[发明专利]基于高光谱成像技术检测花生中脂肪含量分布的方法

摘要

本发明提供了基于高光谱成像技术检测花生中脂肪含量分布的方法，包括采集花生样品在特征波长处的光谱图像，将特征波长处经过预处理后的光谱反射值，输入花生脂肪含量分布定量模型，得到花生样品脂肪含量分布。本发明还提供建立花生中脂肪含量分布定量模型的方法，包括采集花生高光谱图像，并利用常规方法测定其脂肪含量；高光谱图像经过图像校正与背景删除，提取平均光谱；以预处理后高光谱图像平均光谱为自变量，以脂肪含量为因变量，建立全波段脂肪含量的数学模型，在此基础上利用回归系数，确定特征波长，建立并验证所述定量模型。本发明快速简便，效率高，不破坏样品，不使用任何化学试剂，测定结果准确，实现了花生脂肪含量的可视化。

主权项

一种基于高光谱成像技术建立花生中脂肪含量分布定量模型的方法，该方法包括以下步骤：1.1收集具有代表性的花生样品，用高光谱仪扫描获得花生样品中每个像素点在各波长下的图像信息，得到花生样品的原始高光谱三维图像；1.2对所述花生样品的原始高光谱三维图像进行校正和背景删除后，提取花生样品图像平均光谱；1.3对所述花生样品图像平均光谱进行二阶导数结合标准正态变量变换预处理；1.4采用常规方法检测所述花生样品的脂肪含量，得到花生样品的脂肪含量；1.5将所述花生样品随机分为校正集和验证集，以所述校正集花生样品的所述预处理后的花生样品图像平均光谱为自变量，以所述校正集的花生样品的脂肪含量为因变量，通过偏最小二乘法建立所述自变量和因变量的偏最小二乘法回归模型；利用所述验证集对所述偏最小二乘法回归模型进行验证；1.6根据所述偏最小二乘法回归模型的回归系数，选择对所述回归模型贡献率绝对值最大的波长为特征波长；并通过偏最小二乘法建立花生中脂肪含量分布定量模型；利用所述验证集对所述花生中脂肪含量分布定量模型进行验证；步骤1.6中所述特征波长分别为：931nm、941nm、964nm、1143nm、1157nm、1317nm、1400nm、1434nm、1658nm、1661nm、1668nm、1678nm；所建立的花生中脂肪含量分布定量模型如下：Yfat＝48.003‑1.757R931nm+9.441R941nm+16.766R964nm‑19.164R1143nm+6.41R1157nm‑4.81R1317nm‑7.419R1400nm+3.434R1434nm‑5.199R1658nm‑15.059R1661nm+13.274R1668nm‑5.091R1678nm其中，Yfat为花生样品的脂肪含量，R931nm、R941nm、R964nm、R1143nm、R1157nm、R1317nm、R1400nm、R1434nm、R1658nm、R1661nm、R1668nm、R1678nm分别为花生样品在特征波长931nm、941nm、964nm、1143nm、1157nm、1317nm、1400nm、1434nm、1658nm、1661nm、1668nm、1678nm处经过预处理后的光谱反射值。