文献类型： 中文期刊

作者： 林珑 ¹ ; 吴静珠 ¹ ; 刘翠玲 ¹ ; 于重重 ¹ ; 刘志 ¹ ; 袁玉伟 ¹ ;

作者机构： 1.北京工商大学食品安全大数据技术北京市重点实验室;浙江省农业科学院农业部农产品信息溯源重点实验室

关键词： 高光谱;模型集合;东北大米;产地鉴别;方向梯度直方图

期刊名称： 光谱学与光谱分析

ISSN： 1000-0593

年卷期： 2020 年 03 期

页码： 905-910

收录情况： EI ; SCI ; 北大核心 ; CSCD

摘要： 采集东北和非东北产地大米样本高光谱图像,筛选多个特征波长图像并提取图像特征,结合模式识别方法建立判别模型,并联合多个模型构成模型集群快速、准确判别东北/非东北大米产地。东北大米以粳米为主,主要涵盖长粒香,圆粒香,稻花香和小町米4个品种。为建立实用性强、适用范围广的东北/非东北大米产地判别模型,实验主要收集了国内粳米代表性产区且以上述4个品种为主的样本,构成原始样本集:其中东北产地5份,包括黑龙江(1)、吉林(2)、辽宁(2),非东北产地5份,包括河北(1)、浙江(1)、江苏(2)、安徽(1)。每个产地样本随机选取100粒,共计100×10粒大米样本。采用芬兰Specim公司的SisuCHEMA高光谱成像系统采集样本900～1 700 nm高光谱图像。按照大米轮廓选取感兴趣区域提取出单粒大米样本的平均光谱,采用Kennard-Stone法按照4∶1划分训练集和测试集。应用连续投影算法筛选得到原始样本集光谱的8个特征波长:1 460.30, 1 400.20, 1 424.92, 945.98, 1 315.62, 1 220.87, 1 705.91和942.53 nm;采用方向梯度直方图分别提取8个波长下的图像特征,结合支持向量机建立基于单特征波长图像的东北/非东北大米产地鉴别模型,识别准确率分别为85.5%, 77.5%, 76.5%, 73.5%, 71%, 68.5%, 67%和65.5%;鉴于单模型识别率不高的现状,提出建立基于特征波长图像模型集群综合判别大米产地的策略,即按照单模型识别率从高到低排序后分别联合3个、 5个和7个特征波长图像模型的预测结果,当预测样本判定为真的比率>50%,则判定样本为真,反之则为假。联合1 460.30, 1 400.20, 1 424.92, 945.98, 1 315.62, 1 220.87和1 705.91 nm七个波段的模型集合对测试集样本的识别率可达90.5%。实验结果表明高光谱结合模型集群策略可为建立性能稳健、适用范围广的东北/非东北大米产地快速检测模型提供切实可行的思路和方法参考。