基于高光谱技术的籼稻霉变程度鉴别模型构建与优化郑立章1龚中良1.DOCVIP

基于高光谱技术的籼稻霉变程度鉴别模型构建与优化 郑立章1 龚中良1 文 韬1,基金项目：国家自然科学基金；湖南省科技计划重点研发项目（2016NK2151）；湖南省自然科学基金（14JJ3115）；湖南省高校科技创新团队支持计划（2014207） 收稿日期：2016-10-06作者简介：郑立章，男，1992年出生 基金项目：国家自然科学基金；湖南省科技计划重点研发项目（2016NK2151）；湖南省自然科学基金（14JJ3115）；湖南省高校科技创新团队支持计划（2014207） 收稿日期：2016-10-06 作者简介：郑立章，男，1992年出生，硕士，农产品品质与安全无损检测技术应用基础研究 通讯作者：文韬，男，1983年出生，副教授，农产品品质与安全无损检测技术应用基础研究 （中南林业科技大学机电工程学院1，长沙 410004） （华南农业大学南方农业机械与装备关键技术教育部重点实验室2，广州 510642） 摘 要 为解决快速无损鉴别籼稻霉变程度问题，利用高光谱技术采集200份霉变样本可见/近红外光谱信息，随机选取155份样本作为校正集，剩余45份作为验证集，根据预测浓度残差检验标准对校正集中异常样本进行剔除。以新校正集建立主成分线性判别分析（PCA-LDA）和簇类独立软模式法（SIMCA）模型，选用正确识别率为指标，优选最佳鉴别模型。并采用连续投影算法（SPA）提取特征波长，优化优选的最佳模型构建速度。研究结果表明，PCA-LDA对所有样本的误判总数为15，正确识别率为92.50%；SIMCA和SPA-SIMCA对所有样本的未能正确识别总数分别为6、2，正确识别率分别为97.00%、99.00%，并且经SPA筛选的变量数为20，仅占原始变量数的7.81%，建模时长缩短为原始变量的40.93%。因此，SPA-SIMCA鉴别效果最好，该方法在快速、准确鉴别籼稻霉变程度上具有可行性。 关键词 高光谱技术 霉变籼稻 鉴别 簇类独立软模式法 连续投影算法 中图分类号：S123；S511 文献标识码：A 文章编号：1003-0174（ ） - - Establishment and optimization of identification model of the degree of moldy indica rice based on hyperspectral technology Zheng Lizhang1, Gong Zhongliang1 , Wen Tao1,2, Dong Shuai1, Sang Mengxiang1 (School of Mechanical and Electrical Engineering, Central South University of Forestry and Technology1, Changsha 410004) (Key Laboratory of Key Technology for South Agricultural Machinery and Equipment, Ministry of Education, South China Agricultural University2, Guangzhou 510642) Abstract In order to solve the problem of fast and nondestructive identification of moldy indica rice, the hyperspectral technique was used to collect the visible/near infrared spectroscopy of 200 moldy paddies, 145 samples were randomly chosen as calibration set, and 55 samples were chosen as validation set. According to the criterion of predicted concentration residual, the outlier samples of calibration set were eliminated. Then, the principal component analysis combined with linear discriminate analysis (PCA-LDA) and soft independent modeling of class analogy (SIMCA) were est