基于高光谱图像技术的梅河大米品质的无损检测研究

发布时间：2020-06-03 17:58

【摘要】：地理标志是评价农产品质量的重要标签,因生长环境和产地的优势,形成了地标大米独特的内在品质。梅河大米因地理位置(黄金水稻带)和优质的水源(辉发河),形成了具有自身特色的高品质指标。具有较高经济价值的梅河大米,因其自身的产量有限,所以市场上充斥了大量的掺假米和假冒米,不但破坏了市场秩序还损害了消费者的利益。在信息物流高速发展的今天,如何保证梅河大米的品质不受其他因素的影响,需要建立一种高效快速的梅河大米检测技术。随着现代科技的高速发展,食品行业迅速崛起,用简单高效的检测方法替代复杂耗时的传统方法成为当下研究的热门话题,高光谱成像技术作为当下无损检测的技术之一,其对大米内在品质的观测更为全面。本文以产自梅河四个产区(曙光镇、湾龙乡、黑山头镇和吉乐乡)的3个品种(稻花香、秋田小町和吉粳60)大米作为实验样品。使用高光谱成像技术对梅河大米的理化指标进行快速无损的检测,得到脂肪酸含量和蛋白质含量的PLSR预测模型,实现了对梅河大米品质的快速无损鉴定,之后可用此方法对大米里的其他成分进行检测,确保梅河大米的品质。本文通过对梅河大米光谱数据和理化指标的判别分析,可以得到更加准确的梅河大米产地品种的溯源信息,为之后对梅河大米品质的鉴定提供依据,最后利用光谱数据完成了梅河大米内部与外部的产地判别,减少掺假米在市场上的流通。为实现高光谱对大米脂肪酸和蛋白质含量的测定,将经过垄谷去糙后的大米样本按照3×5网格随机摆放至载物台黑板上进行高光谱图像的采集,用ENVI5.0提取出感兴趣区域内的平均光谱信息,通过MATLAB2016a对大米的数据进行后续的建模。通过光谱结合脂肪酸和蛋白质的含量,得到了梅河大米脂肪酸和蛋白质的预测模型。两者的最优模型均为PLSR模型,对光谱数据进行SPA特征波段的提取,分别以得到的26个特征波段和27个特征波段为自变量,建立脂肪酸和蛋白质含量的预测模型,为了实现更加直观的表达,本文将提取的大米高光谱图像所有像素点的光谱数据带入已建好的脂肪酸和蛋白质含量的预测模型,得到各像素点的脂肪酸和蛋白质含量,并将高光谱灰度图像放入MATLAB进行伪彩色处理,可视化了大米中脂肪酸和蛋白质含量的分布情况。通过采用大米高光谱数据对梅河大米的产地和品种进行判别分析,得到不同品种四个产区的Fisher’s判别模型和BP神经网络模型的准确率为86.30%和93.40%,同一品种大米四个产区的Fisher’s判别模型和BP神经网络模型的准确率为95.80%和97.10%;梅河与非梅河大米的Fisher’s判别模型和BP神经网络模型的准确率为93.8%和94.83%,梅河三个品种的Fisher’s判别模型和BP神经网络模型的准确率为97.30%和97.70%;实现了对梅河大米的快速无损的产地品种判别分析。为了明确梅河大米营养成分分布情况,对来自不同产区不同品种的大米进行了品种和产地的双因素方差分析,证明四个理化指标(脂肪酸、蛋白质、灰分、脂肪)在品种和产地间存在显著性差异。对不同产地不同品种的大米进行产地和品种的判别分析,可以看出理化指标的分布因产区和品种的不同,形成了其独有的理化分布特征。使用单一理化指标对大米品种和产地进行判别,判别的准确率较低;之后进行四个指标结合的判别分析,对同一品种不同产区梅河大米的产地判别,判别率越高表明该品种大米的理化指标分布在产区间有其自己的特色,可以更加准确的对梅河大米产地进行判断,而对同一产地不同品种的大米进行判别可以看出在该产区品种理化指标的分布是否形成其独有的特征,判别准确率越高说明在该产区品种因素对理化指标会产生较大的影响。
【图文】：

Illumination Technologies，Inc.，USA）S20，Guangzheng Instruments Co.，Ltd.，Beijing，Ch00-11-XZolix Instruments Co，Ltd. Beijing，China）构成，EKE-ER）全光谱卤素灯为光源。像和数据采集机、镜头、计算机、和 2 个 50W 的卤素灯光源组成，00-1007.2200nm，包含 477 个波段，系统采集大米样品果来调整曝光时间、物距等各项参数。采集图像时物距5ms，，位移台移动速度为 1.62 mm/s。设定好仪器参数后板平铺在载物台上（黑色底板的反射率接近于 0，大米方式摆放至载物台黑板上），进行大米高光谱数据的采构示意图如图 2.1 所示。

9图 2.3 感兴趣区域选择Fig 2.3Area of interest selection预处理稳定和准确的模型，从原始光谱中摒弃噪音异，提高分辨率。采用卷积平滑(savitzky-ng)、多元散射校正 (multiplicative scatter co通过三种预处理算法的对比，以期找到适合y 卷积平滑：目前，S-G 卷积平滑方法是近是一种基于移动平滑改进后的光谱预处理方数据进行最小二乘拟合。S-G 平滑更突出
【学位授予单位】：吉林农业大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TS210.7;O657.3;TP391.41

【相似文献】

相关期刊论文 前10条

1 马江丽;;基于高光谱成像技术的艺术品鉴定研究[J];文物保护与考古科学;2018年03期

2 桂江生;吴子娴;顾敏;迟元峰;包晓安;;高光谱成像技术在农业中的应用概述[J];浙江农业科学;2017年07期

3 于宏威;王强;刘丽;石爱民;胡晖;刘红芝;;粮油品质安全高光谱成像检测技术的研究进展[J];光谱学与光谱分析;2016年11期

4 刘燕德;邓清;;高光谱成像技术在水果无损检测中的应用[J];农机化研究;2015年07期

5 王龙;邱园园;李小波;;基于高光谱成像技术的牛羊肉品质无损检测研究进展[J];新疆农垦科技;2015年06期

6 张保华;李江波;樊书祥;黄文倩;张驰;王庆艳;肖广东;;高光谱成像技术在果蔬品质与安全无损检测中的原理及应用[J];光谱学与光谱分析;2014年10期

7 孙佳馨;;农产品外部品质无损检测中高光谱成像技术的应用研究进展[J];黑龙江科技信息;2014年27期

8 罗阳;何建国;贺晓光;王松磊;刘贵珊;;农产品无损检测中高光谱成像技术的应用研究[J];农机化研究;2013年06期

9 曲佳欢;马骥;孙大文;吴迪;曾新安;;高光谱成像在食品质量评估方面的研究进展与应用(一)[J];肉类研究;2012年04期

10 马骥;曲佳欢;孙大文;吴迪;曾新安;;高光谱成像在食品质量评估方面的研究进展与应用(二)[J];肉类研究;2012年05期

相关会议论文 前10条

1 张馨月;张旭东;;基于分类的高光谱压缩成像评价[A];第十三届全国信号和智能信息处理与应用学术会议论文集[C];2019年

2 成诚;;高光谱成像技术在公安业务中的应用展望[A];2017年光学技术研讨会暨交叉学科论坛论文集[C];2017年

3 柏财勋;李建欣;沈燕;;基于双折射偏振干涉的高光谱成像方法[A];第十六届全国光学测试学术交流会摘要集[C];2016年

4 刘德芳;孟鑫;李建欣;;基于色散剪切干涉的高光谱成像方法[A];第十五届全国光学测试学术交流会论文摘要集[C];2014年

5 颜昌翔;;星载高光谱成像及数据应用[A];第十届全国光电技术学术交流会论文集[C];2012年

6 杨暄;亓洪兴;刘敏;王义坤;刘毓博;汪磊;;机载摆扫式宽幅高光谱成像技术研究[A];2016年红外、遥感技术与应用研讨会暨交叉学科论坛论文集[C];2016年

7 何宝琨;;使用曲面棱镜的高光谱成像系统设计[A];中国空间科学学会空间探测专业委员会第二十六届全国空间探测学术研讨会会议论文集[C];2013年

8 向明顺;杨武年;杨尽;任金铜;温玉雯;周思琪;;基于高光谱成像技术的灾毁土地作物生长状况研究[A];资源环境与地学空间信息技术新进展学术会议论文集[C];2016年

9 巩梦婷;冯萍莉;;高光谱成像技术用于书画颜料的无损分析——以张大千临摹敦煌壁画《隋藻井》为例[A];中国文物保护技术协会第九次学术年会论文集[C];2016年

10 王静禹;杨良;孟留伟;李绍佳;傅霞萍;杜小强;吴迪;黄凌霞;;可见-近红外高光谱成像技术检测桑螟幼虫及其对桑叶损害的潜力研究[A];中国蚕学会2018年学术年会论文集[C];2018年

相关重要报纸文章 前3条

1 本报记者 袁一雪;高光谱成像 一双慧眼“看”透千年壁画[N];中国科学报;2018年

2 本报记者 于德福;擦亮找矿“天眼”[N];中国国土资源报;2012年

3 记者 聂可 秦华江;环保产业“蓝海”仍需技术“落地”[N];经济参考报;2015年

相关博士学位论文 前10条

1 司梦婷;火焰中碳黑形貌特征及其辐射特性检测研究[D];华中科技大学;2019年

2 谢正超;基于高光谱成像的火焰三维温度场、烟黑浓度场和气体浓度场重建研究[D];浙江大学;2018年

3 杜剑;基于医学高光谱影像分析的肿瘤组织分类方法研究[D];中国科学院大学(中国科学院西安光学精密机械研究所);2018年

4 吴威;基于高光谱成像的家禽胴体表面污染检测方法研究[D];南京农业大学;2017年

5 王彩玲;干涉高光谱成像中的信息提取技术[D];中国科学院研究生院(西安光学精密机械研究所);2011年

6 郭辉;牛肉主要品质参数无损光学检测装置的研究[D];中国农业大学;2014年

7 王鹏冲;声光调制型可见光高光谱成像技术研究[D];哈尔滨工业大学;2017年

8 葛明锋;基于轻小型无人机的高光谱成像系统研究[D];中国科学院研究生院(上海技术物理研究所);2015年

9 朱逢乐;基于光谱和高光谱成像技术的海水鱼品质快速无损检测[D];浙江大学;2014年

10 陈凯;长波红外高光谱成像信息获取与处理关键技术研究[D];中国科学院研究生院(上海技术物理研究所);2016年

相关硕士学位论文 前10条

1 万国玲;贮藏期内亚硝酸盐腌羊肉色泽变化的高光谱预测[D];宁夏大学;2019年

2 李玉婷;压缩高光谱成像编码矩阵优化设计[D];国防科技大学;2017年

3 李文博;复杂背景下地面目标可见光高光谱成像仿真[D];西安电子科技大学;2019年

4 赵军波;基于高光谱成像技术的环境微塑料检测的研究[D];大连理工大学;2019年

5 俞晗月;肉类掺假高光谱检测的数据处理方法研究[D];华中科技大学;2019年

6 曹崴;基于高光谱成像技术的大米产地鉴别研究[D];吉林农业大学;2019年

7 余云新;基于高光谱技术的掺假大米快速检测研究[D];华中科技大学;2019年

8 杨思成;基于高光谱成像技术的稻谷品种鉴别研究[D];武汉轻工大学;2019年

9 赵层;基于高光谱图像技术的梅河大米品质的无损检测研究[D];吉林农业大学;2019年

10 解娜;高光谱成像技术研究[D];长春理工大学;2019年

本文编号：2695187