一种打工业蜡大米的无损鉴别方法

摘要

本发明涉及一种打工业蜡大米的无损鉴别方法，利用可见-近红外高光谱成像系统拍摄大米的高光谱图像，可以得到大米的三维信息，其中两维是空间信息，一维是光谱信息。通过黑白板校正将大米样品每个波长下的光谱响应强度转化为反射率，并利用多元散射校正（MSC）对反射率数据进行预处理。利用连续投影算法（SPA）提取了8个特征波长，然后拍摄未知大米得到其高光谱图像，可以根据偏最小二乘法（PLS）建立数学回归模型对未知大米是否打工业蜡进行鉴别。方便快捷，操作简单，为市场上快速无损鉴定打工业蜡大米提供了一种可行的方法。

主权项

一种打工业蜡大米的无损鉴别方法，其特征在于，具体包括如下步骤：1）选取经过打工业蜡大米和未打蜡大米混合后，取一份混合后大米作为建模组大米用于建立模型，再取一份混合后大米作为预检组大米为需进行检测的大米；2）将建模组大米放置在同一实验环境下搁置24小时；3）将建模组大米放入无盖黑盒子，再放入可见‑近红外高光谱成像系统拍摄建模组大米的高光谱图像，然后通过图像分析软件对高光谱图像进行分析，利用黑白板校正得到大米样品的反射率图像，对反射率图像进行增益处理，在每粒大米同一光强区域取不同的3个小区域求平均，其平均值代表整粒大米的反射率信息；4）运用多元散射校正MSC对建模组样品反射率信息进行预处理，消除大米表面不平整带来的影响；5）结合步骤4）处理后得到的建模组大米的反射率信息，运用连续投影算法SPA提取建模组大米的特征波长；6）基于步骤5）连续投影算法SPA选择的特征波长，得到8个特征波长依次为419.257nm、406.885nm、1008.14nm、511.912nm、403.95nm、1019.545nm、402.19nm、847.654nm；运用选出的8个特征波长，用偏最小二乘法PLS建立建模组大米数学回归模型为：TYPE=4.1617‑0.2837*X1+0.3047*X2‑0.2480*X3‑0.1425*X4+0.1677*X5+0.1941*X6‑0.1159*X7+0.0758*X8，其中X1至X8依次对应所得8个特征波长下的反射率；7）将预检组大米放入无盖黑盒子，重复步骤3）的测试，得到代表预检组大米的反射率，然后运用多元散射校正MSC对预检组大米反射率信息进行预处理,提取步骤6）中的8个特征波长下的反射率，代入步骤6）建立的数学回归模型中，利用MATLAB编程，用建模组大米建立的模型对预检组大米进行预测，如果回归函数的值0.5≤TYPE<1.5，则预检组大米为打蜡大米；如果回归函数的值1.5≤TYPE<2.5，则预检组大米为未打蜡大米。