基于高光譜成像技術(shù)的不同加工程度下稻谷品種和蟲害鑒別研究.pdf

1、稻谷存儲和加工過程中易發(fā)生品種混合和蟲害，直接影響到后期加工產(chǎn)品的品質(zhì)與安全。因此稻谷加工過程中品種和蟲害的快速無損鑒別，可提高稻谷加工過程的在線監(jiān)控水平，也為稻谷育種、種植、收購和銷售過程提供信息服務(wù)。常規(guī)的人工檢測方法費(fèi)時、費(fèi)力，且檢測靈敏度差。高光譜成像技術(shù)是一種集光譜和圖像為一體的無損檢測技術(shù)，已在食品、農(nóng)產(chǎn)品品質(zhì)檢測方面有越來越多的應(yīng)用。本論文開展了利用高光譜成像技術(shù)對三種加工程度下稻谷品種及蟲害的檢測研究。論文主要內(nèi)容如下:

2、
　　(1)基于高光譜成像技術(shù)的不同加工程度下稻谷品種鑒別研究。實(shí)驗(yàn)采用16個品種的稻谷，分別考察原料稻谷、加工后糙米和成品大米三種不同階段的樣品。以單個籽粒為樣本，首先采集樣本高光譜數(shù)據(jù)，根據(jù)樣品特點(diǎn)優(yōu)化儀器特征參數(shù)和數(shù)據(jù)采集條件，更換相機(jī)鏡頭和樣本載臺。其次根據(jù)多元圖像分析優(yōu)選特征波長，提取特征波長下圖像形狀和紋理特征值為樣本變量，并比較主成分分析(PCA)、線性判別分析(LDA)、正交線性判別分析(OLDA)和偏最小二乘判別

3、分析(PLS-DA)四種分類方法，結(jié)果發(fā)現(xiàn)采用LDA和OLDA的模型效果好于PCA和PLS-DA。最后嘗試采用自適應(yīng)提升法(AdaBoost)建立品種鑒別模型，經(jīng)過多輪迭代，AdaBoost+OLDA模型對稻谷、糙米和大米三種樣品品種的預(yù)測正確率分別達(dá)到98.1％、99.7％和96.3％。研究結(jié)果表明高光譜成像技術(shù)結(jié)合AdaBoost+OLDA算法可以有效鑒別稻谷、糙米和大米的品種，對于相近品種的鑒別效果說明了高光譜成像技術(shù)在糧食籽粒品

4、種鑒別中有很好的應(yīng)用潛力。
　　(2)基于高光譜成像技術(shù)的不同加工程度下稻谷蟲害程度判別研究。分別考察原料稻谷、加工后糙米和成品大米三種不同階段的樣品。取209為一個樣本，培養(yǎng)得到害蟲（玉米象）侵害0天（完好粒）、1天、3天、5天、10天和20天的蟲蝕粒，采集其高光譜數(shù)據(jù)。然后根據(jù)多元圖像分析優(yōu)選特征波長，提取特征波長下圖像紋理特征值為樣本變量，分別比較PCA和LDA兩種數(shù)據(jù)降維方法對樣本的分類效果。結(jié)果表明LDA的分類效果好于P

5、CA，LDA對稻谷、糙米和大米三者不同蟲害時間的交互驗(yàn)證識別率分別為85.0％，93.3％和98.3％。此外，通過計算樣品間歐式距離，闡釋了樣品隨著蟲害時間的加長，其表面形態(tài)，營養(yǎng)成分以及內(nèi)部害蟲成長的變化情況。研究結(jié)果表明高光譜成像技術(shù)可應(yīng)用于稻谷加工過程中蟲害程度的快速鑒別。
　　(3)基于高光譜成像技術(shù)的稻谷易感害蟲種類識別研究。以稻谷易感的兩種害蟲米象和玉米象為實(shí)驗(yàn)對象，將試蟲制作標(biāo)本后采集其高光譜數(shù)據(jù)，根據(jù)多元圖像分析優(yōu)