• 《中国科学引文数据库(CSCD)》来源期刊
  • 中国科技期刊引证报告(核心版)期刊
  • 《中文核心期刊要目总览》核心期刊
  • RCCSE中国核心学术期刊

近红外漫透射光谱快速无损鉴别家蚕种茧茧壳内蚕蛹雌雄

代芬, 车欣欣, 彭斯冉, 杨晓帆, 钟杨生, 李震, 吕石磊

代芬, 车欣欣, 彭斯冉, 等. 近红外漫透射光谱快速无损鉴别家蚕种茧茧壳内蚕蛹雌雄[J]. 华南农业大学学报, 2018, 39(2): 103-109. DOI: 10.7671/j.issn.1001-411X.2018.02.016
引用本文: 代芬, 车欣欣, 彭斯冉, 等. 近红外漫透射光谱快速无损鉴别家蚕种茧茧壳内蚕蛹雌雄[J]. 华南农业大学学报, 2018, 39(2): 103-109. DOI: 10.7671/j.issn.1001-411X.2018.02.016
DAI Fen, CHE Xinxin, PENG Siran, YANG Xiaofan, ZHONG Yangsheng, LI Zhen, LV Shilei. Fast and nondestructive gender detection of Bombyx mori chrysalis in the cocoon based on near infrared transmission spectroscopy[J]. Journal of South China Agricultural University, 2018, 39(2): 103-109. DOI: 10.7671/j.issn.1001-411X.2018.02.016
Citation: DAI Fen, CHE Xinxin, PENG Siran, YANG Xiaofan, ZHONG Yangsheng, LI Zhen, LV Shilei. Fast and nondestructive gender detection of Bombyx mori chrysalis in the cocoon based on near infrared transmission spectroscopy[J]. Journal of South China Agricultural University, 2018, 39(2): 103-109. DOI: 10.7671/j.issn.1001-411X.2018.02.016

近红外漫透射光谱快速无损鉴别家蚕种茧茧壳内蚕蛹雌雄

基金项目: 国家自然科学基金(61675003);广州市科技计划项目(201707010346)
详细信息
    作者简介:

    代芬(1978—),女,副教授,博士,E-mail: sunflower@scau.edu.cn

  • 中图分类号: S886.1

Fast and nondestructive gender detection of Bombyx mori chrysalis in the cocoon based on near infrared transmission spectroscopy

  • 摘要:
    目的 

    利用近红外漫透射光谱快速无损鉴别家蚕Bombyx mori种茧茧壳内蚕蛹的雌雄,以提高育种效率、降低人工成本。

    方法 

    以芙9、9芙、湘7和7湘4个蚕品种为研究对象,采集比较了样本在可见和近红外区间的漫透射光谱,建立比较了各品种偏最小二乘判别分析(PLSDA)、后向传播神经网络(BPNN)以及支持向量机分类(SVM)判别模型,通过分类器特性(ROC)曲线研究了各模型的鲁棒性,采用差值法和遗传算法提取了特征波长。

    结果 

    芙9、9芙、湘7和7湘品种利用450~900 nm光谱建模的雌雄鉴别准确率分别为95.20%、95.65%、88.80%和87.50%,利用900~1 700 nm 光谱建模的准确率分别为100%、96.00%、92.22%和94.21%;采用PLSDA、BPNN和SVM模型都能够对蚕蛹雌雄做出较好的无损鉴别,3种模型真雌性率分别为95.96%、95.83%和100%,真雄性率分别为98.98%、96.04%和82.18%,准确率分别为97.46%、95.94%和90.86%,进一步通过ROC曲线分析,PLSDA模型效果最优,BPNN模型次之;手动提取20个波段建立PLSDA模型,鉴别真雌性率为93.75%,真雄性率为95.45%,准确率为94.57%。

    结论 

    近红外波段900~1 700 nm的漫透射光谱比可见–近红外波段450~950 nm含有更丰富的蚕蛹雌雄分类信息;3种鉴别模型中,PLSDA模型效果最优;提取特征波段后,准确率能达到生产需要。

    Abstract:
    Objective 

    To identify the gender of Bombyx mori chrysalis in the cocoon by rapid and non-destructive method based on near infrared transmission spectroscopy, improve breeding efficiency and reduce labor cost.

    Method 

    We used four silkworm varieties including Fu 9, 9 Fu, Xiang 7 and 7 Xiang, and compared their diffuse transmission spectra between 450-950 nm and 900-1700 nm. Partial least squares discrimination analysis (PLSDA), back propagation neural network (BPNN) and support vector machine (SVM) discrimination models were established and compared among different varieties. The robustness of the models was studied through the receiver operating characteristic(ROC) curve. Characteristic wavelengths were extracted by difference method and genetic algorithm.

    Result 

    The identification accuracy rates for Fu 9, 9 Fu, Xiang 7 and 7 Xiang varieties were 95.20%, 95.65%, 88.80% and 87.50% respectively using 450-950 nm spectra, and were 100%, 96.00%, 92.22% and 94.21% respectively using 900-1 700 nm spectra. Using PLSDA, BPNN and SVM models resulted in good identification of male and female silkworm pupae, the true female rates were 95.96%, 95.83% and 100%, the true male rates were 98.98%, 96.04% and 82.18%, and the accuracy rates were 97.46%, 95.94% and 90.86%, respectively. Based on the analysis of ROC curve, the PLSDA model was the optimal, followed by the BPNN model. Twenty bands were extracted manually as the equipment input, and the true female rate, true male rate and accuracy rate were 93.75%, 95.45% and 94.57% respectively based on the PLSDA model.

    Conclusion 

    Diffuse transmission spectra in the near infrared (900-1 700 nm) contains more classification information of male and female pupae compared with the visible-near infrared (450-950 nm). The PLSDA model is the optimal one among three models. After extracting the characristic bands, the accuracy rate can meet the requirements of actual production.

  • 我国水稻种植面积约占世界的20%,总产量占世界的34%,随着社会经济发展,劳动力成本的提高与水资源的缺乏,水稻直播越来越受到关注[1-3]。我国现有水稻以机械直播为主,作业速度一般为4~5 km·h-1,国外气力式播种机作业速度普遍为8~15 km·h-1。气流分配式播种具有工作效率高、节约成本、伤种率低、通用性强等特点,符合目前水稻直播机高速、宽幅作业的发展趋势[4-6]。李中华等[7]对气流分配式排种器进行了优化设计,并结合CFD模拟的方式对苜蓿种子进行仿真。常金丽等[8]设计了一种2BQ-10型气流一阶集排式排种系统对小麦种子进行了试验分析。沈景新[9]系统地设计了一种气流一阶集排式播种机,可满足小麦的基本播种要求。Kumar等[10]对气流分配器进行了结构分析,提出了分配器要设计成流线型才会使气流场分布达到最优。德国的Accord气流集排条播机气流分配器虽然消除了涡流,但仍有滞留区和气流收缩现象[11]

    EDEM-Fluent耦合仿真是目前解决气固两相流问题的重要途径,该方法的基本思路:通过Fluent求解流场,使用EDEM计算颗粒系统的运动受力情况,两者以一定的模型进行质量、动量和能量等的传递,实现耦合[12]。心男[13]、张强强[14]采用EDEM-Fluent耦合对气固两相流问题进行耦合仿真,均取得了理想的效果。但目前采用此方法对气力式排种器进行数值模拟的相关报道较少,因此开展气流分配排种过程数值模拟对气力式排种器设计研究具有一定的指导意义。

    气流分配式排种器如图 1所示,排种器主要由风机、种子定量器、种箱、喷射器、气流分配器等部分组成。工作时,种箱内的种子经过种子定量器,形成一股均匀的种子流进入喷射器中,风机产生高速气流进入喷射器,高速气流在喷射器下腔产生负压,将种子吸入喷射器内并与种子均匀混合,沿管道将种子向上输送,在分配器的作用下完成分配工作,种子再沿排种管输送至各行开沟器,实现了统一送种、一器多行排种[9, 15]

    图  1  气流分配式排种器结构图
    1:风机;2:种子定量器;3:种箱;4:喷射器;5:气流分配器。
    Figure  1.  Structural diagram of airflow distribution seed-metering device

    气流分配器见图 2,分配器由排种管、导种管、密封上盖、分配器壳体等部分组成。排种过程中,气流流动中管道截面突然扩大,由于惯性流体规模不可能按照管道形状突然扩大,因此在管壁的拐角处形成旋涡,导致大量的机械能变成热能而消散。另外,从小直径管道流出的流体有较高的流速,必然要碰撞到大直径管道中较低流速的流体,产生局部损失[16]。在传统结构的气流分配器基础上,本文优化了分配器壳体内腔与密封盖结构形状,设计了一种新式的气流分配器。

    图  2  气流分配器结构图
    1:排种管;2:密封上盖;3:导种管;4:分配器内腔。
    Figure  2.  Structural diagram of airflow distribution device

    局部损失系数变大、高速气流形成的真空旋涡滞种现象,大大降低了分配器排种质量。因此,设计分配器壳体内腔应着眼于最小化旋涡区的大小和强度,减少滞种现象的发生。对于减小这种变径管道的局部阻力,通常采用渐扩或者渐缩管道,本研究采用改变边壁形状的方式减小局部损失,把水平的导种管边壁改成喇叭口式渐扩管道(图 3)。

    图  3  喇叭口式壳体内腔
    D1:分配器内腔外径;D2:排种管直径;D3:导种管直径;θ:喇叭口切角角度;R:边壁圆弧直径。
    Figure  3.  Shell lumen of the bell type distributor

    喇叭口式管道的局部阻力系数(ζ)计算公式为:

    $$ \zeta = \frac{\lambda }{{8\sin (90 - \theta )}}\left[{1-{{(\frac{{{D_3}}}{{{D_1}}})}^2}} \right] + K(1 - \frac{{{D_3}}}{{{D_1}}}), $$

    式中,$\lambda $表示沿程损失系数,K表示微压计系数(N·m-2),D1为分配器内腔外径(mm),D2为排种管直径(mm),D3为导种管直径(mm),θ为喇叭口切角角度(°)。

    设计分配器内腔结构时以减小局部阻力系数为原则,图 3为喇叭口式分配器内腔,D1=140 mm,D2=26 mm,D3 =50 mm,壁厚2.5 mm,边壁圆弧直径为R,通过调节R的大小改变圆弧形状,改变排种器的结构形状,从而降低局部阻力系数。

    根据流体力学知识,射流在通过管道撞向壁面时,壁面会给气流一个反向的作用力,一部分气流会沿着出口方向向外流动,但是另外一部分沿着气流的反方向回弹,与射流发生碰撞,形成真空域。因此,密封盖应避免气流回弹产生的真空域,减少滞种情况。结合文献[17]得出结论:分配器安装分流圆锥比不安装的变异系数要低2%左右,本研究设计了一种锥形分流式的密封盖(图 4),将气流均匀分配至各排种管。外径D4=140 mm,分流锥角为α

    图  4  密封盖模型图
    D4:密封盖外径;α:分流锥角。
    Figure  4.  Model diagram of the airtight cover

    本研究设计的气流分配式排种器属于“一器多行”式排种,对种子定量器的播量需求较高,传统的外槽轮排种器已经不能满足其需求。本研究选取了一种旋进轴移式外槽轮种子定量器[18],结构如图 5所示。该种子定量器与传统的外槽轮排种器种子定量器最大的区别在于排种量很大,而且可以通过螺纹状的旋进轴控制阻塞轮的位置,从而实现播量无极调节控制。

    图  5  种子定量器结构
    1:排种主轴;2:轴套;3:排种盒;4:外槽轮;5:旋进轴;6:弹簧;7:旋进器。
    Figure  5.  Structure of the seed meter

    传统的CFD模拟和DEM模拟受其方法限制,无法准确模拟气流分配式排种器内受力复杂情况下种子颗粒的运动情况,从而难以准确模拟其工作过程。在EDEM-Fluent耦合模拟中,基于离散元的数值模拟可以准确分析种子颗粒的力学行为,提供种子颗粒的实际位置和运动情况,从而得到更加丰富的模拟结果[13]

    本研究基于Fluent14.5与EDEM2.5软件对气流分配式排种器排种过程进行数值模拟。由于水稻颗粒在分配器中所占体积分数不足10%,因此仿真模型采用标准k-ε模型非稳态的Lagrangian耦合算法。Lagrangian耦合不仅能够实现气固两相之间的动量、能量交换,还能计算离散相颗粒对连续相的影响[19]

    考虑到整个气流分配排种过程仿真的困难性,本研究仅对核心工作部分进行排种仿真。使用Solidworks软件建立气流分配器模型;然后使用ICEM14.5进行混合网格划分[20-21](图 6),即在结构复杂区域进行非结构化网格划分[22-24],其他区域进行结构化网格划分,网格数351~518,节点数为61~741。常规水稻种子外形整体呈椭球形,颗粒扁平,两头尖锐,长宽高3轴平均尺寸为8.5 mm×2.7 mm×1.7 mm,根据EDEM2.4软件说明书基于球形颗粒物的计算原理,本研究采取球形颗粒堆积的方法对水稻种子进行了建模(图 7)。

    图  6  网格模型
    Figure  6.  Mesh model
    图  7  水稻模型
    Figure  7.  Rice model

    水稻悬浮速度[25]为7.5 m·s-1;整体气流输送速度(va)主要根据经验数据确定,一般物料的输送风速为悬浮速度的2.4~4.0倍,根据文献[25]可知,水稻的气流输送速度为16~25 m·s-1,考虑到整个系统的密封性,本次试验选取气流输送速度va=25 m·s-1

    根据播种时一般田间环境,采用Velocity-inlet速度入口条件,入口风速为25 m·s-1,方向垂直于入风平面;排种出口设置为Outflow边界条件;壁面采用静止边界条件;在EDEM中设置颗粒与颗粒、壁面之间均采用Hertz Mindlin(No Slip)碰撞模型;水稻泊松比为0.3,剪切模量为2.6×108MPa,密度为1 670 kg·m-3;工程塑料泊松比为0.5,剪切模量为1×108 MPa,密度为900 kg·m-3;颗粒-颗粒、颗粒-壁面的接触参数均采用默认设置;Fluent软件中时间步长设置为2.5×10-3,保存频率设置为20步,保存时间设置为0.1 s;EDEM软件中时间步长设置为2.5×10-5,保存频率设置为40步,保存时间设置为0.001 s;颗粒大小设置为normal(正态分布),颗粒生成位置为随机分布;设置颗粒工厂为动态生成颗粒,假设水稻亩播量为4 kg[26],前进速度4 km·h-1,12行机器幅宽为2.4 m,将创建速率设为538粒·s-1

    耦合参数设置时,采用Lagrangian耦合;设置采样点为10,为保证每次迭代计算的收敛性,设置动量亚松弛、体积亚松弛因子为0.3,热源亚松弛因子为0.7;耦合时,Fluent与EDEM之间每个迭代步都会有大量数据信息经由耦合模块进行交换[27],为保证计算时的稳定,EDEM时间步一般是瑞利时间步的10%~30%,两者时间步长和数据保存频率也必须成整数匹配,总体仿真时间为5 s。

    为证明本研究设计的仿真模型合理可行,进行网格无关性验证与时间步长独立性验证。网格无关性验证为逐步对网格进行细化直到网格步长对计算结果没有影响,图 8表示其他条件相同时,用6组不同网格尺寸模拟排种器3号出口固定点气流速度值,得出结论:当网格数量从35万变至200万时,随着网格数增加,3号出口固定点流速值变化很小,说明增加网格数量对计算结果影响很小,可认为35万网格已满足仿真要求。

    图  8  网格无关性验证结果
    Figure  8.  Result of grid-independent verification

    试验参照标准GB/T 25418—2010[28],选取排种均匀性、各行排种一致性、总排量稳定性3个指标对本次设计的气流分配式排种器进行性能试验。

    分配器设计时,设计了一种R可调的喇叭口式内腔与一种α可变的锥形分流密封盖进行组合。以10°为间隔选取α∈[10°, 50°];以50 mm为间隔选取R∈[30,330]。通过组合不同尺寸的内腔与密封盖进行分配器排种性能试验,试验结果显示α∈{20°, 30°}、R∈{80, 130, 180}时,排种均匀性变异系数介于[24.56%~32.14%]之间,各行排量一致性变异系数介于[3.79%~4.98%]之间,满足国家标准规定,并以此结果为技术安排了试验因素水平(表 1),以确定最优的分配器结构参数。

    表  1  试验因素水平
    Table  1.  Factors and levels of experiment
    水平 试验因素
    密封锥角
    (A)/(°)
    边壁直径
    (B)/mm
    1 20 80
    2 25 130
    3 30 180
    下载: 导出CSV 
    | 显示表格

    图 9为传统结构与α-R结构的分配器在仿真时间内的气固合速度分布图。观察气固合速度分布图可知,2种结构的分配器中水稻颗粒最低运动速度一致,均为4.885×10-3m ·s -1;在α-R结构分配器中最高速度为5.416 m·s-1,且每一阶色带速度均高于传统结构分配器,表明水稻颗粒在α-R结构的分配器中获得的加速效果更明显;对比图 9a与9b,图 9bα-R结构分配器内水稻颗粒运动空间较大,且蓝色负压带区域小于前者,意味着分配器内滞种区域明显减小,颗粒排出顺畅。

    图  9  不同结构分配器中气固合速度分布图
    Figure  9.  Air-solid velocity distribution in distributors of different structures

    在仿真的5 s内,随机抽取行为检测行,计算其在仿真时间内的排种均匀性变异系数和各行排量一致性变异系数和总排量稳定性变异系数。表 2为试验结果,表 3为结果分析,从表 3中可知影响排种均匀性、排量一致性、总排量稳定性的主次因素均为:边壁直径(R)>密封锥角(α)。对于排种均匀性的最优方案为A1B3;对于各行排种一致性的最优方案也为A1B3,且因素B的k3 < k2 < k1,说明各行排种一致性随着边壁直径R的增大呈提高趋势,原因是边壁直径R增加降低了旋涡滞种区域,增加了颗粒的排出效率。因此,根据极差分析的结果确定较为适合的气流分配式排种器结构为A1B3,即密封锥角α=20°、边壁直径R=180 mm,此时排种均匀性变异系数为24.56%,各行一致性变异系数为3.79%,总排量稳定性变异系数为1.23%,满足水稻直播要求。

    表  2  仿真试验结果
    Table  2.  Results of simulation experiment
    试验编号 因素水平 试验指标
    密封锥角
    (A)/(°)
    边壁直径
    (B)/mm
    均匀性
    变异系数/%
    各行一致性
    变异系数/%
    总排量稳定性
    变异系数/%
    1 1 1 25.77 4.25 1.84
    2 1 2 26.62 4.11 1.75
    3 1 3 24.56 3.79 1.23
    4 2 1 29.14 4.53 1.79
    5 2 2 30.06 4.20 1.66
    6 2 3 29.89 4.08 1.48
    7 3 1 32.14 4.98 1.91
    8 3 2 31.86 4.75 1.78
    9 3 3 30.59 4.34 1.37
    下载: 导出CSV 
    | 显示表格
    表  3  仿真结果分析
    Table  3.  Analysis of simulation results
    分析项 均匀性变异系数/% 各行一致性变异系数/% 总排量稳定性变异系数/%
    A B A B A B
    k1 25.650 29.017 4.050 4.587 1.607 1.847
    k2 29.697 29.513 4.270 4.353 1.643 1.730
    k3 31.530 28.347 4.690 4.070 1.687 1.360
    极差 5.880 1.166 0.640 0.517 0.080 0.487
    较优水平 A1 B3 A1 B3 A1 B3
    主次因素 A1B3 A1B3 A1B3
    下载: 导出CSV 
    | 显示表格

    在南京农业大学工学院自行研制的排种性能试验台上进行排种性能验证试验。试验材料为:PLA材料3D打印的α-R结构气流分配器;淮稻5号水稻种子;富力HG250型漩涡气泵,最大风量为60 m3·h-1;TD8901风速仪;压力表等。调节传送带前进速度分别为5、6、7 km·h-1,以此模拟不同大田播种速度;调节入口风速至25 m·s-1。对本次设计的密封锥角α=20°、边壁直径R=180 mm的气流分配排种器,进行10 s的排种试验。测定项目为:排种均匀性变异系数、各行排量一致性变异系数、总排量稳定性变异系数。试验结果(表 4)显示,3种不同传送带速度条件下,各项性能指标比较稳定,排种均匀性变异系数介于29.17%~30.86%之间;各行排种一致性变异系数介于4.13%~4.33%之间;总排量一致性变异系数介于1.40%~1.70%之间,3指标均略高于仿真结果,原因是试验过程中存在着气流密封性能方面的缺陷,影响了分配器内部气流分布效果,在以后的台架试验或者大田试验中需要加强整个排种系统的密封性能。但3指标均满足了国标要求,说明该排种器满足了水稻直播要求,且利用EDEM-Fluent耦合软件对其进行仿真是可行的。

    表  4  台架试验结果
    Table  4.  Bench test results
    传送带前进速度/
    (km·h-1)
    排种均匀性
    变异系数/%
    各行一致性
    变异系数/%
    总排量稳定性
    变异系数/%
    5 30.55 4.16 1.70
    6 29.17 4.13 1.40
    7 30.86 4.33 1.70
    下载: 导出CSV 
    | 显示表格

    本研究设计了一种由边壁直径(R)可调节的喇叭口式内腔与密封锥角(α)可变的分流密封盖组成的α-R式气流分配式排种器,采用EDEM-Fluent耦合软件对排种过程进行仿真分析,并进行了台架验证试验。

    数值模拟得出水稻颗粒运动情况与分配器内部气流分布情况,α-R结构的气流分配器中的旋涡滞种区域明显低于传统结构;影响排种均匀性、各行排量一致性、总排量稳定性的主次因素均为:R>α,确定了α=20°、R=180 mm时,分配器内部的旋涡滞种区域明显降低,排种性能最优,排种均匀性变异系数为24.56%,各行一致性变异系数为3.79%,总排量稳定性变异系数为1.23%,且α相同,R增大时各项性能指标呈变优趋势。

    台架试验结果表明:3种不同传送带前进速度条件下,试验结果较为稳定,排种均匀性变异系数为29.17%~30.86%,各行一致性变异系数为4.13%~4.33%,总排量稳定性变异系数为1.40%~1.70%。满足水稻机械化直播要求,表明利用EDEM-Fluent耦合仿真具有一定可行性。

  • 图  1   茧壳内蚕蛹雌雄快速无损检测系统

    Figure  1.   The system of fast and nondestructive gender detection of silkworm chrysalis in the cocoon

    图  2   芙9样本在不同波段的漫透射光谱均值 (±SD)

    Figure  2.   The mean (±SD) of diffuse transmission spectrum of Fu 9 samples at different bands

    图  3   基于不同波段光谱数据输入时样本在潜变量的得分

    Figure  3.   The scores on latent variables based on spectroscopy data at different bands

    图  4   PLSDA、BPNN和SVM模型的ROC曲线

    Figure  4.   The ROC curves of PLSDA, BPNN and SVM models

    图  5   雌雄蚕茧光谱数据的差值(Δy)随波长的变化

    Figure  5.   The change in difference between male and female spectra data (Δy) with wavelengh

    图  6   差值法、遗传算法和全波段建模的ROC曲线

    Figure  6.   The ROC curves of difference method, genetic algorithm and full-waveband models

    表  1   PLSDA、BPNN和SVM建模方法的效果比较

    Table  1   Effect comparison of PLSDA,BPNN and SVM models

    模型 样本数 真实值 预测值 真雌性率/% 真雄性率/% 准确率/% AUC1)
    雌性 雄性 雌性 雄性
    正确 错误 正确 错误
    PLSDA 197 96 101 95 4 97 1 95.96 98.98 97.46 0.975
    BPNN 197 96 101 92 4 97 4 95.83 96.04 95.94 0.959
    SVM 197 96 101 96 18 83 0 100 82.18 90.86 0.910
     1) AUC表示分类器特征曲线下的积分面积
    下载: 导出CSV

    表  2   差值法、遗传算法和全波段建模的比较

    Table  2   Effect comparison of difference method, genetic algorithm and full-waveband models

    方法 样本数 真实值 预测值 真雌性率/% 真雄性率/% 准确率/% AUC1)
    雌性 雄性 雌性 雄性
    正确 错误 正确 错误
    差值法 736 384 352 360 24 336 16 93.75 95.45 94.57 0.972 7
    遗传算法 736 384 352 292 92 223 129 76.04 63.35 69.97 0.738 2
    全波段 736 384 352 367 17 338 14 95.57 96.02 95.79 0.978 2
     1) AUC表示分类器特征曲线下的积分面积
    下载: 导出CSV
  • [1] 代芬, 吴玲, 叶观燕, 等. 基于近红外漫透射光谱信息的蚕茧雌雄检测[J]. 农业机械学报, 2015, 46(12): 280-283.
    [2] 封槐松, 李建琴. 我国蚕桑产业发展 “十二五” 回顾与 “十三五” 展望[J]. 中国蚕业, 2016, 37(1): 4-10.
    [3] 顾国达, 徐俊良. 论我国蚕丝业的多中心起源[J]. 浙江大学学报(人文社会科学版), 2003, 33(3): 42-47.
    [4] 顾国达, 李建琴. 2012年蚕桑产业发展趋势与建议[J]. 中国蚕业, 2012, 33(1): 1-4.
    [5] 李建琴, 顾国达. “一带一路” 对中国蚕丝业发展的战略意义[J]. 中国蚕业, 2015, 36(4): 1-7.
    [6] 潘沈元, 金同铭, 陆国权, 等. 蚕茧近红外反射光谱的模式识别[J]. 生物物理学报, 1995, 11(1): 53-59.
    [7] 潘沈元. 蚕茧近红外反射光谱的模式识别II. 光谱识别中特征值选取方法的探讨[J]. 生物物理学报, 1998, 14(2): 252-256.
    [8] 潘沈元, 陶鸣, 孙爱群, 等. 雌雄蚕蛹近红外反射光谱的差异及其模式识别[J]. 昆虫学报, 1996, 39(4): 360-365.
    [9]

    MARTEL A, BURGHAMMER M, DAVIES R J, et al. Silk fiber assembly studied by synchrotron radiation SAXS/WAXS and raman spectroscopy[J]. J Am Chem Soc, 2008, 130(50): 17070-17074.

    [10] 刘桂花, 张中湖. 拉曼与近红外、中红外光谱在药品掺杂筛选应用中的前景分析[J]. 齐鲁药事, 2012, 31(11): 634-635.
    [11]

    LEFEVRE T, PAQUET-MERCIER F, LESAGE S, et al. Study by raman spectromicroscopy of the effect of tensile deformation on the molecular structure of Bombyx mori silk[J]. Vib Spectrosc, 2009, 51(1): 136-141.

    [12] 金航峰. 基于光谱和高光谱图像技术的蚕茧品质无损检测研究[D]. 杭州: 浙江大学, 2013.
    [13] 颜辉, 陈斌, 金尚忠. 基于NIR的主成分结合支持向量机鉴别蚕茧雌雄的研究[J]. 计算机与应用化学, 2008, 25(10): 1261-1264.
    [14]

    SHAFFER R E, SMALL G W, ARNOLD M A. Genetic algorithm-based protocol for coupling digital filtering and partial least-squares regression: Application to the near-infrared analysis of glucose in biological matrices[J]. Anal Chem, 1996, 68(15): 2663-2675.

    [15]

    DELWICHE S R, HARELAND G A. Detection of scab-damaged red spring wheat kernels by near-infrared reflectance[J]. Cereal Chem, 2004, 81(5): 643-649.

    [16]

    CHRISTY A A, KASEMSUMRAN S, DU Y, et al. The detection and quantification of adulteration in olive oil by near-infrared spectroscopy and chemometrics[J]. Anal Sci, 2004, 20(6): 935-940.

    [17]

    BERARDO N, PISACANE V, BATTILANI P, et al. Rapid detection of kernel rots and mycotoxins in maize by near-infrared reflectance spectroscopy[J]. J Agr Food Chem, 2005, 53(21): 8128-8134.

    [18]

    BERGHOLT M S, ZHENG W, LIN K, et al. Raman endoscopy for in vivo differentiation between benign and malignant ulcers in the stomach[J]. Analyst, 2010, 135(12): 3162-3168.

图(6)  /  表(2)
计量
  • 文章访问数:  1471
  • HTML全文浏览量:  0
  • PDF下载量:  1740
  • 被引次数: 0
出版历程
  • 收稿日期:  2017-07-22
  • 网络出版日期:  2023-05-17
  • 刊出日期:  2018-03-09

目录

/

返回文章
返回