大米是世界上三分之一人口的主食,但却面临着严重的掺假问题。以被誉为中国最好的大米(五常大米)为例,据调查,目前市场上近90%的五常大米都经过掺假,严重损害了消费者和厂商的利益。因此,亟需对掺假大米进行快速和准确地分析。传统的掺假大米检测技术如凝胶电泳、分子标记、核磁共振等,通常需要复杂的样品前处理、操作繁琐、耗时较长。而高光谱成像技术综合了计算机视觉和光谱技术的优点,具有完全无损、图谱合一、操作简单和快速原位检测等特点,在食品掺假检测领域具有巨大的应用前景。目前,高光谱技术在分析掺假大米时主要存在以下难题:一是高光谱系统参数对掺假大米分析结果的影响尚不明确,高光谱数据采集质量不高;二是大米光谱受到严重的非线性散射效应干扰并存在基线漂移,降低了分析精度。因此,本文自主设计并搭建了一套室内高光谱成像系统,并基于辐射传输原理对其性能展开研究。在此基础上,结合多元数据分析方法对掺假大米进行定性和定量分析,取得的主要成果和创新点如下:(1)本文首先设计并搭建了一套几何参数连续可调的室内高光谱成像系统,并基于辐射传输原理研究系统参数与其信噪比之间的映射关系。然后通过正交实验得到基于高光谱技术的掺假大米检测系统的最佳参数:高光谱成像仪到样品表面的高度为25cm,卤素灯照射样品的角度分别为1/6*πrad和5/18*πrad,对应卤素灯到样品的距离分别为20 cm和40 cm,高光谱成像仪的曝光时间为20 ms。(2)针对大米表面存在严重的非线性散射效应问题,本文提出使用分段多元散射校正算法(PMSC)来对其进行校正,随后利用主成分分析法(PCA)对高光谱数据进行降维,并分别设计了多地源掺假大米分类和不同梯度掺假大米分类两个实验来验证PMSC校正效果。实验结果表明,通过采用PMSC算法校正光谱,并建立支持向量机(SVM)模型后,掺假大米分类的准确率和稳定性都得到了显著地提升。其中,正确分类率平均提升3.2%、kappa系数平均提升3.9%、变异系数(CV)平均降低44%。(3)在掺假大米分类研究的基础上,又进一步对其展开了定量分析。本文提出使用一阶Savitzky-Golay微分法(SG1)消除大米光谱的常量光谱基线漂移来提升掺假大米的定量精度和可靠性,随后通过权重回归系数选取特征波段以消除光谱中的冗余信息。实验结果表明,基于全谱的PLSR模型的预测集的R_P为0.9909、RMSE_P为0.0447、RPD_P为11.28。此外,基于权重回归系数选择了15个特征光谱,并建立了简化的PLSR模型,其R_P为0.9769、RMSE_P为0.0708、RPD_P为3.49。最后,根据所建立的偏最小二乘回归(PLSR)模型绘出掺假大米的可视化分布图综上所述,本文所搭建的室内高光谱成像系统及随后提出的多元数据分析手段有效地消除了大米表面的非线性散射效应及光谱基线漂移,提高了掺假大米检测的精度与可靠性,并对掺假大米的分布成功进行了可视化处理。这表明高光谱技术可为掺假大米的现场、快速、无损检测提供强有力的手段,在大米分级、溯源等领域具有广泛的应用前景。