高光譜成像的圖譜特征與卷積神經網絡的名優大米無損鑒別

翁士狀, 唐佩佩, 張雪艷， 徐 超， 鄭 玲， 黃林生， 趙晉陵

安徽大學， 國家農業生態大數據分析與應用工程研究中心， 安徽 合肥 230601

引 言

中國是世界上最大的大米生產國， 年產量連續多年名列前茅[1]。 2018到2019年度， 中國大米產量預計占全球產量的28.90%。 中國地大物博， 土壤氣候差異較大， 孕育出多種優質大米。 不同品種的大米所含水分， 蛋白質， 脂肪等成分不盡相同， 優質大米中所含的營養成分較多[2]。 一些商家為賺取更多利益， 開始在優質大米中摻劣質大米， 甚至以次充好。 為保護消費者的消費權益， 生產者的積極性， 實現對大米的品種鑒定是非常必要的。

大米的外觀微小且相近， 很難通過人為觀察去準確的辨認出種類， 需結合圖像、 光譜等方法實現大米的準確鑒別。 機器視覺和紅外光譜已被廣泛應用在食品檢測中。 機器視覺可獲得形態、 紋理、 顏色等圖像信息而被廣泛應用于損傷檢測、 實時分級以及質量評估[3]等。 但機器視覺的方法只能獲取大米的外觀信息， 缺少對食品內在成分的分析。 近紅外光譜可獲取物質的內部成分的光譜信息， 利用物質的內在成分實現無損檢測、 摻雜分析和食品分類[4]等。 但近紅外光譜缺少可見光波段光譜信息且無法提供樣本的外在特征。

高光譜成像則整合了機器視覺和紅外光譜可同時獲取樣本的光譜和空間圖像信息[5]， 具有快速、 高效、 準確和無損的特點， 廣泛應用于農藥殘留檢測、 食品內在成分含量分析和食品種類的鑒別等。……