霉变玉米高光谱检测特征信息优化选择及毒素可视化研究

发布时间：2020-04-07 02:53

【摘要】：作为我国重要的粮食作物,玉米的安全性与人们的生活密切相关。新鲜玉米由于含水量高、所带的菌量较多,极易在高温高湿条件下霉变,其中黄曲霉毒素B_1和赤霉烯酮是玉米霉变过程中产生的代表性毒素,如果被误食则会在机体内过氧化酶的代谢作用下导致肝脏细胞病变。因此,霉变玉米的快速检测与评判十分必要。高光谱成像技术将光谱技术与图像技术相融合可以全面的获取待测样品的信息,光谱信息可以检测其物理结构和化学成分,图像信息可以充分反映其外部特征。该技术可用来快速检测霉变玉米的霉变程度。然而,由于高光谱数据信息量大,会使得信息之间产生冗余,这对高光谱技术的应用非常不利。为了降低霉变玉米光谱数据量、消除冗余信息,论文提出了基于连续投影算法融合信息熵的特征波长选择方法,探究了基于特征波长下的模型构建正确率,并在特征波长选择的基础上构建了霉变玉米毒素可视化模型。具体的研究工作如下:1.设置适当的温度和湿度条件,并在实验室的培养箱中培养了6个不同霉变等级的玉米样品(每个等级50个样本,共300个样本)。根据国标法测定了不同霉变等级玉米样品中的黄曲霉毒素B_1和赤霉烯酮含量。同时,使用高光谱图像采集系统获取了所有样品的高光谱图像并进行了黑白校正。2.对比多元散射校正和标准正态变量变换两种预处理方法,将经过两种方法处理的光谱信息和全波长信息代入BP神经网络预测模型。结果表明,由多元散射校正后的光谱数据构建的模型精度最高。该模型对黄曲霉毒素B_1和赤霉烯酮含量的预测精度R~2_(pre)和RMSEP分别为(0.8851,1.0623)和(0.8337,1.3627)。3.通过相关系数法确定有效波段,经过相关系数法对原始光谱数据初降维之后,使用连续投影算法(SPA)算法选择8个特征波长,利用图像的信息熵原理在所选择的8个特征波长上选择最优波长。提取了特征波长图像的7个不变矩纹理特征和6个小波纹理特征;将13个特征参数作为Fisher判别分析(FDA)的输入参数,分别得到每个特征波长(初选的8个特征波长)下霉变玉米的分级正确率,结果表明基于最终选择的特征波长下FDA的分级正确率最高,达到了99.1%。4.分别构建了基于全波长、8个特征波长和4个特征波长下霉变玉米黄曲霉毒素B_1和赤霉烯酮的BP神经网络预测模型。结果表明,基于8个特征波长下的模型对霉变玉米黄曲霉毒素B_1和赤霉烯酮含量的预测精度最高。该模型对黄曲霉毒素B_1和赤霉烯酮含量的预测精度R~2_(pre)和RMSEP分别为(0.9769,0.0458)和(0.9841,0.1605)。5.在特征波长选择的基础上构建霉变玉米毒素的偏最小二乘回归模型,通过模型预测单像素点上的霉变玉米毒素含量,最终构建霉变玉米毒素可视化模型。论文研究结果可获得3个方面的结论:1)光谱信息和图像信息的融合运用可以有效地反映霉变玉米样品信息;2)连续投影算法融合信息熵来选择高光谱特征波长是有效的;3)通过预测单个像素上霉变玉米毒素含量可以实现霉变玉米毒素可视化。
【图文】：

高光谱图像,采集装置,高光谱图像,高光谱

图 2-1 高光谱图像采集装置Fig. 2-1 Hyperspectral image acquisition system采集装置如图 2-1 所示，，该装置包括高光谱成像光Spec 公司）、康标达镜头（日本 Computar 公司）

高光谱图像,高光谱图像,玉米,等级

A4 A5 A6图 2-2 720nm 波长下不同霉变等级玉米高光谱图像Fig. 2-2 Hyperspectral image of different grades of moldy maize at 720nm wavelength
【学位授予单位】：河南科技大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP391.41;TS210.7

【参考文献】