基于高光谱成像技术鉴别大米品种

2021-09-30 03:20:42王靖会程娇娇刘洋常佳乐王朝辉
中国农业科技导报 2021年9期
关键词:分类特征模型

王靖会, 程娇娇, 刘洋, 常佳乐, 王朝辉

(1.吉林农业大学信息技术学院, 长春 130118; 2.吉林农业大学食品科学与工程学院, 长春 130118)

大米是生活中必不可少的主食之一,不同品种大米除外观存在一定差异,其内部的淀粉、蛋白质、脂肪酸等含量也不同,故而品质及价格差别很大,导致市场上利用形似优质米的普通米冒充或掺杂优质米现象频发,造成了巨大的经济损失,同时给大米的国际贸易、地理标志产品保护以及消费者权益保护带来阻碍。2019年出台的《关于深入实施优质粮食工程的意见》指导文件中提出“要促进农民增收、企业增效、消费者得实惠”[1],更确定了大米品种鉴别的重要性。

目前,常用大米品种鉴别方法有电泳法、分子标记法、拉曼光谱技术、人工嗅觉技术、近红外光谱技术等,其中人工嗅觉技术误差较大,电泳法、分子标记法、拉曼光谱技术和近红外光谱技术存在样品准备工作繁琐、耗时长、不能无损检测等缺陷。高光谱成像技术具有“图谱合一”的特点,能够同时获得样本的图像和光谱信息。图像信息可以反映样本的大小、形状等外部特征,光谱信息可以充分表达样本内部的物理结构和化学组分,其将光谱信息和图像信息融合使用,更能表达品种的特征,这决定了高光谱成像技术在农产品检测领域中的优势地位[2-8]。但高光谱图像属于高维非线性数据,存在数据量大、噪声、冗余及多重共线性等问题,另外,大米品种鉴别的样本来源大都是地域分散、外观差异大的品种,而现在市场上通常为外观相似的品种掺伪,增加了鉴别难度[9-12]。……

登录APP查看全文

猜你喜欢
分类特征模型
一半模型
分类算一算
重尾非线性自回归模型自加权M-估计的渐近分布
如何表达“特征”
不忠诚的四个特征
当代陕西(2019年10期)2019-06-03 10:12:04
教你一招:数的分类
3D打印中的模型分割与打包
线性代数的应用特征
河南科技(2014年23期)2014-02-27 14:19:15