【摘要】：地理標志是評價農產(chǎn)品質量的重要標簽,因生長環(huán)境和產(chǎn)地的優(yōu)勢,形成了地標大米獨特的內在品質。梅河大米因地理位置(黃金水稻帶)和優(yōu)質的水源(輝發(fā)河),形成了具有自身特色的高品質指標。具有較高經(jīng)濟價值的梅河大米,因其自身的產(chǎn)量有限,所以市場上充斥了大量的摻假米和假冒米,不但破壞了市場秩序還損害了消費者的利益。在信息物流高速發(fā)展的今天,如何保證梅河大米的品質不受其他因素的影響,需要建立一種高效快速的梅河大米檢測技術。隨著現(xiàn)代科技的高速發(fā)展,食品行業(yè)迅速崛起,用簡單高效的檢測方法替代復雜耗時的傳統(tǒng)方法成為當下研究的熱門話題,高光譜成像技術作為當下無損檢測的技術之一,其對大米內在品質的觀測更為全面。本文以產(chǎn)自梅河四個產(chǎn)區(qū)(曙光鎮(zhèn)、灣龍鄉(xiāng)、黑山頭鎮(zhèn)和吉樂鄉(xiāng))的3個品種(稻花香、秋田小町和吉粳60)大米作為實驗樣品。使用高光譜成像技術對梅河大米的理化指標進行快速無損的檢測,得到脂肪酸含量和蛋白質含量的PLSR預測模型,實現(xiàn)了對梅河大米品質的快速無損鑒定,之后可用此方法對大米里的其他成分進行檢測,確保梅河大米的品質。本文通過對梅河大米光譜數(shù)據(jù)和理化指標的判別分析,可以得到更加準確的梅河大米產(chǎn)地品種的溯源信息,為之后對梅河大米品質的鑒定提供依據(jù),最后利用光譜數(shù)據(jù)完成了梅河大米內部與外部的產(chǎn)地判別,減少摻假米在市場上的流通。為實現(xiàn)高光譜對大米脂肪酸和蛋白質含量的測定,將經(jīng)過壟谷去糙后的大米樣本按照3×5網(wǎng)格隨機擺放至載物臺黑板上進行高光譜圖像的采集,用ENVI5.0提取出感興趣區(qū)域內的平均光譜信息,通過MATLAB2016a對大米的數(shù)據(jù)進行后續(xù)的建模。通過光譜結合脂肪酸和蛋白質的含量,得到了梅河大米脂肪酸和蛋白質的預測模型。兩者的最優(yōu)模型均為PLSR模型,對光譜數(shù)據(jù)進行SPA特征波段的提取,分別以得到的26個特征波段和27個特征波段為自變量,建立脂肪酸和蛋白質含量的預測模型,為了實現(xiàn)更加直觀的表達,本文將提取的大米高光譜圖像所有像素點的光譜數(shù)據(jù)帶入已建好的脂肪酸和蛋白質含量的預測模型,得到各像素點的脂肪酸和蛋白質含量,并將高光譜灰度圖像放入MATLAB進行偽彩色處理,可視化了大米中脂肪酸和蛋白質含量的分布情況。通過采用大米高光譜數(shù)據(jù)對梅河大米的產(chǎn)地和品種進行判別分析,得到不同品種四個產(chǎn)區(qū)的Fisher’s判別模型和BP神經(jīng)網(wǎng)絡模型的準確率為86.30%和93.40%,同一品種大米四個產(chǎn)區(qū)的Fisher’s判別模型和BP神經(jīng)網(wǎng)絡模型的準確率為95.80%和97.10%;梅河與非梅河大米的Fisher’s判別模型和BP神經(jīng)網(wǎng)絡模型的準確率為93.8%和94.83%,梅河三個品種的Fisher’s判別模型和BP神經(jīng)網(wǎng)絡模型的準確率為97.30%和97.70%;實現(xiàn)了對梅河大米的快速無損的產(chǎn)地品種判別分析。為了明確梅河大米營養(yǎng)成分分布情況,對來自不同產(chǎn)區(qū)不同品種的大米進行了品種和產(chǎn)地的雙因素方差分析,證明四個理化指標(脂肪酸、蛋白質、灰分、脂肪)在品種和產(chǎn)地間存在顯著性差異。對不同產(chǎn)地不同品種的大米進行產(chǎn)地和品種的判別分析,可以看出理化指標的分布因產(chǎn)區(qū)和品種的不同,形成了其獨有的理化分布特征。使用單一理化指標對大米品種和產(chǎn)地進行判別,判別的準確率較低;之后進行四個指標結合的判別分析,對同一品種不同產(chǎn)區(qū)梅河大米的產(chǎn)地判別,判別率越高表明該品種大米的理化指標分布在產(chǎn)區(qū)間有其自己的特色,可以更加準確的對梅河大米產(chǎn)地進行判斷,而對同一產(chǎn)地不同品種的大米進行判別可以看出在該產(chǎn)區(qū)品種理化指標的分布是否形成其獨有的特征,判別準確率越高說明在該產(chǎn)區(qū)品種因素對理化指標會產(chǎn)生較大的影響。
【圖文】：

Illumination Technologies，Inc.，USA）S20，Guangzheng Instruments Co.，Ltd.，Beijing，Ch00-11-XZolix Instruments Co，Ltd. Beijing，China）構成，EKE-ER）全光譜鹵素燈為光源。像和數(shù)據(jù)采集機、鏡頭、計算機、和 2 個 50W 的鹵素燈光源組成，00-1007.2200nm，包含 477 個波段，系統(tǒng)采集大米樣品果來調整曝光時間、物距等各項參數(shù)。采集圖像時物距5ms，，位移臺移動速度為 1.62 mm/s。設定好儀器參數(shù)后板平鋪在載物臺上（黑色底板的反射率接近于 0，大米方式擺放至載物臺黑板上），進行大米高光譜數(shù)據(jù)的采構示意圖如圖 2.1 所示。

9圖 2.3 感興趣區(qū)域選擇Fig 2.3Area of interest selection預處理穩(wěn)定和準確的模型，從原始光譜中摒棄噪音異，提高分辨率。采用卷積平滑(savitzky-ng)、多元散射校正 (multiplicative scatter co通過三種預處理算法的對比，以期找到適合y 卷積平滑：目前，S-G 卷積平滑方法是近是一種基于移動平滑改進后的光譜預處理方數(shù)據(jù)進行最小二乘擬合。S-G 平滑更突出
【學位授予單位】：吉林農業(yè)大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TS210.7;O657.3;TP391.41

【相似文獻】

相關期刊論文 前10條

1 馬江麗;;基于高光譜成像技術的藝術品鑒定研究[J];文物保護與考古科學;2018年03期

2 桂江生;吳子嫻;顧敏;遲元峰;包曉安;;高光譜成像技術在農業(yè)中的應用概述[J];浙江農業(yè)科學;2017年07期

3 于宏威;王強;劉麗;石愛民;胡暉;劉紅芝;;糧油品質安全高光譜成像檢測技術的研究進展[J];光譜學與光譜分析;2016年11期

4 劉燕德;鄧清;;高光譜成像技術在水果無損檢測中的應用[J];農機化研究;2015年07期

5 王龍;邱園園;李小波;;基于高光譜成像技術的牛羊肉品質無損檢測研究進展[J];新疆農墾科技;2015年06期

6 張保華;李江波;樊書祥;黃文倩;張馳;王慶艷;肖廣東;;高光譜成像技術在果蔬品質與安全無損檢測中的原理及應用[J];光譜學與光譜分析;2014年10期

7 孫佳馨;;農產(chǎn)品外部品質無損檢測中高光譜成像技術的應用研究進展[J];黑龍江科技信息;2014年27期

8 羅陽;何建國;賀曉光;王松磊;劉貴珊;;農產(chǎn)品無損檢測中高光譜成像技術的應用研究[J];農機化研究;2013年06期

9 曲佳歡;馬驥;孫大文;吳迪;曾新安;;高光譜成像在食品質量評估方面的研究進展與應用(一)[J];肉類研究;2012年04期

10 馬驥;曲佳歡;孫大文;吳迪;曾新安;;高光譜成像在食品質量評估方面的研究進展與應用(二)[J];肉類研究;2012年05期

相關會議論文 前10條

1 張馨月;張旭東;;基于分類的高光譜壓縮成像評價[A];第十三屆全國信號和智能信息處理與應用學術會議論文集[C];2019年

2 成誠;;高光譜成像技術在公安業(yè)務中的應用展望[A];2017年光學技術研討會暨交叉學科論壇論文集[C];2017年

3 柏財勛;李建欣;沈燕;;基于雙折射偏振干涉的高光譜成像方法[A];第十六屆全國光學測試學術交流會摘要集[C];2016年

4 劉德芳;孟鑫;李建欣;;基于色散剪切干涉的高光譜成像方法[A];第十五屆全國光學測試學術交流會論文摘要集[C];2014年

5 顏昌翔;;星載高光譜成像及數(shù)據(jù)應用[A];第十屆全國光電技術學術交流會論文集[C];2012年

6 楊暄;亓洪興;劉敏;王義坤;劉毓博;汪磊;;機載擺掃式寬幅高光譜成像技術研究[A];2016年紅外、遙感技術與應用研討會暨交叉學科論壇論文集[C];2016年

7 何寶琨;;使用曲面棱鏡的高光譜成像系統(tǒng)設計[A];中國空間科學學會空間探測專業(yè)委員會第二十六屆全國空間探測學術研討會會議論文集[C];2013年

8 向明順;楊武年;楊盡;任金銅;溫玉雯;周思琪;;基于高光譜成像技術的災毀土地作物生長狀況研究[A];資源環(huán)境與地學空間信息技術新進展學術會議論文集[C];2016年

9 鞏夢婷;馮萍莉;;高光譜成像技術用于書畫顏料的無損分析——以張大千臨摹敦煌壁畫《隋藻井》為例[A];中國文物保護技術協(xié)會第九次學術年會論文集[C];2016年

10 王靜禹;楊良;孟留偉;李紹佳;傅霞萍;杜小強;吳迪;黃凌霞;;可見-近紅外高光譜成像技術檢測桑螟幼蟲及其對桑葉損害的潛力研究[A];中國蠶學會2018年學術年會論文集[C];2018年

相關重要報紙文章 前3條

1 本報記者 袁一雪;高光譜成像 一雙慧眼“看”透千年壁畫[N];中國科學報;2018年

2 本報記者 于德福;擦亮找礦“天眼”[N];中國國土資源報;2012年

3 記者 聶可 秦華江;環(huán)保產(chǎn)業(yè)“藍海”仍需技術“落地”[N];經(jīng)濟參考報;2015年

相關博士學位論文 前10條

1 司夢婷;火焰中碳黑形貌特征及其輻射特性檢測研究[D];華中科技大學;2019年

2 謝正超;基于高光譜成像的火焰三維溫度場、煙黑濃度場和氣體濃度場重建研究[D];浙江大學;2018年

3 杜劍;基于醫(yī)學高光譜影像分析的腫瘤組織分類方法研究[D];中國科學院大學(中國科學院西安光學精密機械研究所);2018年

4 吳威;基于高光譜成像的家禽胴體表面污染檢測方法研究[D];南京農業(yè)大學;2017年

5 王彩玲;干涉高光譜成像中的信息提取技術[D];中國科學院研究生院(西安光學精密機械研究所);2011年

6 郭輝;牛肉主要品質參數(shù)無損光學檢測裝置的研究[D];中國農業(yè)大學;2014年

7 王鵬沖;聲光調制型可見光高光譜成像技術研究[D];哈爾濱工業(yè)大學;2017年

8 葛明鋒;基于輕小型無人機的高光譜成像系統(tǒng)研究[D];中國科學院研究生院(上海技術物理研究所);2015年

9 朱逢樂;基于光譜和高光譜成像技術的海水魚品質快速無損檢測[D];浙江大學;2014年

10 陳凱;長波紅外高光譜成像信息獲取與處理關鍵技術研究[D];中國科學院研究生院(上海技術物理研究所);2016年

相關碩士學位論文 前10條

1 萬國玲;貯藏期內亞硝酸鹽腌羊肉色澤變化的高光譜預測[D];寧夏大學;2019年

2 李玉婷;壓縮高光譜成像編碼矩陣優(yōu)化設計[D];國防科技大學;2017年

3 李文博;復雜背景下地面目標可見光高光譜成像仿真[D];西安電子科技大學;2019年

4 趙軍波;基于高光譜成像技術的環(huán)境微塑料檢測的研究[D];大連理工大學;2019年

5 俞晗月;肉類摻假高光譜檢測的數(shù)據(jù)處理方法研究[D];華中科技大學;2019年

6 曹崴;基于高光譜成像技術的大米產(chǎn)地鑒別研究[D];吉林農業(yè)大學;2019年

7 余云新;基于高光譜技術的摻假大米快速檢測研究[D];華中科技大學;2019年

8 楊思成;基于高光譜成像技術的稻谷品種鑒別研究[D];武漢輕工大學;2019年

9 趙層;基于高光譜圖像技術的梅河大米品質的無損檢測研究[D];吉林農業(yè)大學;2019年

10 解娜;高光譜成像技術研究[D];長春理工大學;2019年

本文編號：2695187