基于高光谱成像技术的大米快速无损检测研究

发布时间：2017-10-21 10:20

  本文关键词：基于高光谱成像技术的大米快速无损检测研究

  更多相关文章： 高光谱成像技术 无损检测 大米 产地 营养成分

【摘要】：中国是大米生产量和消费量最高的国家之一,大米更是中国最主要的粮食作物之一。中国大米产地繁多,不同产地生长的大米营养品质各异。随着人民对高水平健康生活的追求,对大米的产地及品质也越来越重视。然而传统的分析检测方法(人工感官评定法和化学方法)都比较复杂、费时和不稳定同时还伴有人工误差。因此快速无损的区分大米产地和检测大米营养成分是至关重要的。由于高光谱成像技术可以同时提供样品的光谱和图像信息,所以不仅可以大幅度提高检测速度、准确度和稳定度,同时可以大量降低人力成本,能够对提供高营养价值的大米和提升我国大米的出口率有明显的帮助,甚至可以帮助加快大米行业现代化生产的步伐。本课题针对快速无损区分大米产地(产自我国中南部、南部和东北部)和预测营养成分(水分、蛋白质、淀粉)含量的问题,首先利用不同的光谱数据处理方法(包括光谱前处理和特征波段选择)和分类模型建立方法处理高光谱波谱信息,使其有效地表征大米内部化学成分的主要含量来区分不同产地的大米颗粒;再通过不同的纹理信息处理方法提取大米纹理信息,使其有效地表征大米外部特征再融合其他图像信息建立基于高光谱图像信息区分不同产地大米的方法;最后融合大米波谱信息和图像信息共同表征大米内外部双重信息,实现大米颗粒的主要营养成分(水分、蛋白质、淀粉)含量的快速检测。主要研究内容和结果如下:1.应用可见光及短波近红外(400 nm-1000 nm)高光谱成像技术光谱信息快速无损的区分大米产地。首先采用随机方法得到大米样品训练集和预测集,根据训练集中样本大米的平均光谱建立Partial Least Square Regression(PLSR),Back Propagation Neutral Network(BPNN),和Least Square Support Vector Machines(LS-SVM)分类模型来区分大米产地,通过比较不同分类模型的精度(CCR),选取LS-SVM(CCR=92.82%)作为最终的分类模型建立方法。其次,利用不同的光谱前处理方法(Detrending(DT),Principal Component Analysis(PCA)and Orthogonal Signal Correction(OSC))建立全波段LS-SVM分类模型,选取OSC作为最终的光谱前处理方法(CCR=94.900%)。再利用successive projections algorithm(SPA)提取特征波段,并基于特征波段建立OSC-SPA-LS-SVM大米产地分类模型(CCR=95.360%)。最后,利用OSC-SPA-LS-SVM模型结合图像处理方法实现了预测集大米产地的可视化显示。2.应用高光谱图像的图像信息快速无损的区分大米产地。首先提取大米11个粒形特征值和3个透明度特征值。随后,利用不同纹理信息提取方法(直方图统计法、灰度游程长度统计法、灰度差分统计法、灰度梯度共生矩阵统计法)提取大米纹理特征值。再次,利用大米颗粒的图像信息(粒形+透明度+纹理)建立LS-SVM分类预测模型区分大米产地。最后,确定利用灰度梯度共生矩阵统计法作为最终的大米纹理信息提取方法,再融合大米粒形特征值和透明度特征值建立基于大米图像信息的分类模型(CCR=89.741%)。实验结果表明图像信息对区分大米产地有一定的作用,但基于大米高光谱图像的图像信息建立的分类模型精度远低于基于波谱信息建立的分类模型精度,所以将图像信息与光谱信息相融合后共同建立分类模型区分大米的产地,其分类精度会更加理想。3.融合高光谱图像的光谱和图像信息定量分析大米营养成分指标(水分、蛋白质、直链淀粉、支链淀粉、总淀粉、直链/支链淀粉)含量,使用SPA选择各个大米营养指标相对应的特征波段,建立相应的LS-SVM回归预测模型(水分、蛋白质、直链淀粉、支链淀粉、总淀粉和直链/支链淀粉),预测模型的判定系数R2分别为0.913、0.947、0.940、0.846、0.877和0.872),再利用29个图像特征值建立各营养指标的LS-SVM预测模型,各营养成分(水分、蛋白质、直链淀粉、支链淀粉、总淀粉和直链/支链淀粉)预测模型的相关系数(R2)均远低于基于光谱模型的R2,最终融合特征波段下的光谱值和图像特征值建立LS-SVM预测模型,大幅度提升模型的预测能力,每个营养指标预测模型的判定系数R2均高于0.9,实验结果说明融合光谱和图像特征数据可以理想地预测大米主要营养成分。
【关键词】：高光谱成像技术 无损检测 大米 产地 营养成分
【学位授予单位】：华南理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TS210.7;O657.3
【目录】：

• 摘要5-7
• ABSTRACT7-12
• 第一章 绪论12-21
• 1.1 研究背景和意义12
• 1.2 大米检测传统方法12-13
• 1.3 大米检测无损检测方法13-17
• 1.3.1 可见/近红外光谱技术及其在谷物检测中的应用13-14
• 1.3.2 计算机视觉技术及其在大米检测中的应用14-15
• 1.3.3 高光谱成像技术及其在谷物检测中的应用15-17
• 1.4 国内外研究存在的主要问题17
• 1.5 研究目标及研究内容17-19
• 1.5.1 研究目标17-18
• 1.5.2 研究内容18
• 1.5.3 技术路线18-19
• 1.6 本章小结19-21
• 第二章 应用高光谱的波谱信息快速区分大米产地21-44
• 2.1 引言21
• 2.2 材料与设备21-24
• 2.2.1 大米样品21-22
• 2.2.2 可见/近红外高光谱成像系统22-24
• 2.3 试验方法24-26
• 2.3.1 高光谱图像采集24-25
• 2.3.2 图像前处理25-26
• 2.4 光谱特征提取26-30
• 2.4.1 光谱预处理26-29
• 2.4.2 特征波段选择29-30
• 2.5 模型建立30-35
• 2.5.1 偏最小二乘回归算法(PLSR)31
• 2.5.2 最小二乘支持向量机（LS-SVM）31-33
• 2.5.3 反向传播神经网络(BPNN)33-35
• 2.6 大米产地可视化35
• 2.7 结果与讨论35-42
• 2.7.1 大米样本光谱特征曲线分析35-36
• 2.7.2 分类模型建立方法对全波段光谱模型的影响36-38
• 2.7.3 光谱预处理对全波段光谱模型的影响38-40
• 2.7.4 特征波段选择对光谱模型的影响40-41
• 2.7.5 大米产地可视化效果41-42
• 2.8 本章小结42-44
• 第三章 应用高光谱成像的图像信息快速区分大米产地44-58
• 3.1 引言44
• 3.2 材料与设备44
• 3.2.1 大米样品44
• 3.2.2 可见/近红外高光谱图像成像系统44
• 3.3 试验方法44
• 3.4 图像特征提取44-53
• 3.4.1 大米颗粒粒形特征提取44-47
• 3.4.2 大米颗粒透明度特征提取47
• 3.4.3 大米颗粒纹理特征提取47-53
• 3.5 分类模型建立53-54
• 3.6 结果与讨论54-57
• 3.7 本章小结57-58
• 第四章 融合高光谱波谱图像的大米营养指标快速检测58-70
• 4.1 引言58
• 4.2 材料与设备58-59
• 4.2.1 大米样品58
• 4.2.2 试剂58
• 4.2.3 设备58-59
• 4.3 试验方法59-61
• 4.3.1 水分含量测定59
• 4.3.2 蛋白质含量测定59
• 4.3.3 淀粉含量测定59-61
• 4.4 大米样品营养成分的高光谱数据处理61-62
• 4.4.1 大米样品光谱特征提取61
• 4.4.2 大米样品图像特征提取61
• 4.4.3 大米营养指标回归模型建立61-62
• 4.5 结果与讨论62-68
• 4.5.1 大米营养成分的含量62
• 4.5.2 大米营养成分的特征波长62-64
• 4.5.3 大米营养成分的回归模型效果64-68
• 4.6 本章小结68-70
• 结论与展望70-73
• 参考文献73-83
• 攻读硕士学位期间取得的研究成果83-85
• 致谢85-86
• 附件86

【相似文献】

中国期刊全文数据库 前10条

1 邱钧彦;1公斤大米加工6～7公斤米豆腐技术[J];农技服务;2000年08期

2 张志刚,韩玉珍;有机大米加工技术规程[J];垦殖与稻作;2004年04期

3 朱君;;国外大米加工发展趋势[J];农村实用技术;2007年02期

4 黄海军;华钦;张远;林涛;李成;史吕;;大米加工业发展趋势及大型大米加工厂设计浅析[J];粮食与食品工业;2011年03期

5 阴秀文;刘兵;;揭开“黄河大米”之谜[J];走向世界;2011年33期

6 杜枫;;分析影响大米水分因素[J];粮食与油脂;2012年02期

7 华钦;黄海军;刘丽丽;陈伟超;王梦醒;;现代化大型大米加工厂建设浅析[J];粮食与食品工业;2013年04期

8 李绍芳;新型无洗大米加工机[J];新农业;1987年13期

9 邵吉祥;米豆腐制作新工艺[J];中国商办工业;1994年04期

10 潘洪莲;高浓缩营养抗衰大米加工工艺[J];农业科技通讯;1996年03期

中国重要会议论文全文数据库 前8条

1 唐大为;;维力米：创新的强化大米解决方案[A];第三届中国营养产业高层论坛文集[C];2007年

2 ;大米保鲜剂[A];第三届全国粳稻米产业大会专集[C];2008年

3 孙晓红;郑家麟;;大米淘洗设备的研究与设计[A];'2000全国农产品加工技术与装备研讨会论文集[C];2000年

4 张萃明;;大米包装储藏品质评价指标的研究[A];'2000全国农产品加工技术与装备研讨会论文集[C];2000年

5 律永发;;发展延边大米产业的思考[A];第三届全国粳稻米产业大会专集[C];2008年

6 张萃明;刘建伟;包清彬;;大米的薄膜袋装储藏形态研究[A];中国粮油学会第二届学术年会论文选集（综合卷）[C];2002年

7 吴孝槐;路勇;;利用实时荧光PCR方法检测转Bt基因大米[A];“科技创新与食品产业可持续发展”学术研讨会暨2008年广东省食品学会年会论文集[C];2008年

8 ;吉林德大有限公司精制大米加工厂招商项目[A];第三届全国粳稻米产业大会专集[C];2008年

中国重要报纸全文数据库 前10条

1 王斌;泰国大米以品种优势取胜[N];农民日报;2002年

2 王彦;打好大米绿色、健康牌[N];黑龙江日报;2007年

3 ;专家为黑龙江大米“支招”：重点扶持深加工项目[N];粮油市场报;2007年

4 记者 李帅;大米出名门 “金龙鱼”再出“狠招”[N];中国联合商报;2009年

5 本报记者 邢云飞;大米产业链竞争格局初现[N];华夏时报;2009年

6 ;我国首个临港型大米加工厂在大连投产[N];中国信息报;2009年

7 胡丽娟;临港型大米加工厂投产[N];科技日报;2009年

8 记者 廖兴阳;滇柬将共建20万吨大米加工项目[N];昆明日报;2011年

9 深圳特区报记者 陈颖;“洋大米”深圳抢市场渐成气候[N];深圳特区报;2013年

10 刘艺璇;黑龙江“寒育牌”大米热销江南[N];粮油市场报;2014年

中国博士学位论文全文数据库 前2条

1 万鹏;大米品质检测系统研究[D];吉林大学;2009年

2 陈善峰;低温挤压加酶大米作啤酒辅料的试验研究[D];河北农业大学;2012年

中国硕士学位论文全文数据库 前10条

1 杨纯;发酵工艺对大米镉含量的影响[D];中南林业科技大学;2015年

2 罗达文;轻碾米储藏稳定性及其储藏方法研究[D];南昌大学;2015年

3 王静;高品质大米多肽制备方法的研究[D];天津科技大学;2013年

4 黄文捷;重庆市本地产大米中镉污染调查及健康风险评价[D];重庆医科大学;2015年

5 赵胤成;黑龙江省大米国内竞争力提升对策研究[D];黑龙江八一农垦大学;2015年

6 金杰;延边大米品牌价值提升研究[D];延边大学;2016年

7 吕思铭;中国大米贸易的国际竞争力研究[D];黑龙江大学;2016年

8 姚映西;湿热改性处理对大米理化性质及米粉品质影响的研究[D];湖南农业大学;2016年

9 王玉洁;湖南省大米产业现状及发展对策研究[D];湖南农业大学;2016年

10 王璐;基于高光谱成像技术的大米快速无损检测研究[D];华南理工大学;2016年

，

本文编号：1072803