1、稻谷存儲(chǔ)和加工過(guò)程中易發(fā)生品種混合和蟲(chóng)害，直接影響到后期加工產(chǎn)品的品質(zhì)與安全。因此稻谷加工過(guò)程中品種和蟲(chóng)害的快速無(wú)損鑒別，可提高稻谷加工過(guò)程的在線監(jiān)控水平，也為稻谷育種、種植、收購(gòu)和銷(xiāo)售過(guò)程提供信息服務(wù)。常規(guī)的人工檢測(cè)方法費(fèi)時(shí)、費(fèi)力，且檢測(cè)靈敏度差。高光譜成像技術(shù)是一種集光譜和圖像為一體的無(wú)損檢測(cè)技術(shù)，已在食品、農(nóng)產(chǎn)品品質(zhì)檢測(cè)方面有越來(lái)越多的應(yīng)用。本論文開(kāi)展了利用高光譜成像技術(shù)對(duì)三種加工程度下稻谷品種及蟲(chóng)害的檢測(cè)研究。論文主要內(nèi)容如下:

2、
　　(1)基于高光譜成像技術(shù)的不同加工程度下稻谷品種鑒別研究。實(shí)驗(yàn)采用16個(gè)品種的稻谷，分別考察原料稻谷、加工后糙米和成品大米三種不同階段的樣品。以單個(gè)籽粒為樣本，首先采集樣本高光譜數(shù)據(jù)，根據(jù)樣品特點(diǎn)優(yōu)化儀器特征參數(shù)和數(shù)據(jù)采集條件，更換相機(jī)鏡頭和樣本載臺(tái)。其次根據(jù)多元圖像分析優(yōu)選特征波長(zhǎng)，提取特征波長(zhǎng)下圖像形狀和紋理特征值為樣本變量，并比較主成分分析(PCA)、線性判別分析(LDA)、正交線性判別分析(OLDA)和偏最小二乘判別

3、分析(PLS-DA)四種分類方法，結(jié)果發(fā)現(xiàn)采用LDA和OLDA的模型效果好于PCA和PLS-DA。最后嘗試采用自適應(yīng)提升法(AdaBoost)建立品種鑒別模型，經(jīng)過(guò)多輪迭代，AdaBoost+OLDA模型對(duì)稻谷、糙米和大米三種樣品品種的預(yù)測(cè)正確率分別達(dá)到98.1％、99.7％和96.3％。研究結(jié)果表明高光譜成像技術(shù)結(jié)合AdaBoost+OLDA算法可以有效鑒別稻谷、糙米和大米的品種，對(duì)于相近品種的鑒別效果說(shuō)明了高光譜成像技術(shù)在糧食籽粒品

4、種鑒別中有很好的應(yīng)用潛力。
　　(2)基于高光譜成像技術(shù)的不同加工程度下稻谷蟲(chóng)害程度判別研究。分別考察原料稻谷、加工后糙米和成品大米三種不同階段的樣品。取209為一個(gè)樣本，培養(yǎng)得到害蟲(chóng)（玉米象）侵害0天（完好粒）、1天、3天、5天、10天和20天的蟲(chóng)蝕粒，采集其高光譜數(shù)據(jù)。然后根據(jù)多元圖像分析優(yōu)選特征波長(zhǎng)，提取特征波長(zhǎng)下圖像紋理特征值為樣本變量，分別比較PCA和LDA兩種數(shù)據(jù)降維方法對(duì)樣本的分類效果。結(jié)果表明LDA的分類效果好于P

5、CA，LDA對(duì)稻谷、糙米和大米三者不同蟲(chóng)害時(shí)間的交互驗(yàn)證識(shí)別率分別為85.0％，93.3％和98.3％。此外，通過(guò)計(jì)算樣品間歐式距離，闡釋了樣品隨著蟲(chóng)害時(shí)間的加長(zhǎng)，其表面形態(tài)，營(yíng)養(yǎng)成分以及內(nèi)部害蟲(chóng)成長(zhǎng)的變化情況。研究結(jié)果表明高光譜成像技術(shù)可應(yīng)用于稻谷加工過(guò)程中蟲(chóng)害程度的快速鑒別。
　　(3)基于高光譜成像技術(shù)的稻谷易感害蟲(chóng)種類識(shí)別研究。以稻谷易感的兩種害蟲(chóng)米象和玉米象為實(shí)驗(yàn)對(duì)象，將試蟲(chóng)制作標(biāo)本后采集其高光譜數(shù)據(jù)，根據(jù)多元圖像分析優(yōu)