稻谷品種和品質的光譜快速無損檢測研究.pdf

1、水稻是世界上最重要的糧食作物之一，也是我國最重要的糧食作物之一。水稻的品種共有五萬多種。稻谷品種、年份鑒別和內部品質檢測一直是農業(yè)生產、作物育種和種子檢驗上的重要問題。隨著社會經(jīng)濟的發(fā)展，人們越來越青睞于質優(yōu)價高的優(yōu)質稻谷，隨之而來的是制售假冒偽劣種子等現(xiàn)象的日益增多，每年造成的經(jīng)濟損失是巨大的。因此，稻谷品種、年份的鑒別和內部品質的檢測問題日益受到種子質檢部門、水稻育種研究以及糧食企業(yè)等單位的重視。長期以來水稻品種的鑒別和稻谷內部品質

2、的檢測主要由人工結合化學方法來完成，操作過程繁瑣，工作量大，所需時間長，檢測效率和檢測結果的一致性都比較差。在稻谷品種的鑒別方面，目前常用的方法有形態(tài)法、化學法、幼苗法、田間小區(qū)種植法、電泳法等，近年來國內外學者采用計算機圖像技術進行稻谷品種鑒別也取得了很大進展。在稻谷內部品質成分的檢測方面，生產實際中主要還是采用碘比色法、凱氏定氮法等一些標準化學測量方法。建立一套簡便、快捷、高效、經(jīng)濟、準確的稻谷檢測技術體系成為當前的一個迫切需要，而

3、紅外光譜技術的發(fā)展為此提供了可能。
　　 本文針對上述目標，以稻谷為研究對象，采用紅外光譜技術結合化學計量學方法和數(shù)據(jù)挖掘技術，對稻谷進行了品種和不同年份的鑒別，以及輻照劑量、直鏈淀粉和蛋白質含量的檢測，主要研究內容和結果如下：
　　 (1)使用Field Spec Handheld光譜儀對五個水稻品種的150個樣本進行可見/近紅外光譜測定，采用小波變換結合主成分分析和人工神經(jīng)網(wǎng)絡的組合化學計量學方法對對獲得的光譜特征進

4、行分析，建立了稻谷品種的識別模型，對五個水稻品種進行了定性的聚類和定量的鑒別，正確率達96％。提出的組合算法為復雜體系的光譜非線形建模提供了一種有力的工具。結果表明，應用可見/近紅外光譜技術結合化學計量學方法可簡單、快速、無損地鑒別稻谷品種，為稻谷的品種的快速無損鑒別提供了一種新的方法。
　　 (2)試驗得到了2003—2005年三年的晚粳谷的可見/近紅外光譜，經(jīng)處理后采用獨立組分分析提取稻谷樣本的敏感波段作為神經(jīng)網(wǎng)絡的輸入，建

5、立稻谷年份的BP神經(jīng)網(wǎng)絡鑒別模型，對不同年份的稻谷的識別率達到100％。通過獨立組分分析，找到了晚粳谷主要成分對應的敏感波段，其中770nm，970nm對應水分含量，880nm對應脂肪含量，922nm，972nm，996nm對應稻谷中蛋白質的含量。該結果對不同種類的稻谷具有普適性。研究結果表明利用可見/近紅外光譜技術結合化學計量學的方法對同年份的稻谷進行快速鑒別是可行的，它為稻谷年份的快速檢測提供了一種新方法。
　　 (3)采用

6、偏最小二乘法(PLS)和最小二乘支持向量機(LS—SVM)分別建立輻照谷物劑量及內部品質(直鏈淀粉和蛋白質)的線性數(shù)學模型。用偏最小二乘法(PLS)建立的較優(yōu)模型所得的輻照谷物劑量測定，直鏈淀粉和蛋白質含量的預測相關系數(shù)分別為0.978，0.911和0.943，預測均方根誤差為114.902，0.250和0.102，偏差為—6.032E—03，—6.012E—04和2.150E—05，其中對于輻照劑量的預測和蛋白質含量測定，中紅外波段好

7、于近紅外波段；對于直鏈淀粉含量的測定，近紅外波段優(yōu)于中紅外波段。用最小二乘支持向量機(LS—SVM)建立的最優(yōu)模型所得的輻照谷物劑量測定，直鏈淀粉和蛋白質含量的預測相關系數(shù)分別為0.989，0.951和0.982，預測均方根誤差為95.763，0.201和0.052，偏差為—3.621E—03，—1.302E—06和—2.105E—07，其中對于輻照劑量的預測和蛋白質含量測定，中紅外波段好于近紅外波段，對于直鏈淀粉含量的測定，近紅外波段