基于高光谱技术的掺假大米快速检测研究

基于高光谱技术的掺假大米快速检测研究

论文摘要

大米是世界上三分之一人口的主食,但却面临着严重的掺假问题。以被誉为中国最好的大米(五常大米)为例,据调查,目前市场上近90%的五常大米都经过掺假,严重损害了消费者和厂商的利益。因此,亟需对掺假大米进行快速和准确地分析。传统的掺假大米检测技术如凝胶电泳、分子标记、核磁共振等,通常需要复杂的样品前处理、操作繁琐、耗时较长。而高光谱成像技术综合了计算机视觉和光谱技术的优点,具有完全无损、图谱合一、操作简单和快速原位检测等特点,在食品掺假检测领域具有巨大的应用前景。目前,高光谱技术在分析掺假大米时主要存在以下难题:一是高光谱系统参数对掺假大米分析结果的影响尚不明确,高光谱数据采集质量不高;二是大米光谱受到严重的非线性散射效应干扰并存在基线漂移,降低了分析精度。因此,本文自主设计并搭建了一套室内高光谱成像系统,并基于辐射传输原理对其性能展开研究。在此基础上,结合多元数据分析方法对掺假大米进行定性和定量分析,取得的主要成果和创新点如下:(1)本文首先设计并搭建了一套几何参数连续可调的室内高光谱成像系统,并基于辐射传输原理研究系统参数与其信噪比之间的映射关系。然后通过正交实验得到基于高光谱技术的掺假大米检测系统的最佳参数:高光谱成像仪到样品表面的高度为25cm,卤素灯照射样品的角度分别为1/6*πrad和5/18*πrad,对应卤素灯到样品的距离分别为20 cm和40 cm,高光谱成像仪的曝光时间为20 ms。(2)针对大米表面存在严重的非线性散射效应问题,本文提出使用分段多元散射校正算法(PMSC)来对其进行校正,随后利用主成分分析法(PCA)对高光谱数据进行降维,并分别设计了多地源掺假大米分类和不同梯度掺假大米分类两个实验来验证PMSC校正效果。实验结果表明,通过采用PMSC算法校正光谱,并建立支持向量机(SVM)模型后,掺假大米分类的准确率和稳定性都得到了显著地提升。其中,正确分类率平均提升3.2%、kappa系数平均提升3.9%、变异系数(CV)平均降低44%。(3)在掺假大米分类研究的基础上,又进一步对其展开了定量分析。本文提出使用一阶Savitzky-Golay微分法(SG1)消除大米光谱的常量光谱基线漂移来提升掺假大米的定量精度和可靠性,随后通过权重回归系数选取特征波段以消除光谱中的冗余信息。实验结果表明,基于全谱的PLSR模型的预测集的RP为0.9909、RMSEP为0.0447、RPDP为11.28。此外,基于权重回归系数选择了15个特征光谱,并建立了简化的PLSR模型,其RP为0.9769、RMSEP为0.0708、RPDP为3.49。最后,根据所建立的偏最小二乘回归(PLSR)模型绘出掺假大米的可视化分布图综上所述,本文所搭建的室内高光谱成像系统及随后提出的多元数据分析手段有效地消除了大米表面的非线性散射效应及光谱基线漂移,提高了掺假大米检测的精度与可靠性,并对掺假大米的分布成功进行了可视化处理。这表明高光谱技术可为掺假大米的现场、快速、无损检测提供强有力的手段,在大米分级、溯源等领域具有广泛的应用前景。

论文目录

  • 摘要
  • Abstract
  • 1 绪论
  •   1.1 引言
  •   1.2 传统掺假大米检测技术研究现状
  •   1.3 高光谱成像技术简介及研究现状
  •   1.4 课题的来源、目的及意义
  •   1.5 本文的主要内容
  • 2 高光谱成像系统原理、装置及分析方法
  •   2.1 引言
  •   2.2 几何参数连续可调的室内高光谱成像系统
  •   2.3 室内高光谱成像系统操作流程
  •   2.4 高光谱数据分析方法
  •   2.5 本章小结
  • 3 基于高光谱技术的掺假大米检测系统性能研究
  •   3.1 引言
  •   3.2 基于辐射传输过程的掺假大米检测系统信噪比分析
  •   3.3 掺假大米检测系统参数优化
  •   3.4 本章小结
  • 4 基于PMSC算法的掺假大米分类准确率与稳定性研究
  •   4.1 引言
  •   4.2 掺假大米样品准备与数据采集
  •   4.3 多元数据分析及评价指标
  •   4.4 多地源掺假大米分类研究
  •   4.5 不同梯度掺假大米分类研究
  •   4.6 本章小结
  • 5 基于SG1算法的掺假大米定量精度与可靠性研究
  •   5.1 引言
  •   5.2 掺假大米样品准备与数据采集
  •   5.3 多元数据分析及评价指标
  •   5.4 掺假大米的光谱分析
  •   5.5 基于全谱的掺假大米定量结果
  •   5.6 基于特征光谱的掺假大米定量结果
  •   5.7 掺假大米可视化分布
  •   5.8 本章小结
  • 6 总结和展望
  •   6.1 总结
  •   6.2 展望
  • 致谢
  • 参考文献
  • 附录: 攻读硕士学位期间发表论文及专利目录
  • 文章来源

    类型: 硕士论文

    作者: 余云新

    导师: 郭连波

    关键词: 高光谱成像技术,掺假大米,非线性散射效应,常量光谱基线漂移,可视化

    来源: 华中科技大学

    年度: 2019

    分类: 基础科学,工程科技Ⅰ辑

    专业: 物理学,化学,轻工业手工业

    单位: 华中科技大学

    基金: 华中科技大学武汉光电国家研究中心自选课题

    分类号: O433.4;TS210.7;O657.3

    DOI: 10.27157/d.cnki.ghzku.2019.003932

    总页数: 74

    文件大小: 3507K

    下载量: 133

    相关论文文献

    • [1].高光谱成像技术在农产品检测中的应用[J]. 农家参谋 2020(08)
    • [2].序言[J]. 遥感学报 2020(04)
    • [3].基于高光谱成像技术预测牡蛎干制加工过程中的水分含量[J]. 中国食品学报 2020(07)
    • [4].第五届高光谱成像技术及应用研讨会征文通知[J]. 红外 2020(06)
    • [5].基于高光谱成像快速检测牛肉糜中大豆分离蛋白掺入量[J]. 食品工业科技 2020(20)
    • [6].基于高光谱成像技术的艺术品鉴定研究[J]. 文物保护与考古科学 2018(03)
    • [7].高光谱成像技术在农业中的应用概述[J]. 浙江农业科学 2017(07)
    • [8].高光谱成像技术在食品品质无损检测中的应用[J]. 食品工业科技 2016(03)
    • [9].粮油品质安全高光谱成像检测技术的研究进展[J]. 光谱学与光谱分析 2016(11)
    • [10].高光谱成像技术在水果无损检测中的应用[J]. 农机化研究 2015(07)
    • [11].基于高光谱成像技术的牛羊肉品质无损检测研究进展[J]. 新疆农垦科技 2015(06)
    • [12].人工智能和工业4.0视域下高光谱成像技术融合深度学习方法在中药领域中的应用与展望[J]. 中国中药杂志 2020(22)
    • [13].无人机载高光谱成像系统识别沥青路面血液痕迹研究[J]. 刑事技术 2020(04)
    • [14].近红外高光谱成像用于伊斯兰纸的定量化学分析[J]. 文物保护与考古科学 2020(05)
    • [15].浅谈高光谱成像技术在显现消褪字迹中的应用[J]. 法制与社会 2019(01)
    • [16].高光谱成像与应用技术发展[J]. 计测技术 2019(04)
    • [17].高光谱成像技术在农业中的应用概述[J]. 时代农机 2018(06)
    • [18].采后葡萄可溶性固形物含量的高光谱成像检测研究[J]. 河南农业科学 2017(03)
    • [19].高光谱成像技术在茶叶中的应用研究进展[J]. 核农学报 2016(07)
    • [20].高光谱成像技术在水果多品质无损检测中的应用[J]. 农业科技与装备 2016(05)
    • [21].高光谱成像技术下水果内外品质无损检测研究进展[J]. 科技经济导刊 2016(17)
    • [22].利用高光谱成像技术检测长枣表面虫伤[J]. 电子制作 2013(21)
    • [23].高光谱成像技术在肉品无损检测中的应用及进展[J]. 河南工业大学学报(自然科学版) 2014(01)
    • [24].高光谱成像技术在果蔬品质与安全无损检测中的原理及应用[J]. 光谱学与光谱分析 2014(10)
    • [25].农产品外部品质无损检测中高光谱成像技术的应用研究进展[J]. 黑龙江科技信息 2014(27)
    • [26].农产品无损检测中高光谱成像技术的应用研究[J]. 农机化研究 2013(06)
    • [27].高光谱成像在食品质量评估方面的研究进展与应用(一)[J]. 肉类研究 2012(04)
    • [28].高光谱成像在食品质量评估方面的研究进展与应用(二)[J]. 肉类研究 2012(05)
    • [29].农产品外部品质无损检测中高光谱成像技术的应用研究进展[J]. 光谱学与光谱分析 2011(08)
    • [30].果蔬品质高光谱成像无损检测研究进展[J]. 激光与红外 2010(06)

    标签:;  ;  ;  ;  ;  

    基于高光谱技术的掺假大米快速检测研究
    下载Doc文档

    猜你喜欢