基于近紅外高光譜圖像分析的小麥硬度檢測(cè)研究.pdf

1、小麥?zhǔn)俏覈?guó)非常重要的糧食作物，小麥籽粒的硬度對(duì)制粉工藝有較大的影響，同時(shí)硬度不同的小麥在食品工業(yè)中的用途是不盡相同的，對(duì)小麥硬度進(jìn)行自動(dòng)檢測(cè)有助于提前確定調(diào)整制粉流程，確定配麥方案，調(diào)整潤(rùn)麥方案，并且對(duì)保持物料平衡和穩(wěn)定，以及提高生產(chǎn)效益都具有重要的指導(dǎo)意義。利用近紅外高光譜圖像分析技術(shù)對(duì)小麥硬度進(jìn)行自動(dòng)無(wú)損檢測(cè)目前在國(guó)內(nèi)外尚無(wú)研究報(bào)道。本論文以采購(gòu)到的西農(nóng)979、豫麥58、眾麥1號(hào)等22個(gè)品種的小麥為研究對(duì)象，研究了近紅外高光譜圖像分

2、析技術(shù)對(duì)小麥籽粒進(jìn)行硬度分類(lèi)的方法，并提出利用該技術(shù)對(duì)小麥籽粒硬度進(jìn)行預(yù)測(cè)。
　?。?）設(shè)計(jì)了基于近紅外高光譜圖像分析的小麥硬度檢測(cè)系統(tǒng)。該系統(tǒng)自動(dòng)采集麥粒的近紅外高光譜圖像，判別有效的麥粒目標(biāo)，分割單個(gè)完整麥粒的子圖像，對(duì)整個(gè)麥粒的光譜進(jìn)行光譜預(yù)處理。針對(duì)預(yù)處理結(jié)果，運(yùn)用小麥硬度分類(lèi)模型和小麥硬度預(yù)測(cè)模型對(duì)待檢驗(yàn)麥粒進(jìn)行硬度檢測(cè)，實(shí)現(xiàn)小麥硬度的自動(dòng)無(wú)損檢測(cè)。
　?。?）建立基于高光譜成像技術(shù)的小麥硬度分類(lèi)模型。對(duì)比研究采用

3、小麥硬度指數(shù)法得到的小麥樣品在高光譜成像技術(shù)下得到的結(jié)果，在采集到的不同硬度品種小麥中挑出硬麥、混合麥、軟麥三種不同硬度種類(lèi)小麥各一種，將其近紅外圖像與硬度種類(lèi)對(duì)應(yīng)。將糧粒近紅外高光譜數(shù)據(jù)經(jīng)過(guò)多元散射校正和求導(dǎo)處理后，提取950-1645nm為有效的光譜區(qū)間，并使用偏最小二乘判別分析法建立小麥硬度分類(lèi)模型。采用120粒小麥對(duì)模型進(jìn)行訓(xùn)練，90粒進(jìn)行預(yù)測(cè)，模型對(duì)硬麥、混合麥、軟麥三種不同硬度種類(lèi)總的分類(lèi)準(zhǔn)確率為99.63％。結(jié)果表明，采用

4、近紅外高光譜成像技術(shù)對(duì)單籽粒小麥硬度進(jìn)行分類(lèi)是可行的。
　　（3）建立基于高光譜成像技術(shù)的小麥硬度預(yù)測(cè)模型。研究近紅外高光譜圖像隨小麥籽粒硬度變化時(shí)的變化規(guī)律，建立基于偏最小二乘回歸模型和支持向量機(jī)回歸模型，對(duì)未知硬度的小麥硬度進(jìn)行預(yù)測(cè)。在偏最小二乘回歸模型中，其模型的相關(guān)系數(shù) R為0.8763，均方根誤差RMSE是0.2459，預(yù)測(cè)結(jié)果的相關(guān)系數(shù)R為0.8543，均方根誤差RMSE是0.2298。而支持向量機(jī)模型的相關(guān)系數(shù) R為