论文部分内容阅读
马铃薯为次于小麦、玉米和水稻的全球第4大农作物。2015年中国开始进行马铃薯主粮工作,相关产业开始了快速发展。“十二五”期间,与马铃薯加工有关的专项项目等开始实行,其加工的生产率、副产物的利用率也不断提升;2016年我国颁布了马铃薯加工业“第十三个五年”计划,计划中指出,随着一系列的新兴技术的推广及应用,将为马铃薯育种、种植、加工等领域带来新的技术升级,为其加工行业的继续发展提供保障。因此马铃薯淀粉含量的多少将对生产出的产品质量产生一定的影响。当前马铃薯淀粉测定还较大依托过去的化学手段,这些方式工艺流程复杂、效率低下,而且破坏性大、成本高,不能符合现在马铃薯加工业的现实需要。高光谱成像技术作为逐步发展起来的新型检测方式,因其不具破坏性、波段数量较多、有较高的分辨率等特点,在马铃薯等农产品的无损检测方面获得了瞩目的成果。但由于此种方法采集得到的数据是三维立方体类型,无用的数据过多,且量巨大,使得在信息处理时费时费力,降低了模型构建的速度,对预测的精度产生一定影响。所以提升马铃薯淀粉含量的测定速度和预测精度,探究高光谱信息分析的处理方式,可以为该技术的持续进步奠定更好的基础,推动马铃薯加工产业的发展。本篇文章以黑龙江省齐齐哈尔市克山县马铃薯为分析目标,利用高光谱分析、数据采集、数理统计学等手段,系统深入地分析了在马铃薯淀粉含量检测时,光谱预处理、模型构建和模式识别等一系列的处理方式;最后再通过确定合适的特征波长选取算法提高预测的速度以及精度。研究的主要内容和结果如下:(1)比较分析了光谱预处理和模型构建对马铃薯淀粉样本光谱模型的影响。构建马铃薯样品的PCR、PLSR和SVR三种模型,同时运用平滑13点、一阶与二阶导数、SNV、MSC等方式对比原始的光谱模型构建效果。对比结果表明:马铃薯淀粉含量的最优检测模型为PLSR,且最优模型为光谱经平滑13点处理后,主成分数为11时得到,最优淀粉含量检测模型的R、RMSEC、R及RMSEP分别为0.8324、0.4487%、0.8279和0.3977%。(2)研究了关于马铃薯中所含淀粉量的模型的特征波长选取方式。对比研究了GA、UVE、CARS、SPA以及Random-frog和间隔随机蛙跳等6类对样品高光谱特征波长选取的性能。证明了Random-frog算法效果最佳。