权利要求3所述基于激光诱导击穿光谱的水稻种子活力分级检测方法,其特征在于,根据待测水稻种子表面的污染、待测水稻种子表面变化情况确定删除数据中x2的大小,但x2不小于4。