基于高光谱成像的大米中蛋白质含量的可视化研究

发布时间：2022-01-15 02:55

　　为了研究大米蛋白质含量在品种和产地之间的差异,将采集的大米按照品种、产地进行分类。将提取的感兴趣区域光谱信息与化学方法测定的蛋白质含量相结合,建立全波长预测模型,通过对比确定最优的模型为偏最小二乘回归（partial least-squares regression,PLSR）。连续投影算法（successive projection algorithm,SPA）筛选特征波段,建立PLSR的特征波长模型,其性能与全波长模型相当。提取特征波长下的高光谱图像,将提取的特征图像上的所有像素点的光谱数据导入已建好的SPA-PLSR模型,预测各像素点的蛋白质含量,并把高光谱灰度图像进行伪彩色处理,得到不同品种产地大米的蛋白质含量分布图。结果表明,利用高光谱成像技术对大米中蛋白质含量分布进行可视化研究具有可行性,为后期筛分大米的产地和品种提供依据。 

【文章来源】：食品研究与开发. 2020,41(06)北大核心

【文章页数】：6 页

【部分图文】：

高光谱成像系统示意图

图2是选取ROI全部像素点的平均值得到的反射率光谱（408.360 0 nm～1 007.220 0 nm),120个大米全波长光谱的趋势大致相同，说明大米在全波长的情况下具有相同的反射特性，但在反射强度上存在差异。2.2 蛋白质含量统计分析

对120个大米样品的蛋白质含量进行统计分析得到如图3所示的柱形图。如图所示3个品种的大米在吉乐乡产区的蛋白质含量明显高于其他产区，不同品种大米的蛋白质含量在产区间的分布规律也不相同，稻花香从曙光到黑山头蛋白质含量表现为依次递增，而秋田小町和吉粳60从曙光、湾龙再到黑山头蛋白质含量表现为先增加后减少。对品种和产地进行双因素方差分析，得到关于品种因素、产地因素和品种产地的交互对应的P值，因为所得三者的P值均远远小于0.01，因此品种和产地对大米蛋白质含量均有显著影响。

【参考文献】：
期刊论文
[1]基于高光谱智能检测及支持向量机分类的香肠品质判定[J]. 陈晓东,郭培源.  中国食品添加剂. 2018(08)
[2]基于思维进化优化BP神经网络的大豆叶片叶绿素含量高光谱反演[J]. 刘润,张绍良,侯湖平,陈浮,田艳凤,郝绍金.  江苏农业科学. 2018(13)
[3]基于高光谱成像的茶叶中EGCG分布可视化[J]. 李晓丽,魏玉震,徐劼,赵章风,钟江,何勇.  农业工程学报. 2018(07)
[4]基于近红外光谱技术的日照绿茶茶鲜叶模型的优化[J]. 单瑞峰,甄书仙,陈瑶,王萧,刘丽媛,华承彬,张淑琪.  分析科学学报. 2018(01)
[5]大米蛋白质、脂肪、总糖、水分近红外检测模型研究[J]. 李路,黄汉英,赵思明,胡月来,杨素仙.  中国粮油学报. 2017(07)
[6]高光谱成像技术定量可视化检测熟牛肉中挥发性盐基氮的含量[J]. 杨东,陆安祥,王纪华.  现代食品科技. 2017(09)
[7]高光谱成像技术结合化学计量学可视化花生中蛋白质含量分布[J]. 于宏威,王强,石爱民,杨颖,刘丽,胡晖,刘红芝.  光谱学与光谱分析. 2017(03)
[8]基于高光谱成像技术快速无损测定花生中水分含量[J]. 于宏威,刘红芝,杨颖,石爱民,刘丽,胡晖,王强.  农产品加工. 2016(23)
[9]基于MEA-BP神经网络的大米水分含量高光谱技术检测[J]. 孙俊,唐凯,毛罕平,张晓东,武小红,高洪燕.  食品科学. 2017(10)
[10]基于高光谱技术的玉米种子可视化鉴别研究[J]. 吴翔,张卫正,陆江锋,裘正军,何勇.  光谱学与光谱分析. 2016(02)



本文编号：3589757