基于改进SVM的玉米种子抗旱萌发预测模型研究OA

为探索作物抗旱性及调节剂缓解效应的早期、无损预测方法,本研究以玉米种子为试验材料,在模拟干旱胁迫条件下,设置不同浓度的植物生长调节剂增产胺(DCPTA)进行缓解处理.利用低场核磁共振(LF-NMR)技术,构建了基于弛豫数据的高维特征数据集,并建立了用于预测 DCPTA 对种子萌发缓解效应的序列最小优化-支持向量机(SMO-SVM)模型.结果表明,与常规支持向量机(SVM)模型相比,SMO-SVM 模型对种子萌发等级的预测精度明显提升.本研究验证了该模型在作物生长调节剂效应早期预测中的可行性与准确性,为基于无损检测的作物抗逆性智能评估提供了有效方法.