文献类型：期刊文章

作　　者：刘欢[1,2] 王雅倩[1] 王晓明[3] 安冬[1] 位耀光[1] 罗来鑫[4] 陈星[4] 严衍禄[1]

LIU Huan;WANG Ya-qian;WANG Xiao-ming;AN Dong;WEI Yao-guang;LUO Lai-xin;CHEN Xing;YAN Yan-lu(College of Information and Electrical Engineering,China Agricultural University,Beijing 100083,China;College of Electrical Engineering and Automation,Shandong University of Science and Technology,Qingdao 266590,China;Department of Electrical Engineering and Information Technology,Shandong University of Science and Technology,Ji’nan 250031,China;College of Plant Protection,China Agricultural University,Beijing 100094,China)

机构地区：[1]中国农业大学信息与电气工程学院,北京100083 [2]山东科技大学电气与自动化工程学院,山东青岛266590 [3]山东科技大学电气信息系,山东济南250031 [4]中国农业大学植物保护学院,北京100094

出　　处：《光谱学与光谱分析》

基　　金：国家自然科学基金项目(31172260);北京市科技创新基地培育与发展工程子专项(Z161100005016012)资助

年　　份：2019

卷　　号：39

期　　号：1

起止页码：223-229

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSCD、CSCD2019_2020、EI、IC、INSPEC、JST、PUBMED、RCCSE、RSC、SCIE、SCOPUS、WOS、ZGKJHX、核心刊

摘　　要：小麦作为主要的粮食作物在我国农业生产、运输、食品加工等方面占有重要地位。不完善籽粒严重影响了小麦质量与粮食安全。不完善籽粒主要在生产、存储、包装等过程中产生,目前我国小麦质量检测多以人工分选为主,但存在人主观性较强,肉眼易疲劳,且费时费力等问题,因此,如何快速准确鉴别小麦不完善粒是现阶段提高生产率和保证粮食安全的重要问题。运用高光谱成像技术和特征波段选取方法提出一种快速有效的小麦不完善粒鉴别方法。利用近红外高光谱成像系统获得1 000粒小麦样本在862.9～1 704.2nm共256个波段的高光谱反射图像,其中包括健康粒、生芽粒、霉变粒和赤霉粒各250粒,提取每个样本感兴趣区域的平均反射率光谱作为分类特征。本文首先对提取的全波段光谱信息进行窗口平滑、一阶导数差分、矢量归一化等数据预处理,将原始光谱数据的隐藏信号放大并消除随机误差;在预处理的基础上运用伪偏最小二乘(DPLS)和正交化线性判别分析(OLDA)对光谱进行特征提取,降低数据的冗余度;最后采用仿生模式识别(BPR)建立四类小麦的鉴别模型。实验结果表明,采用全波段光谱信息建立的小麦不完善粒鉴别模型的平均识别精度达到97.8%,分析结果可知,利用近红外高光谱成像技术的全波段光谱信息对小麦不完善粒鉴别是可行的。尽管全波段光谱信息取得了较好的鉴别效果,但高光谱成像设备较为昂贵,获取高光谱全波段光谱信息数据量较大,无法满足对现场设备运算速度的高要求,因此,采用连续投影算法(SPA)对全波段光谱数据进行特征波段的选择,使波段数量由256维降低到10维,从而提高系统的可行性和运算速度。采用选取的10个特征波段建立小麦不完善粒鉴别模型,实验结果表明10个特征波段的平均识别精度仅为83.2%,分析结果可知,尽管采用10个特征�

关 键 词：小麦不完善粒  高光谱成像技术  连续投影算法 光谱特征 图像特征

分 类 号：S512.1]