基于模型集群的东北/非东北大米产地高光谱鉴别方法研究

作     者：林珑 吴静珠 刘翠玲 于重重 刘志 袁玉伟 LIN Long;WU Jing-zhu;LIU Cui-ling;YU Chong-chong;LIU Zhi;YUAN Yu-wei

作者机构：北京工商大学食品安全大数据技术北京市重点实验室北京100048 浙江省农业科学院农业部农产品信息溯源重点实验室浙江杭州310021 

出 版 物：《光谱学与光谱分析》 (Spectroscopy and Spectral Analysis)

年 卷 期：2020年第40卷第3期

页      面：905-910页

核心收录：

学科分类：07[理学] 0804[工学-仪器科学与技术] 070302[理学-分析化学] 0703[理学-化学] 0702[理学-物理学] 

基　　金：农业部农产品信息溯源重点实验室开放课题 国家重点研发计划子课题(2018YFD0101004-03) 北京工商大学2019年基本科研业务费(PXM2019_014213_000007)资助 

主　　题：高光谱 模型集合 东北大米 产地鉴别 方向梯度直方图 

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900~1700 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:1460.30,1400.20,1424.92,945.98,1315.62,1220.87,1705.91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1460.30,1400.20,1424.92,945.98,1315.62,1220.87和1705.91 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。