基于高光谱成像技术小麦籽粒霉变鉴别方法研究

作者：孙钰莹; 章银; 沈飞; 李光磊; 邢常瑞; 袁建^*

来源：中国粮油学报, 2022, 37(09): 40-46.

DOI：10.20048/j.cnki.issn.1003-0174.000342

• 高光谱成像
• 小麦霉变籽粒
• SPA
• SVM

小麦霉变籽粒是小麦不完善粒的一种，鉴别小麦霉变籽粒是粮食霉变程度的重要参考。为了更精确地鉴别小麦霉变籽粒，本研究利用高光谱成像技术采集不同品种小麦霉变籽粒及非霉变籽粒的光谱信息，建立小麦霉变籽粒的鉴别预测模型，实现小麦霉变籽粒快速、无损、有效、稳定鉴别。收集100粒霉变和100粒正常非霉变籽粒400～1 000 nm范围的高光谱图谱，通过不同的光谱预处理方法进行处理，选出最优光谱信息预处理方法。采用连续投影算法(SPA)和竞争性自适应重加权采样(CARS)提取特征波长，利用偏最小二乘判别分析(PLS-DA)和支持向量机(SVM)算法分别建立全波长范围和特征波长的小麦霉变籽粒鉴别模型。结果表明，白麦和红麦的最优预测模型分别为全波长-OSC-SVM和SPA-OSC-SVM模型，对应的RP2分别为0.996 3和0.999 8,RMSEP分别为0.030 9和0.006 4,RCV2分别为0.997 5和0.999 5,RMSECV分别为0.024 7和0.011 1。针对2个品种，用SPA法挑选出的特征波长建立的SVM模型对霉变籽粒均有较好的预测效果，模型预测准确性达98%以上，满足在线快速检测准确性的要求，并且对比建模的变量数量，所利用的特征波长也相对较少。因此，最终选择SPA挑选的特征波长结合支持向量机建立霉变籽粒的鉴别模型。

• 单位
  南京财经大学