来源：期刊VIP网 时间：
作者：汤来锋;桑伢员;姬江涛;许威广;杨旺;
单位：新疆理工学院信息工程学院;河南科技大学农业装备工程学院;
摘要：穴盘苗经培育后难免会出现同一穴盘内不同钵苗的品质良莠不齐的情况，如果未经品质分级并将劣质苗剔除的过程，直接将钵苗机械化移栽至大田，会对后续农产品的产量和品质等产生负面影响。为此，以番茄穴盘苗为研究对象，基于光谱技术和机器学习方法，对试验样本进行快速无损检测并实现了分类识别。首先，分别采集样本的生理生化指标和光谱数据，综合品质分级的各项标准将各样本所属的品级与光谱数据对应；其次，采用多元散射校正(MSC)和竞争性自适应重加权法(CARS)对采集到的光谱数据进行预处理和降维，消除了部分冗杂数据并提升了数据的可靠性；最后，分别采用随机森林和BP神经网络算法建立了穴盘钵苗的品质分类模型，达到了通过光谱数据对穴盘苗进行品质分类的目的。通过对分类模型评价指标的对比可知：MSC+CARS+BP神经网络结合的算法所构建的分类模型识别效果最佳，其准确率达到了98.2%,调和平均数为98.5%,可为今后进行钵苗品质的快速无损检测、实现选择性移栽健壮苗提供技术参考。
关键词：穴盘苗;;光谱检测;;机器学习;;随机森林;;BP神经网络
基金资助：国家自然科学基金项目(51975186)
