种子活力无损检测方法评价模型

瞿志杰,2，贾良权，祁亨年

(1.浙江农林大学 信息工程学院，杭州 311300； 2.湖州师范学院 信息工程学院，浙江 湖州 313000)

种子活力水平对粮食生产至关重要，因此研究人员开发了各种各样的种子活力检测方法，包括有损检测和无损检测两大类[1]。由于经过有损检测后的种子无法投入到农业实际生产中，所以无损检测方法受到了广泛的关注，开发了大量的无损检测方法，可依据检测种子的特性不同分为基于光学特性、生理生化特性、外观特性的三大类无损检测方法。基于光学特性的无损检测方法，包括近红外光谱检测法[2]、高光谱检测法[3]、激光散斑技术检测法[4]以及其他激光检测方法；基于化学特性的无损检测技术有电子鼻检测法[5]、Q 2技术检测法[6]、H2O2流速检测法[7]以及TDLAS呼吸检测法[8]；基于种子外观特性的检测技术主要是机器视觉检测法[9]。

因为不同的用户对检测方法的需求不同，并且对检测技术的各项指标也有针对性要求。大量的检测方法对使用者造成选择的困难，需要一种评价模型为用户提供决策指导。需求中包含定性和定量的指标难以直接进行两两比较，仅凭传统的经验判断可能会导致结果误差较大。本文提出了一种可以满足用户需求的评价应用模型——整体量化考核模型，并通过对检测方法择优实验验证了该模型的稳定性和准确性，可帮助用户更快速准确地选择活力测评方法。

1 整体量化考核模型原理

整体量化考核模型是一种可解决目标多、定性多和层次多的择优模型，具有整体比较和量化考核的决策思想。在应用过程中，由建立结构量化考核、判断量化考核、整体量化考核和综合量化考核4个部分组成，最终以综合量化总分最高者判定为最佳方案。

1.1 建立结构量化考核

依据量化考核法对种子活力无损检测技术进行分析与比较，并结合活力检测法相关信息和影响要素进行层次结构上的划分。根据本文实际需求、目标和评判要素可依次分为以下3部分。

1) 择优模块：选择最适合实际应用的种子活力无损检测方法。

2) 项目模块：由近红外光谱检测法、高光谱检测法、激光散斑检测法等7种种子无损检测方法组成。

3) 需求模块：设备成本、操作难易度、耗费时间、实验仪器大小以及检测准确率。

1.2 建立判断量化考核

依据成对比较矩阵法可对需求模块中各因素的相对重要性给出定量判断，将定性比较问题转变成定量比较问题，最后以矩阵的方式展现比较结果。当量化结构明确后，需要比较分析需求层各子模块在择优模块中所占的权重比。成对比较矩阵是表示需求模块层所有因素针对项目模块层某一个因素的相对重要性的比较。成对比较矩阵用Santy[10]的1～9标度方法给出，成对比较阵标度见表1：

表2 相关影响条件数值

方法设备成本/(万元)操作难易度/(10级)耗费时间/s实验仪器大小/(10级)检测准确率/%近红外光谱检测法3.006600.00004100[11]高光谱检测法40.0060.00306100[12]激光散斑检测法29.80510.0000460[13]电子鼻传感器检测法0.6771.00006100[14]Q2技术检测法3.9046.0000360[6]非损伤微测技术200.009600.0000560[7]机器视觉检测法1.5560.0001492[15]

表3 整体量化考核得分情况

方法设备成本操作难易耗费时间实验仪器大小检测准确率近红外光谱检测法99.366.70.275100高光谱检测法80.866.7100.025100激光散斑检测法85.983.398.37560电子鼻传感器检测法100.550.099.825100Q2技术检测法98.9100.099.010060非损伤微测技术0.516.70.25060机器视觉检测法100.166.7100.07592

表1 成对比较阵标度

重要性标度含义1表示2个因素相比,具有同样重要性3表示2个因素相比,一个因素比另一个因素稍微重要5表示2个因素相比,一个因素比另一个因素明显重要7表示2个因素相比,一个因素比另一个因素强烈重要9表示2个因素相比,一个因素比另一个因素极端重要2,4,6,8上述两相邻判断的中值倒数若元素i与元素j的重要性之比为 ,则元素j与元素i的重要性之比为qij=2qij

1.3 建立整体量化考核

设项目模块中7种检测方法(分别为B1、B2……B7)以及需求模块的5个需求(分别为Z1、……、Zn)。需求模块对应的项目模块的7种检测方法都需要量化为具体数值，量化的方法可分为实际调研、两两比较法和准则打分制。实际调研适用于价格、重量以及体积等客观项，定量的子项目可以具体数值直观的表达出来；两两比较法适合抽象或者主观性强的子项目，将难以比较的定性问题进行数值量化；准则打分制则适合无法直接定量和两两比较的子项目，通过实际需求设定得分准则获得综合得分。本实验采用实际调研可获得各检测技术所对应子项目(设备成本、耗费时间和检测准确率)的量化数值，以及通过两两比较法获得操作难易度和实验仪器大小的量化数值如，且结果如表2所示：

整体量化考核则建立在将这些对应的子项目都量化的前提下，Bnmax分别代表需求模块层里5个子项目在项目模块层中最大的数值，其他的数值通过下列公式获得整体量化数值：

Bn=(Bn/Bnmax)×100

(1)

在实际应用中要判断需求模块层中的子项目是否都成正相关，比如本实验中设备成本、操作难易、耗费时间和实验仪器大小的数值都应越小越好，而检测准确率则应该越高越好。可采用差值法解决子项目未能都成正相关的问题，公式如下：

Zn=Bnmax+Bnmix-Bn

(2)

Bn=(Bn/Z1max)×100

(3)

通过上述公式可以获得各子项目对应得分见表3。

1.4 综合量化考核排序

综合量化考核排序是对应权值与整体量化考核各项得分积的排序，现在已经求得需求层对择优层所有因素重要性的权值qn，就可以求得对应权值qn和综合量化考核值Wn，公式如下：

Wn=Bn×qn/n

(4)

综合上述分析可得机器视觉检测法为该实验下的最优方法。在需求层中不难发现设备成本、操作难易度、耗费时间以及实验仪器大小都应择小为优的思想，而检测准确率这一项则需择大为优。如果直接比较则会出现与其他准则意图产生相反的结果。可使用差值公式解决该问题，使需求层各子项的数值都处于正相关。用户在采用整体量化考核模型的过程中，对抽象问题采用两两比较、实际调研和准则打分制的方法，可解决定性与定量不能直接比较的难题。为了验证整体量化考核模型结果的准确性，可采用层次分析模型进行对比验证。

图1 优选检测法层次图

表4 种子无损检测方法排名

排名无损检测方法综合得分1机器视觉检测法462.832电子鼻传感器检测法461.963高光谱检测法444.514Q2技术检测法422.585激光散斑检测法393.726近红外光谱检测法376.387H2O2流速检测法133.15

2 层次分析模型验证

层次分析模型是将一个复杂的多目标决策选择作为一个系统，将目标分解为多个目标，进而分解成多条件的若干层次，通过对定性指标进行模糊量化法算出层次单排序(权数)和总排序，以作为目标(多指标)、多方案优化决策的系统方法，结果以权重最大者认定为最优方案。

2.1 建立层次结构模型

本实验是从上述检测技术中选择一种最优的检测方法，评判要素需要从设备成本、操作难易度、耗费时间、实验仪器大小以及检测准确率去分析，根据上述描述可以将其划分为如图1所示的层次结构。

2.2 构造判断矩阵

根据层次分析法对准则层各子项的相对重要性分别进行判断，将定性比较问题转化成定量的数值，以判断矩阵的方式表达出各因素之间的重要性。当各层之间关系确立后，需要判断准则层各元素在目标层中各元素所占的权重。以及目标层的因素Z与下层准则层的各因素(A 1，A 2，A 3，A 4，A 5)之间的重要性，可以通过该联系构造判断矩阵(表5)。

准则层的各因素与下层方案层的各因素(B1，B2，…，Bn)之间的重要性，通过构造目标层对方案层的判断矩阵(表6)。

2.3 层次总排序

经过对各层次的判断矩阵构造，可获得上一层次对本层次所有因素重要性的权值，并求得层次总排序。通过将层次总排序从上至下逐层计算，可求得各层次上元素相对于总目标的数值如表7以及各方法排名(表8)。

表5 准则层对目标层的权重

表6 目标层对方案层的权重

目标层方案层A1A2A3A4A5B10.16120.14810.00030.15790.1748B20.14740.14810.20100.10530.1748B30.15570.18520.19770.15790.1049B40.17940.11110.20070.10530.1748B50.17680.22220.19900.18420.1049B60.00080.03700.00030.13160.1049B70.17870.14810.20100.15790.1608

表7 方案层对总目标的权值

权植B1B2B3B4B5B6B7Z0.13220.16640.14940.17080.16110.04780.1722

表8 种子无损检测方法排名

排名无损检测方法权重比1机器视觉检测法0.17222电子鼻传感器检测法0.17083高光谱检测法0.16644Q2技术检测法0.16115激光散斑检测法0.14946近红外光谱检测法0.13227H2O2流速检测法0.0478

综合上述可以得出机器视觉检测法为本模型下最优方法，分析后的结果与整体量化考核模型一致。

3 分析与讨论

经过整体量化考核模型的测试以及层次分析模型的验证，可以得到该示例下一致认同的最优方法为机器视觉检测法。整体量化考核模型通过两两比较法、整体量化法和准则打分制的方法，解决了定性与定量条件的转换问题。通过建立矩阵判断、整体量化考核以及综合量化排序三步骤，解决了定性与定量的比较障碍难题。整体量化考核模型可以构建模块子项目间的联系，并且获得单个子项目在整体中的得分排序。与层次分析模型相比，两两比较法和整体量化法不仅可以缩短计算量，还可以区分相近度高的择优目标。此外，量化考核模型通过设定子需求层，将需求分为更多层次逐个量化叠加可以解决更繁复的择优问题。

层次分析模型大部分应用在择优问题，却无法作为分类模型。整体量化考核模型不仅在择优问题上适用，还可以依据应用的实际需求设定等级界限成为分类模型。打破了传统层次分析模型的应用局限，解决了多目标择优选择难题。综合上述，整体量化考核模型不仅可以广泛应用于择优与分类问题中，还可以解决层次分析模型只能对小样本进行建模的问题。

4 结 论

通过分析实验案例的结果，确定了量化考核模型在选择检测技术的示例上的可行性，解决了原本难以判断的定性问题以及各准则之间的差异性问题。结果表明，整体量化考核模型可以建立信息间的联系，并且经过层次分析模型的对比验证发现整体量化考核模型有效可行。虽然现下各领域已有较多的种子活力无损检测，但传统的层次分析模型在实际操作中仍具有一定的应用难度。本文提出的整体量化考核模型可优化多目标择优选择难题，为难以定性判断、用经验难以把控、力图快速选择实验方案等问题提供了新颖的解决途径。