基于高光谱成像的大蒜品种分类与品质无损检测方法研究

摘要：大蒜在我国民间饮食中始终占据着重要地位，保证其稳产高产对于我国农业生产至关重要。大蒜品质信息包括外 观品质数据以及内部化合物成分含量，对大蒜品质进行检测可以为大蒜的种植、加工、食品开发以及医疗保健等领域提 供重要的参考价值和指导意义，不仅有助于了解其营养价值和生物学功能，还有助于推动大蒜产业的可持续发展；同时 由于不同品种的大蒜的品质也有所不同，因此对大蒜进行品种分类也至关重要。高光谱成像技术因非破坏性的优势在农 作物无损检测方面发挥着越来越重要的作用，本研究以大蒜为研究对象，利用高光谱成像技术、图像处理技术、数学建 模方法，进行了大蒜品种分类、蛋白质与大蒜素含量预测的研究，旨在为大蒜的无损检测提供新思路和方法。主要研究 内容如下： （（1）基于高光谱成像的大蒜品种分类。利用高光谱成像技术，结合图像处理技术实现了大蒜品种分类。通过收集5个 不同品种的大蒜鳞芽样本，采集样本光谱信息，通过主成分分析（（ PCA）绘制不同品种的散点图并得到样本的PC图像， 从PC图像中获取纹理信息，并采用连续投影算法选取14个特征波长，基于光谱数据、纹理特征、光谱与纹理的融合数 据建立不同品种的PLS-DA分类模型。通过对模型的分析比较，得出通过融合数据所建立的PLS-DA模型分类效果最好， 在LVs=16时，RMSE=0.286，训练集总体准确率为93.7%，测试集总体准确率为89.3%。 （（2）基于高光谱成像的大蒜中蛋白质含量预测。采集 5 个不同品种的大蒜鳞芽光谱信息与蛋白质相对含量，对光谱 数据进行数学变换，得到不同的光谱数据并提取特征波长，利用这些光谱数据建立大蒜鳞芽蛋白质含量预测模型，经过 分析各个模型的性能指标，得出光谱数据经过对数变换，基于SPA挑选的特征波长所建立的MLR模型的预测效果最好， R2 为0.934，RMSEC为0.120，R2 为0.895，RMSEV为0.175，RPD为3.08。 C V （（3）基于高光谱成像的大蒜中大蒜素含量预测。以不同品种的大蒜鳞茎为试验样本，采集样本光谱数据并测定样本 中大蒜素含量，为减少光谱数据冗余性采用 RF 与 CARS 方法提取特征波长，然后基于所提取的特征波长建立 MLR、 PLSR、PCR模型进行大蒜素含量预测，经过对模型参数进行分析，发现经过CARS方法挑选特征波长所建立的PLSR模 型的预测效果最好，R2 为0.894，RMSEC为0.147，R2 为0.885，RMSEV为0.150，RPD为2.73；对不同品种大蒜鳞茎 C V 进行光谱特性分析以及主成分分析，根据SPA算法所挑选的10个特征波段作为输入变量所建立的LIBSVM品种分类模 型总分类准确率达到81.7%。 （（4）基于Matlab开发大蒜内外品质检测系统。系统包括鳞芽品质检测与鳞茎品质检测两大功能。鳞芽品质检测中可 以实现通过导入鳞芽光谱图像对蛋白质含量进行测定；鳞茎品质检测中可以通过导入鳞茎光谱图像对外观品质及大蒜素 含量进行测定；通过开展表型测量对比实验，证明了通过系统可以有效对大蒜鳞茎表型信息实现快速测量，相比于人工 测量大大提升了检测效率。

关键词：大蒜；高光谱成像；品种分类；品质无损检测；检测系统

期刊：山东农业大学

设备：GaiaField