文档下载 文档下载导航
设为首页 | 加入收藏
搜索 请输入内容:  
 导航当前位置: 文档下载 > 所有分类 > 农林牧渔 > 农学 > 高光谱图像技术在掺假大米检测中的应用
侵权投诉

高光谱图像技术在掺假大米检测中的应用

为了有效判别出优质大米中是否掺入劣质大米,本文研究了一种针对大米掺假问题的快速、无损监测方法。该方法采用可见-近红外高光谱图像采集系统获取大米样本的高光谱图像,对大米进行检测。试验结果证明该方法是可行的。

第30卷 第21期 农 业 工 程 学 报 Vol.30 No.21

2014年 11月 Transactions of the Chinese Society of Agricultural Engineering Nov. 2014 301

高光谱图像技术在掺假大米检测中的应用

孙 俊1,2,金夏明1,毛罕平2,武小红1,杨 宁1

(1. 江苏大学电气信息工程学院,镇江 212013; 2. 江苏大学江苏省现代农业装备与技术重点实验室,镇江 212013)

摘 要:为了有效判别出优质大米中是否掺入劣质大米,该文研究了一种针对大米掺假问题的快速、无损检测方法。从市场上购买了东北长粒香大米和江苏溧水大米,按纯东北长粒香大米、3∶1、2∶2、1∶3和纯江苏溧水大米共5个掺合水平进行大米试验样本的制备。利用可见-近红外高光谱图像采集系统(390~1050 nm)获取了200个大米样本的高光谱图像。采用ENVI软件确定高光谱图像的感兴趣区域(region of interest, ROI),并提取出所有样本在ROI内的平均高光谱数据。采用支持向量机(support vector machine,SVM)建立全光谱波段下的大米掺假判别模型,径向基(radial basis function,RBF)核函数模型交叉验证准确率为93%、预测集正确率为98%。由于高光谱信息量大、冗余性强且受噪声的影响较大,该文采用主成分分析方法(principal component analysis,PCA)分别对大米高光谱图像和高光谱数据进行处理,从特征选择和特征提取2个角度对原始高光谱数据进行处理,通过主成分权重系数图选择了531.1、702.7、714.3、724.7、888.2和930.6 nm 6个特征波长,通过留一交叉验证法(leave-one-out cross-validation,LOOCV)确定并提取出PCA降维后的最优主成分数(number of principal component,PCs)为9。最后分别将优选出的特征波长和提取出的最优主成分数作为模型的输入,建立SVM模型。

预测集正确率为96%,基于最优主成分数SVM试验结果表明,基于特征波长SVM模型的交叉验证准确率为95%、

模型的交叉验证准确率为94%、预测集正确率为98%。该研究结果表明,该文建立的基于特征波长和基于最优主成分数的SVM模型均具有较优的预测性能,且利用高光谱图像技术对大米掺假问题进行检测是可行的。 关键词:无损检测;主成分分析;图像采集;大米掺假;支持向量机;高光谱图像 doi:10.3969/j.issn.1002-6819.2014.21.036

中图分类号:TP73 文献标志码:A 文章编号:1002-6819(2014)-21-0301-07

孙 俊,金夏明,毛罕平,等. 高光谱图像技术在掺假大米检测中的应用[J]. 农业工程学报,2014,30(21):301-307.

Sun Jun, Jin Xiaming, Mao Hanping, et al. Application of hyperspectral imaging technology for detecting adulterate rice[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2014, 30(21): 307-307. (in Chinese with English abstract)

0 引 言

大米是全世界大多数人的主食,中国近2/3的人口以大米为主食,其为人体提供糖类、蛋白质、脂肪及膳食纤维等主要营养成分,还为人体提供大量必需的微量元素。根据产地、品种分类,大米类别很多,它们色泽、香味、品质不同,价格也不同,所以有些商贩在大米销售时以次充好,从中获利,这种行为严重损害了广大消费者的利益。如果消费者购买并食用了掺假的大米,轻则会影响到大米食用时的口感,重则会对身体造成一定的伤害。当前,

收稿日期:2014-07-23 修订日期:2014-10-24

基金项目:国家自然科学基金资助项目(31101082);江苏高校优势学科建设工程资助项目PAPD(苏政办发2011 6号);农业部农业信息服务技术重点实验室课题(2014-AIST-03);江苏省自然科学基金项目(BK20141165)。

作者简介:孙 俊,男(汉族),江苏泰兴人,副教授,博士。研究方向为计算机技术在农业工程中的应用。镇江 江苏大学电气信息工程学院,212013。Email:sun2000jun@ujs.edu.cn 中国农业工程学会高级会员:孙俊(E041200652S)

中国关于农副食品掺假事件也屡见报道,所以食品

安全专家急需通过技术手段检测农副产品的掺假情况。传统的检测手段基本是基于人为感官判断或者基于人工化学分析方法。人为感官判别需要检测人员极丰富的经验,通常失误率较高;人工化学分析检测方法虽能较精确检测出物质之间内部成分的

差异从而进行辨别,但是费时费力,不便于推广[1-2]。

当前无损检测方法比较流行,其中光谱技术已经在农副产品掺假中有所应用[3-4],刘波平等[4]利用近红外光谱技术结合PLS-自组织竞争神经网络,对鲜乳和掺假乳进行检测识别;孙通等[5]基于可见/近红外光谱技术,建立UVE-GA-LDA分类模型,较适用于掺杂2%以上菜籽油的山茶油鉴别分类。周子立等[6]提出了一种基于可见-近红外光谱技术快速、无损鉴别大米品种的方法。褚莹等[7]以近红外光谱(near infrared spectroscopy,NIRS)技术为基础,实现掺假山羊奶的快速、无损检测。采用主成分分析结合神经网络以及偏最小二乘法分别对纯山羊奶和掺有奶油、还原奶的2类掺假山羊奶进行

第1页

你可能喜欢

热门文档

相关文档

站点地图 | 文档上传 | 侵权投诉 | 手机版
本站所有资源均来自互联网,本站只负责收集和整理,均不承担任何法律责任,如有侵权等其它行为请联系我们.
文档下载 Copyright 2013 doc.guandang.net All Rights Reserved.  -  email