稻谷是一种营养价值高,能够为人体提供大量能量的粮食作物之一。世界上有50%左右的人口以稻谷为主要食物来源。在中国,稻谷的产量占到世界总产量的67%。水分、淀粉和蛋白质是稻谷中重要的三种化学物质,测定其含量能够评价稻谷的品质。高光谱成像技术是现在无损检测领域的研究热点,其优势在于能够将光谱与图像相结合,并实现在线检测样本和分析化学成分变化。本课题借助高光谱成像技术,通过测定稻谷化学成分,建立了快速检测稻谷中淀粉、蛋白质和水分的预测模型,通过进一步简化预测模型,进而降低实验成本,并实现化学成分含量分布可视化。1. 通过测定稻谷的化学成分,得到87个不同品种的稻谷样本含水量分布在9.8000%-16.6000%;87个不同品种的稻谷的平均淀粉含量在42.8000%-65.3000%之间;87个不同品种的稻谷的平均蛋白质含量在5.1000%-9.3000%之间。其作为国标三级优质稻谷的连粳11在主要营养价值层次上均较为出色。2. 通过利用高光谱成像设备扫描稻谷样本,得到的光谱图像范围为1000-2500 nm。光谱图像在波长938 nm-2215 nm呈现相同的趋势;在波长低于938nm且高于2215 nm的情况下,曲线显示出不规则的趋势,由于辐射强烈和噪声影响明显,导致图像杂乱无章。3. 利用高光谱扫描图像结合偏最小二乘回归(PLSR)、主成分分析回归(PCR)和支持向量回归(SVR)建立了稻谷淀粉含量全波谱校准模型,得到PLSR模型的校准相关系数R_C~2为0.9040。根据三种多元数据统计统计方法,根据已经建立的校正模型建立了稻谷的全波谱预测模型,其中稻谷高光谱淀粉含量全波谱PLSR预测模型的预测相关系数,R_P~2=0.8147,预测均方差RMSEP=0.0245。PLSR淀粉预测模型具备基本预测能力。为了简化化学计量模型,根据淀粉PLS相关系数进行了稻谷淀粉特征波长的挑选,确定了特征波长为1051、1158、1346、1720、1809和2180nm。根据7个特征波长建立了5个PLSR模型进行淀粉的预测。比较建模效果,确定7波长模型为最优PLSR淀粉含量预测简化模型,具备较高的预测相关系数。通过将上述7波长偏最小二乘模型转换到图像的每个像素进而预测稻谷淀粉含量,构造了稻谷淀粉含量可视化图,能够更加直接通过颜色变化反应稻谷的淀粉含量。4. 利用高光谱扫描图像结PLSR、PCR、和最小二乘支持向量(LS-SVR)回归建立了稻谷蛋白质全波谱校准模型,得到PLSR模型的校准相关系数R_C~2为0.8894。根据三种多元数据统计统计方法,根据已经建立的校正模型建立了稻谷蛋白质的全波谱预测模型,其中稻谷高光谱蛋白质含量全波谱偏PLSR预测模型的预测相关系数,R_P~2=0.8434。PLSR蛋白质预测模型具备基本预测能力。为了简化化学计量预测模型,进行了蛋白质特征波长的挑选。相比水分和淀粉而言,蛋白质特征波长呈现更加复杂的分布。根据显著PLS回归系数,在本研究中1026、1152、1233、1290、1402、1471、1648、1744,1792、1855、1930、1970、2036、2069、2101、2138、2164 nm被作为具备显著回归系数的特征波长。根据特征波长建立了PLSR蛋白质含量预测简化模型,分别建立了17波长预测简化模型和7蛋白典型波长预测简化模型,最终应用17波长模型作为最终稻谷高光谱蛋白质含量预测简化模型。通过将上述17波长PLSR模型转换到图像的每个像素进而预测稻谷蛋白质含量,将预测集中8种不同品种的稻谷淀粉含量分布转换成视觉图像,能够更加直观的了解稻谷中蛋白质含量的分布。5. 利用高光谱扫描图像结合PLSR建立了稻谷水分全波谱校准模型,得到PLSR模型的校准相关系数R_C~2为0.8588,根据PLSR多元数据统计统计方法,根据已经建立的校正模型建立了稻谷水分的全波谱预测模型,其中稻谷高光谱水分含量全波谱PLSR预测模型的预测相关系数R_P~2=0.8159。PLSR水分预测模型具备基本预测能力。为了简化化学计量预测模型,进行了水分特征波长简化模型的建立。根据显著PLS回归系数,在本研究中1158、1214、1321、1427、1732、1867、2112、2170被作为具备显著回归系数的特征波长。根据特征波长建立了PLSR水分含量预测简化模型,建立了8波长预测简化模型,最终应用8波长模型作为最终稻谷高光谱水分含量预测简化模型。通过高光谱成像技术进行稻谷成分的快速无损检测能够加深对稻谷成分含量分布的理解以及对稻谷农业生产和收获过程具有重要意义。