文献类型：期刊文章

作　　者：邵小龙[1] 杨晓静[1] 徐水红[1] 李慧[1] Jitendra Paliwal[2]

Shao Xiaolong;Yang Xiaojing;Xu Shuihong;Li Hui;Jitendra Paliwal(College of Food Science and Engineering,Nanjing University of Finance and Economics,Nanjing 210023,China;Department of Biosystems Engineering,University of Manitoba,Winnipeg R3T 2N2,Canada)

机构地区：[1]南京财经大学食品科学与工程学院,南京210023 [2]马尼托巴大学生物系统工程系,加拿大温尼伯R3T 2N2

出　　处：《农业工程学报》

基　　金：粮食公益性行业科技专项(201513002-5)。

年　　份：2020

卷　　号：36

期　　号：18

起止页码：309-314

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAB、CAS、CSCD、CSCD2019_2020、EI、IC、JST、PROQUEST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为了准确检测单粒小麦内部是否感染米象(Sitophilus oryzae),利用软X射线成像检测技术对感染不同生长阶段米象的小麦颗粒进行成像,试图通过图像分析来确定小麦内部米象的幼虫、蛹和成虫等不同生长阶段,并利用随机重复抽样建模来评价结果可靠性。通过对被感染米象虫卵不同天数小麦的图像分析发现,图像灰度分布直方图随感染天数变化明显,低灰度值区域(灰度值为10~102)的灰度区域像素点随感染天数增加而减少,中灰度(灰度值为103~162)和高灰度区域(灰度值为163~232)则随感染天数增加而增多。使用包括图像灰度分布和纹理特征等47个特征值,利用线性判别分析(Linear Discriminant Analysis,LDA)与二次判别分析(Quadratic Discriminant Analysis,QDA)建立判别模型,并通过多次随机重复抽样(1000次)对模型预测效果进行评估分析。结果表明:在95%置信区间下,在感染与未感染小麦的分类判别中,LDA的判别准确率都在76%以上,除幼虫外生长阶段判别正确率达到95%以上;而QDA的平均判别准确率较低且判别误差也相对较高。因此,该研究使用随机重复抽样方法LDA模型判别小麦是否受到米象感染和区分不同生长阶段是准确可靠的。

关 键 词：粮食  储藏 害虫检测  X光成像  随机重复  抽样建模  

分 类 号：TS207.7]