论文部分内容阅读
随着高光谱图像技术不断发展,越来越多的国内外学者开始关注其在农产品无损检测中的应用。高光谱图像技术结合了光谱技术和图像技术的优点,既可以利用光谱技术对农产品内部品质进行检测,又可以利用图像技术对外部品质进行检测。全世界一半以上人口以大米为主食,随着生活水平的提高,消费者对大米品质的关注也越来越高。传统的大米品质检测手段主要是依靠人为的感官判断,精度低,效率差,而高光谱技术可以实现对大米品质的快速、无损、精确检测。本文以大米作为研究对象,利用高光谱图像技术对大米品种、水分及淀粉含量进行无损检测研究,并提出了基于高光谱图像技术的大米品种鉴别、水分含量、淀粉含量快速检测方法。主要研究内容如下:(1)本文首先利用高光谱图像技术对四种不同产地的大米进行品种鉴别。利用高光谱成像系统获取大米样本高光谱图像,使用ENVI软件确定大米的感兴趣区域,并提取出光谱数据,使用MATLAB V7.8软件提取大米的纹理特征和形态特征。然后利用主成分分析法(PCA)对光谱、纹理、形态进行特征波长的选择,得到九个特征波长(499.8,543.6,606.8,669.3,706.6,722.1,815.7,877.6,950.6nm)。分别建立基于全波长和特征波长的七个SVM模型:光谱特征模型、形态特征模型、纹理特征模型、光谱与形态结合特征模型、光谱与纹理结合特征模型、形态与纹理结合特征模型、光谱,纹理形态结合特征模型。比较两类模型,得到最优模型是基于特征波长的光谱、形态、纹理特征组合模型,精度达到91.67%。由此可以说明,利用高光谱图像技术检测大米品种的方法是可行的。(2)本文其次利用高光谱图像技术定量检测大米的水分含量。首先利用高光谱成像系统获取780-1800nm范围内的大米样本高光谱图像,利用ENVI软件确定大米样本感兴趣区域,并提取出光谱数据。在提取完光谱数据后,根据《GB5497-85粮食、油料检验水分测定法》中105℃恒重法检测大米样本中的水分含量作为大米样品的原始水分含量(CMW0=13.5%)。利用主成分分析法(PCA)和连续投影算法(SPA)对光谱数据进行特征提取,然后利用SVR、LS-SVR以及BCC-LS-SVR算法建立基于全波长光谱和特征波长光谱检测模型。对比模型可知,基于径向基函数的BCC-LS-SVR模型的精度最高,Rp2为0.989,RMSEP为0.767%,Rc2为0.985,RMSEC为0.591%。(3)本文最后利用高光谱图像技术对大米的淀粉含量进行检测。首先利用高光谱成像系统得到780-1800nm的大米样本的高光谱图像,利用ENVI软件确定大米的感兴趣区域,并提取出光谱数据。根据国标《GB/T 5009.9-2008食品中淀粉的测定》的酸水解法作为大米样品淀粉含量检测的标准化学分析方法,按照该方法对样品进行淀粉含量检测得到每组大米样本的淀粉含量。利用主成分分析法(PCA)和连续投影算法(SPA)对大米样本光谱数据特征提取,利用全波长光谱和特征波长光谱建立SVR回归模型,并进行模型比较。基于RBF核函数的PCA-SVR模型的精度最高,Rc2为0.989,RMSEC为0.445%,Rp2为0.991,RMSEP为0.669%。结果表明,基于高光谱图像技术的大米淀粉含量检测是可行的。