论文部分内容阅读
小麦是我国重要农业作物,其种植面积和产量居世界第一位。我国小麦种植品种较多,不同品种的小麦间品质、储藏特性以及用途差异较大,因此在收购环节对小麦品种鉴别是保障小麦储藏及商品特性的重要技术需求,也是近年来研究的热点。高光谱成像技术是一种具有多波长的光电探测技术,可以利用多个光谱通道采集物质的图像和光谱信息,采用数学方法建立品种鉴别模型,是一种无损的快速品种鉴别技术。本文采集了我国主要小麦产区的15种小麦,利用高光谱成像技术采集小麦籽粒信息,建立了基于不同波段和图像信息的品种鉴别模型,得到结论如下:(1)实验对高光谱成像系统进行调试,确定小麦籽粒最佳的采集参数为分别为:曝光时间6ms、物距102mm、线速度0.7mm/s、扫描起始位置145mm,扫描线实际长度40mm、采样间隔为0.73nm、图像分辨率1628pixel×618pixel、光谱范围388nm-1000nm。(2)利用全波段、可见光、近红外短波波段三种不同光谱信息建立逐步判别分析(SDA)、K均值聚类分析(K-means)、支持向量机(Lib-SVM)小麦籽粒品种鉴别模型。结果表明,不同波段的分类效果依次为:全波段、可见光、近红外。比较不同模型识别率发现SDA模型效果优于Lib-SVM、K-means,说明基于高光谱光谱信息结合逐步判别分析模型对小麦籽粒品鉴别具有一定的可行性。(3)利用图像信息提取特征值建立SDA、K-means、Lib-SVM小麦籽粒品种鉴别模型。研究结果表明,运用主成分分析提取到小麦籽粒的3个特征波长分别为447nm、615nm、955nm,分别提取特征波长下的形态特征(A、L、γ、Ma、Mi)和纹理特征(m、σ、e)建立SDA、K-means、Lib-SVM品种鉴别模型,发现SDA模型效果优于Lib-SVM、K-means。说明基于高光谱图像信息结合逐步判别分析模型对小麦籽粒品种鉴别具有一定的可行性。(4)利用高光谱成像技术对小麦籽粒品种进行鉴别,运用图像信息提取特征值建立模型优于光谱信息模型,说明在小麦籽粒品种鉴别上图像信息较光谱信息包含更多的分类特征,更有利于品种的鉴别。