基于高光谱成像技术的酿酒高粱品种分类

　　本研究应用400-1000nm的滚球下注官网，可采用波胆投注网产品FS13进行相关研究。光谱范围在400-1000nm，波长分辨率优于2.5nm，可达1200个光谱通道。采集速度全谱段可达128FPS，波段选择后最高3300Hz（支持多区域波段选择）。

　　高粱是我国重要的粮食作物之一，因其籽粒中含有丰富的营养物质在酿酒行业有着“好酒离不开红粮”的精辟论断，每年需求量高达2000万t。目前，酿酒高粱品种主要以高淀粉含量的泸州红、青壳洋、睿糯7号等糯高粱为主。由于酿酒高粱种类繁多，产地各不相同，籽粒中的淀粉、蛋白质、脂肪和单宁等含量有较大差异，导致酿造出的白酒在香型、风格、品质和产酒率上也有很大的差别。

　　由此可见，在高粱原材料分批入库前准确高效地对高粱品种进行鉴别，对酿造过程中泡粮时间、用水量、蒸粮时间等生产工艺控制，对产出优质白酒具有十分重要的指导意义。传统的鉴别方式主要有人工经验判别和生物抽样检测，前者易受主观影响，效率低，难以形成统一的标准，后者操作繁琐、费时费力，两者都无法满足现代白酒企业对酿酒原料高粱的鉴别需求，因此急需寻找一种快速、准确且简便的高粱品种分类检测方法。本研究的目标是结合光谱信息和图像信息对11 个高粱品种进行分类，同时通过比较及外部验证优化高光谱技术结合机器学习方法鉴别不同高粱品种，以提高其在应用过程中的准确性和效率。

　　11类高粱共计550个样本的原始光谱曲线和MSC预处理后的光谱曲线如图1所示，每个颜色代表不同的类别。

　　本文基于高光谱技术光谱和图像信息结合的方法对11个品种的高粱进行识别研究。采集高粱的高光谱图像，使用SPA算法从MSC预处理后光谱中筛选出48个特征波长，再提取图像的纹理特征，分别基于纹理特征、全光谱、特征光谱及其结合图像信息分别建立了SVM、PLS-DA和ELM分类模型，最后使用未参与建模的数据进行外部验证。结果表明，使用特征光谱结合纹理特征建立的SVM分类模型效果最佳，测试集的正确识别率为95.3%，验证集的精度达到91.8%，可见光谱和图像结合的方法可以有效实现酿酒高粱的快速识别，且提高了模型的识别精度，这为不同酿酒原料的检测和酿酒自动化的实现提供了理论基础。