發(fā)布時(shí)間：2020-12-06 19:56

　　許多不同的稻谷品種看起來很相似,但它們的化學(xué)成分和最終產(chǎn)品質(zhì)量卻有很大差別,每年因品種混淆而造成巨大的經(jīng)濟(jì)損失,對稻谷品種的鑒別是發(fā)展優(yōu)質(zhì)糧食工程的現(xiàn)實(shí)需要,為此提出了一種采用高光譜成像技術(shù)實(shí)現(xiàn)稻谷品種無損快速鑒別的方法。主要研究內(nèi)容和結(jié)果如下:（1）在全波段388～1 000 nm范圍內(nèi)采集5個(gè)品種共150粒的稻谷高光譜反射率數(shù)據(jù),篩選出差異明顯的波段（600～800 nm）,將此波段內(nèi)每個(gè)品種的反射率進(jìn)行Stacked計(jì)算和curve-smoothing平滑處理以增加其區(qū)分度。（2）對5種稻谷經(jīng)平滑處理后的反射率數(shù)據(jù)做主成分分析,找到權(quán)值系數(shù)最大的波長位于680 nm,將其作為特征波長。加載特征波長下的紋理圖像,計(jì)算每粒稻谷樣品的紋理特征參數(shù):均值（Mean）、方差（Variance）、信息熵（Entropy）和偏差（Skewness）。利用閾值分割的方法將目標(biāo)與背景區(qū)分開,計(jì)算每粒稻谷形態(tài)特征參數(shù):面積像素?cái)?shù)/pixels²、邊界的周長/pixels、長軸長度/pixels、短軸長度/pixels。結(jié)合稻谷的紋理特征參數(shù)和形態(tài)特征參數(shù),比較Fisher判別分... 

【文章來源】：光譜學(xué)與光譜分析. 2019年10期 第3273-3280頁 北大核心

【文章頁數(shù)】：8 頁

【文章目錄】：
引 言
1 實(shí)驗(yàn)部分
    1.1 材料
    1.2 儀器與設(shè)備
    1.3 高光譜圖像采集
        （1）參數(shù)設(shè)置
        （2）圖像校正
    1.4 特征提取
        （1）感興趣區(qū)域選擇
        （2）光譜預(yù)處理
        （3）特征波長選擇
        （4）紋理特征提取
            ①均值
            ②方差
            ③信息熵
            ④偏差
        （5）形態(tài)特征提取
    1.5 多元分析方法
        （1）主成分分析
        （2）Fisher判別分析
        （3）偏最小二乘回歸
        （4）人工神經(jīng)網(wǎng)絡(luò)
    1.6 數(shù)據(jù)處理
2 結(jié)果與討論
    2.1 前處理
    2.2 特征提取結(jié)果
        （1）特征波長提取結(jié)果
        （2）圖像特征提取結(jié)果
    2.3 識別結(jié)果
        （1）基于圖像信息的Fisher判別模型
        （2）基于圖像信息的偏最小二乘回歸模型
        （3）基于圖像信息的神經(jīng)網(wǎng)絡(luò)模型
3 結(jié) 論


【參考文獻(xiàn)】：
期刊論文
[1]基于信息熵的枸杞分級高光譜圖像特征波長選擇方法（英文）[J]. 于慧春,王潤博,殷勇,劉云宏.  食品科學(xué). 2017(20)
[2]基于高光譜成像技術(shù)的三文魚肉水分含量的可視化研究[J]. 詹白勺,章海亮,楊建國.  光譜學(xué)與光譜分析. 2017(04)
[3]干濕交替誘導(dǎo)水稻根表鐵膜形成的基因表達(dá)譜分析[J]. 傅友強(qiáng),于曉莉,楊旭健,沈宏.  中國水稻科學(xué). 2017(02)



本文編號：2901943