摘要
花生是我国重要的粮食作物之一，具有非常高的经济和营养价值，在整个食品市场中占有重要地位。花生水分含量，脂肪含量以及霉变与否直接决定其品质优劣。传统检测方法多为化学手段，检测过程破坏样品，耗时繁琐，并且很大程度上受操作者经验的影响。因此，研究花生品质的准确和快速无损检测技术尤为重要。本研究以花生为研究对象，采用高光谱成像技术结合化学计量学分析方法提出了准确和快速无损的花生霉变、水分含量以及脂肪含量的检测方法。具体研究内容如下： 首先，运用1000~2500nm波段范围的高光谱成像技术进行霉变花生的分类检测。采集所有花生样本的高光谱图像并提取每个霉变和健康花生的平均光谱数据。采用连续投影算法（SPA）进行特征波段筛选，并基于特征波段建立偏最小二乘判别分析（PLS-DA）、线性判别分析（LDA）以及支持向量机（SVM）的分类模型。通过对比，在三个模型中，SPA-LDA分类模型检测准确率最高，达100%。最后，应用SPA-LDA分类模型对花生样本高光谱图像所有像素进行判别分类，霉变像素以红色显示，健康像素以绿色显示，实现了霉变花生的可视化检测。 其次，运用400~1000nm波段范围的高光谱成像技术进行花生水分含量的定量检测。采集高光谱图像并提取图像中每个花生感兴趣区域（ROI）的平均光谱数据。然后，根据国标GB5009.3-2016中规定的直接干燥法进行相应花生样本的水分含量检测。采用回归系数法（RC）和连续投影算法（SPA）提取特征波段，然后基于全波段以及特征波段分别建立主成分回归（PCR）、偏最小二乘回归（PLSR）以及支持向量回归（SVR）的检测模型。综合比较，SPA-SVR模型表现最优，预测集决定系数R2p为0.9363，均方根误差RMSEP为0.7021%，剩余预测偏差RPD为3.9880。 最后，运用1000~2500nm波段范围的高光谱成像技术进行花生脂肪含量的定量检测。采集高光谱图像并提取图像中每个花生感兴趣区域（ROI）的平均光谱数据。然后，以国标GB5009.6-2016中规定的索氏抽提法作为花生样品脂肪含量检测的标准化学分析方法，对样本进行脂肪含量检测以得到每个花生样本的脂肪真实含量。采用回归系数法（RC）和连续投影算法（SPA）提取特征波段，然后基于全波段以及特征波段分别建立偏最小二乘回归（PLSR）、支持向量回归（SVR）以及多元线性回归（MLR）的检测模型。综合比较，SPA-MLR模型表现最优，预测集决定系数R2P为0.9315，均方根误差RMSEP为0.4895%，剩余预测偏差RPD为4.0449。 以上研究为建立一套完整的方法以实现花生多项品质参数系统的无损检测提供理论依据。
NETL