【摘要】：作為我國重要的糧食作物,玉米的安全性與人們的生活密切相關(guān)。新鮮玉米由于含水量高、所帶的菌量較多,極易在高溫高濕條件下霉變,其中黃曲霉毒素B_1和赤霉烯酮是玉米霉變過程中產(chǎn)生的代表性毒素,如果被誤食則會在機體內(nèi)過氧化酶的代謝作用下導致肝臟細胞病變。因此,霉變玉米的快速檢測與評判十分必要。高光譜成像技術(shù)將光譜技術(shù)與圖像技術(shù)相融合可以全面的獲取待測樣品的信息,光譜信息可以檢測其物理結(jié)構(gòu)和化學成分,圖像信息可以充分反映其外部特征。該技術(shù)可用來快速檢測霉變玉米的霉變程度。然而,由于高光譜數(shù)據(jù)信息量大,會使得信息之間產(chǎn)生冗余,這對高光譜技術(shù)的應用非常不利。為了降低霉變玉米光譜數(shù)據(jù)量、消除冗余信息,論文提出了基于連續(xù)投影算法融合信息熵的特征波長選擇方法,探究了基于特征波長下的模型構(gòu)建正確率,并在特征波長選擇的基礎(chǔ)上構(gòu)建了霉變玉米毒素可視化模型。具體的研究工作如下:1.設(shè)置適當?shù)臏囟群蜐穸葪l件,并在實驗室的培養(yǎng)箱中培養(yǎng)了6個不同霉變等級的玉米樣品(每個等級50個樣本,共300個樣本)。根據(jù)國標法測定了不同霉變等級玉米樣品中的黃曲霉毒素B_1和赤霉烯酮含量。同時,使用高光譜圖像采集系統(tǒng)獲取了所有樣品的高光譜圖像并進行了黑白校正。2.對比多元散射校正和標準正態(tài)變量變換兩種預處理方法,將經(jīng)過兩種方法處理的光譜信息和全波長信息代入BP神經(jīng)網(wǎng)絡(luò)預測模型。結(jié)果表明,由多元散射校正后的光譜數(shù)據(jù)構(gòu)建的模型精度最高。該模型對黃曲霉毒素B_1和赤霉烯酮含量的預測精度R~2_(pre)和RMSEP分別為(0.8851,1.0623)和(0.8337,1.3627)。3.通過相關(guān)系數(shù)法確定有效波段,經(jīng)過相關(guān)系數(shù)法對原始光譜數(shù)據(jù)初降維之后,使用連續(xù)投影算法(SPA)算法選擇8個特征波長,利用圖像的信息熵原理在所選擇的8個特征波長上選擇最優(yōu)波長。提取了特征波長圖像的7個不變矩紋理特征和6個小波紋理特征;將13個特征參數(shù)作為Fisher判別分析(FDA)的輸入?yún)?shù),分別得到每個特征波長(初選的8個特征波長)下霉變玉米的分級正確率,結(jié)果表明基于最終選擇的特征波長下FDA的分級正確率最高,達到了99.1%。4.分別構(gòu)建了基于全波長、8個特征波長和4個特征波長下霉變玉米黃曲霉毒素B_1和赤霉烯酮的BP神經(jīng)網(wǎng)絡(luò)預測模型。結(jié)果表明,基于8個特征波長下的模型對霉變玉米黃曲霉毒素B_1和赤霉烯酮含量的預測精度最高。該模型對黃曲霉毒素B_1和赤霉烯酮含量的預測精度R~2_(pre)和RMSEP分別為(0.9769,0.0458)和(0.9841,0.1605)。5.在特征波長選擇的基礎(chǔ)上構(gòu)建霉變玉米毒素的偏最小二乘回歸模型,通過模型預測單像素點上的霉變玉米毒素含量,最終構(gòu)建霉變玉米毒素可視化模型。論文研究結(jié)果可獲得3個方面的結(jié)論:1)光譜信息和圖像信息的融合運用可以有效地反映霉變玉米樣品信息;2)連續(xù)投影算法融合信息熵來選擇高光譜特征波長是有效的;3)通過預測單個像素上霉變玉米毒素含量可以實現(xiàn)霉變玉米毒素可視化。
【圖文】：

圖 2-1 高光譜圖像采集裝置Fig. 2-1 Hyperspectral image acquisition system采集裝置如圖 2-1 所示，，該裝置包括高光譜成像光Spec 公司）、康標達鏡頭（日本 Computar 公司）

A4 A5 A6圖 2-2 720nm 波長下不同霉變等級玉米高光譜圖像Fig. 2-2 Hyperspectral image of different grades of moldy maize at 720nm wavelength
【學位授予單位】：河南科技大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TP391.41;TS210.7

【參考文獻】

相關(guān)期刊論文 前10條

1 李聽聽;陳偉;李廣富;盧中一;;玉米儲藏霉菌類群及玉米赤霉烯酮含量的研究[J];中國糧油學報;2015年12期

2 趙炎;張乃建;王若蘭;;霉變玉米真菌毒素含量與圖像顏色特征參數(shù)之間的相關(guān)性研究[J];糧食與飼料工業(yè);2015年12期

3 劉德華;張淑娟;王斌;余克強;趙艷茹;何勇;;基于高光譜成像技術(shù)的山楂損傷和蟲害缺陷識別研究[J];光譜學與光譜分析;2015年11期

4 文韜;洪添勝;李立君;郭鑫;趙兵;張仟仟;劉付;;基于高光譜技術(shù)的霉變稻谷脂肪酸含量無損檢測[J];農(nóng)業(yè)工程學報;2015年18期

5 金瑞;李小昱;顏伊蕓;徐夢玲;庫靜;徐森淼;胡雪雪;;基于高光譜圖像和光譜信息融合的馬鈴薯多指標檢測方法[J];農(nóng)業(yè)工程學報;2015年16期

6 高俊峰;張初;謝傳奇;朱逢樂;郭振豪;何勇;;應用近紅外高光譜成像技術(shù)預測甘蔗可溶性固形物含量[J];光譜學與光譜分析;2015年08期

7 王月華;孫冬梅;溫江濤;房濤;王萍;程芳園;;玉米油生產(chǎn)過程中對玉米赤霉烯酮及嘔吐毒素的影響[J];糧食與食品工業(yè);2015年04期

8 王燕;李增梅;董燕婕;陳業(yè)兵;王玉濤;鄧立剛;趙善倉;;真菌毒素對玉米質(zhì)量安全的影響研究[J];農(nóng)產(chǎn)品質(zhì)量與安全;2015年03期

9 李少暉;任丹丹;謝云峰;劉佳;楊永壇;;食品中黃曲霉毒素檢測方法研究進展[J];食品安全質(zhì)量檢測學報;2015年04期

10 岳學軍;全東平;洪添勝;Wei Xiang;劉永鑫;王健;;不同生長期柑橘葉片磷含量的高光譜預測模型[J];農(nóng)業(yè)工程學報;2015年08期

本文編號：2617349