光谱在稻米质量的无损检测研究.docVIP

食品无损检测课程论文 光谱在稻米质量的无损检测研究 学 号：20130802310018 姓 名：金雷 学 院： 食品学院 专业班级：13级食品质量与安全1班 完成日期： 2016年5月28日 摘要 随着社会经济的发展和人民生活水平的提高,粮食供求的主要矛盾已经从数量的不充足转变为质量的不理想。因此,建立稻米质量快速无损检测方法,无论是在育种,还是在食品加工和农产品贸易中都有重要意义。本文以不确定性人工智能理论和化学计量学理论为基础,利用数字图像处理技术、光谱分析技术、小波分析和模式识别技术研究影响稻米食用品质的三种重要品质奎白、直链淀粉含量的快速无损检测方法。 研究内容 2.1近红外光下稻米图像的采集环境 分别在透射光和反射光环境下采集单粒稻米图像,研究不同的试验条件包括不同光源,不同背景、不同电压得到的稻米图像,通过对以上条件下获得的图像的统计量的计算与比较以及图像清晰度以小波分析理论为基础构造高频系数的能量函数来作为图像清晰度的度量的比较来确定拍摄稻米图像适合奎白识别所需要 的试验环境和技术参数。 2.2自适应性识别算法研究 至白相关参数的计算准确度取决于单粒稻米奎白区域识别的精确度。而前人研究的方法对于光照环境、品种等因素的依赖性较强。为了克服此缺陷,本文研究具有自学习能力的的奎白识别算法。具体研究思路如下： （1）获取建模样本首先选择奎白面积约占胚乳部分的一半单粒稻米,并采集它们的图像。然后裁剪图像,使得稻米与背景区域面积相差不大。这样就可以用方法自动求得背景区域、胚乳中非奎白区域、奎白区域分割的闭值,并且可以准确地将这三个区域分割开。 （2）建立模型以云理论为基础,把变白与非奎白定义为两个定性概念,以一个不对称云和一个对称云来表达至白与非奎白,以两组数字特征分别描述奎白云与非奎白云。以上从奎白与非奎白区域像素点到奎白云与非要白云两个定性概念的转化是通过逆向云发生器来实现的。 （3）测试模型对于测试样本的各像素点则根据至白与非奎白的隶属度函数结合用极大值判定法来确定其归属。 （4）检验模型的精确性和自适应性通过用国标规定的人工目测方法、固定阂值法和云分类法对同一电压下获得的稻米图像的至白识别结果检验云分类法的精确性用以上几种方法在不同电压下获得的稻米图像的奎白识别结果检验云分类 2.3近红外光稻米直连淀粉的研究 近红外光谱受扫描次数、扫描分辨率、环境温度等因素的影响,同时还受基线的漂移与偏移、仪器的随机噪声、杂散光等对光谱产生干扰。因此为确定最优的采集条件并获得最佳建模效果,研究内容如下 （1）不同近红外光谱采集方式扫描次数,分辨率、温度等下采集光谱,通过对平均光谱与标准偏差光谱的比较与分析研究光谱采集参数设置对光谱响应特性的影响,从而确定最优的采集条件和参数。 （2）为了优化校正集,提高模型的预测精度,用基于马氏距离准则和基于预测浓度残差准则相结合的方法剔除了因各种主客观因素产生的异常光谱。 （3）为了消除由于基线的漂移与偏移、仪器的随机噪声、杂散光等对光谱产生干扰,提高光谱的信噪比,采用多种方法多元散射校正、标准归一化、一阶导数、二阶导数、卷积滤波,微分滤波对稻米光谱进行预处理,用偏最小 二乘法建立校正模型,比较所建模型的各项性能指标相关系数、校正均方差、预测均方差、内部交叉检验均方差,从而确定最合适的基线校正方法与光谱平滑方法。 （4）用逐步多元线性回归、主成分回归、偏最小二乘回归 定量分析方法对经预处理后的光谱建立校正模型,比较所建模型的各项性能指标相关系数、校正均方差、预测均方差、内部交叉检验均方差法的适应性。 2.4陈化米快速检测模型 （1）分别采集陈化米与非陈化米样本的近红外光谱,比较两组光谱的每个波数下的吸光度平均值与标准偏差,分析两类样本的近红外光谱响应特性。 （2）采用不同光谱预处理方法对原光谱进行处理。对原光谱以及不同预处理后的光谱进行主成分分析,计算前两个主成分得分并在直角坐标系作图以显示聚类情况,确定最优的光谱预处理方法。 （3）利用小波变换能够有效的降低高维空间数据的特性研究基于小波的特征提取方法。 （4）将支持向量机方法应用于陈化米与非陈化米的分类问题中。为了确定核函数与核参数,通过试验研究支持向量机的模型参数选择。首先用没有内部参数的线性函数作为核函数,改变惩罚因子,以获得最小的为准则,确定最佳的误差惩罚因子的值然后以不同的核函数以及核函数内部参数建立模型, 通过比较建立的模型识别率确定核函数及其参数。 结论 稻米是是全世界粮食的主要来源,建立稻米质量快速检测方法,无论是在育种,还是在食品加工和农产品贸易中都有重要意义。本文以不确定性人工智能理论和化学计量学理论为基础,利用数字图像处理技术、光谱分析技术、小波分析