基于高光谱成像技术的稻谷品种鉴别研究

发布时间：2020-12-06 19:56

　　许多不同的稻谷品种看起来很相似,但它们的化学成分和最终产品质量却有很大差别,每年因品种混淆而造成巨大的经济损失,对稻谷品种的鉴别是发展优质粮食工程的现实需要,为此提出了一种采用高光谱成像技术实现稻谷品种无损快速鉴别的方法。主要研究内容和结果如下:（1）在全波段388～1 000 nm范围内采集5个品种共150粒的稻谷高光谱反射率数据,筛选出差异明显的波段（600～800 nm）,将此波段内每个品种的反射率进行Stacked计算和curve-smoothing平滑处理以增加其区分度。（2）对5种稻谷经平滑处理后的反射率数据做主成分分析,找到权值系数最大的波长位于680 nm,将其作为特征波长。加载特征波长下的纹理图像,计算每粒稻谷样品的纹理特征参数:均值（Mean）、方差（Variance）、信息熵（Entropy）和偏差（Skewness）。利用阈值分割的方法将目标与背景区分开,计算每粒稻谷形态特征参数:面积像素数/pixels²、边界的周长/pixels、长轴长度/pixels、短轴长度/pixels。结合稻谷的纹理特征参数和形态特征参数,比较Fisher判别分... 

【文章来源】：光谱学与光谱分析. 2019年10期 第3273-3280页 北大核心

【文章页数】：8 页

【文章目录】：
引 言
1 实验部分
    1.1 材料
    1.2 仪器与设备
    1.3 高光谱图像采集
        （1）参数设置
        （2）图像校正
    1.4 特征提取
        （1）感兴趣区域选择
        （2）光谱预处理
        （3）特征波长选择
        （4）纹理特征提取
            ①均值
            ②方差
            ③信息熵
            ④偏差
        （5）形态特征提取
    1.5 多元分析方法
        （1）主成分分析
        （2）Fisher判别分析
        （3）偏最小二乘回归
        （4）人工神经网络
    1.6 数据处理
2 结果与讨论
    2.1 前处理
    2.2 特征提取结果
        （1）特征波长提取结果
        （2）图像特征提取结果
    2.3 识别结果
        （1）基于图像信息的Fisher判别模型
        （2）基于图像信息的偏最小二乘回归模型
        （3）基于图像信息的神经网络模型
3 结 论


【参考文献】：
期刊论文
[1]基于信息熵的枸杞分级高光谱图像特征波长选择方法（英文）[J]. 于慧春,王润博,殷勇,刘云宏.  食品科学. 2017(20)
[2]基于高光谱成像技术的三文鱼肉水分含量的可视化研究[J]. 詹白勺,章海亮,杨建国.  光谱学与光谱分析. 2017(04)
[3]干湿交替诱导水稻根表铁膜形成的基因表达谱分析[J]. 傅友强,于晓莉,杨旭健,沈宏.  中国水稻科学. 2017(02)



本文编号：2901943