基于高光谱成像技术的稻谷品种鉴别研究

　　水稻是世界上最重要的粮食作物之一，也是中国第二大播种面积的农作物。近年来播种面积一直保持在3000万公顷左右（数据来自中国国家统计局），是中国的主要口粮之一。按粒形和粒质分为籼稻（早籼稻和晚籼稻）、粳稻和糯米（籼稻糯米和粳稻糯米）。水稻是一年生草本植物，有50 000多个品种。不同品种的水稻具有不同的储藏特性、抗虫防霉性和品质变化。应按品种分类存放，更有利于后期采购加工。不同水稻品种的认定也是规范粮食流通秩序、优化粮食供给结构的现实需要。高光谱作为一种无损、快速的检测技术，已广泛应用于食品质量检测和定量分析。本研究实现了从光谱反射信息中识别大米蛋白质含量、肉制品新鲜度和咖啡豆品种。国内学者通过提取非转基因亲本及其转基因大豆的特征波长，结合化学计量学方法，建立了PLS-DA识别模型，为转基因大豆的识别提供了新的途径。因此，本工作拟利用高光谱技术开展水稻品种鉴定的相关研究，探索一种适合“中国好粮油”计划的优质水稻鉴定方法。

　　本实验以五种不同品种的水稻为研究对象，综合运用光谱分析技术和数据处理方法，根据样本的不同信息建立相应的模型。对高光谱成像技术在水稻品种识别中的检测方法进行了研究，主要结论如下：

　　提出了一种基于图像信息的水稻品种识别方法。通过PCA分析，选择680 nm作为特征波长，提取特征波长下的图像信息，将提取的纹理特征和形态特征参数组合作为输入量建立水稻品种识别模型。结果表明，Fisher判别分析、偏最小二乘回归模型和神经网络模型对稻谷品种识别的准确率分别为95.3%、95%和98%。该方法将原始的150× 200光谱数据矩阵缩减为150× 8特征分类矩阵，大大减少了分类建模过程中的数据处理工作量，满足了水稻品种识别精度的要求。

　　在水稻品种识别模型的优化中，基于图像特征参数的ANN模型比Fisher判别分析和PLSR识别效果更好，识别准确率高达98%。该方法可实现水稻品种的无损快速鉴定，并具有处理大量样本的潜力，可用于大规模检测和智能分析。