高光谱检测小麦硬度

1、毕业论文答辩高光谱检测小麦硬度目录研究背景研究背景研究目标研究目标研究过程研究过程得出结论得出结论研究不足研究不足第第章章研究背景研究背景1PART ONEPART ONE研究背景研究背景小麦籽粒硬度是影响面粉用途和品质的重要因素，很大程度上决定了小麦籽粒硬度是影响面粉用途和品质的重要因素，很大程度上决定了小麦的食用品质和市场价值。小麦的食用品质和市场价值。传统测试小麦籽粒硬度的方法采用角质率法、压力法、研磨法和近红传统测试小麦籽粒硬度的方法采用角质率法、压力法、研磨法和近红外法等，存在破坏性或不全面等缺陷。高光谱检测方法能够实现无损外法等，存在破坏性或不全面等缺陷。高光谱检测方法能够实现无损

2、测量，提高测试效率和自动化程度，并能够更全面地反映硬度性质。测量，提高测试效率和自动化程度，并能够更全面地反映硬度性质。当前，国内外用高光谱图像技术研究小麦籽粒硬度技术尚未成熟，相当前，国内外用高光谱图像技术研究小麦籽粒硬度技术尚未成熟，相关文献还不够多，在小麦籽粒硬度检测方向的数据不够完善，且应用关文献还不够多，在小麦籽粒硬度检测方向的数据不够完善，且应用范围窄，距离投入实际应用存在一些距离。范围窄，距离投入实际应用存在一些距离。第第章章研究目标研究目标2PART PART twotwo研究目标研究目标u 本次研究的主要目标是通过高光谱对小麦硬度进行全本次研究的主要目标是通过高光谱对小麦硬度

3、进行全面的快速无损检测。面的快速无损检测。u 具体过程：首先采集样本并进行小麦硬度的测试；然具体过程：首先采集样本并进行小麦硬度的测试；然后采集小麦高光谱图像，并对高光谱图像进行处理，其后采集小麦高光谱图像，并对高光谱图像进行处理，其次对图像数据进行预处理（平滑处理、变量标准化、多次对图像数据进行预处理（平滑处理、变量标准化、多元散射校正、求导等）接着通过偏最小二乘回归法对光元散射校正、求导等）接着通过偏最小二乘回归法对光谱数据进行降维，建立小麦硬度光谱曲线的多元回归模谱数据进行降维，建立小麦硬度光谱曲线的多元回归模型，最后比较回归预测效果进而得出相应结论。型，最后比较回归预测效果进而得出相应

4、结论。第第章章研究过程研究过程3PART PART ttreettree研究过程研究过程1 1：小麦样品的采集和硬度测试：小麦样品的采集和硬度测试物性测定仪主要功能：可对样品的物物性测定仪主要功能：可对样品的物性概念做出数据化的表述。检测数据性概念做出数据化的表述。检测数据有硬度、脆度、胶黏性、回复性、弹有硬度、脆度、胶黏性、回复性、弹性凝胶强度等。性凝胶强度等。选取选取11个小个小麦品种：麦品种：N9695、阿、阿勃、藁勃、藁9411、邯邯6172、皖、皖33、温麦、温麦6号、号、西农西农1376、小偃小偃6号、郑号、郑农农16、中育、中育6号、周号、周13-1，每种采集了每种采集了50粒。

5、粒。硬度仪参数设置硬度仪参数设置测试速度：前测试速度：前5mm/s;中中2；后；后10下压距离：下压距离：0.8mm触发应力：触发应力：5g研究过程研究过程1：小麦样品的采集和硬度测试：小麦样品的采集和硬度测试测试参数：力量、测试参数：力量、时间、距离时间、距离测试类型：标准的测试类型：标准的测试方法，测试方法，SIN变变速测试，衰减度，速测试，衰减度，松弛测试，流变测松弛测试，流变测试，粉体流变，面试，粉体流变，面团吹泡，面团拉伸团吹泡，面团拉伸等等力量范围：力量范围：+/-5Kg +/-50Kg移动速度范围：移动速度范围：0.0140mm/s测试距离范围：测试距离范围：0.001295mm

6、PC连接端口，连接端口，RS232标准端口或标准端口或USB端口端口操作温度：操作温度：040研究过程研究过程2：高光谱图像的采集和处理：高光谱图像的采集和处理 本次试验使用的高光谱成像系统的实验设备：本次试验使用的高光谱成像系统的实验设备：ImSpectorN17EImSpectorN17E近红外高光谱相机，通过调节适当的近红外高光谱相机，通过调节适当的工作参数，利用计算机控制系统的运行，最终拍摄工作参数，利用计算机控制系统的运行，最终拍摄了了1111种小麦样品的高光谱图像。种小麦样品的高光谱图像。 由于直接由高光谱图像采集系统获得的的图像含由于直接由高光谱图像采集系统获得的的图像含有样品信

7、息外，还包含样品背景、噪声等无用信息，有样品信息外，还包含样品背景、噪声等无用信息，所以要对图像进行一系列处理。所以要对图像进行一系列处理。 高光谱成像系统结构示意图研究过程研究过程2：ENVI软件处理图像软件处理图像第第256波波段段第第240波波段段第第4波波段段第第100波波段段第第20波波段段裁剪结果裁剪结果研究过程研究过程2：ENVI软件裁剪图像软件裁剪图像空间裁剪：为裁掉标签，更改坐标空间裁剪：为裁掉标签，更改坐标波段裁剪：从波段裁剪：从256个波段选取第个波段选取第20240共共221个波段个波段阈值分割：通过观察光谱反射曲阈值分割：通过观察光谱反射曲线图可以得出在线图可以得出在

8、1100.83波长处设置波长处设置最小值最小值0.6可以将图像的背景和噪声可以将图像的背景和噪声等与小麦样品图像分割开。等与小麦样品图像分割开。研究过程研究过程2：ENVI软件阈值分割软件阈值分割小麦高光谱图像反射曲线图小麦高光谱图像反射曲线图阈值分割的基本原理阈值分割的基本原理是：对于某灰度值范是：对于某灰度值范围的图像，通过一定围的图像，通过一定准则在图像里找到一准则在图像里找到一个能够明显区分目标个能够明显区分目标与背景的灰度值与背景的灰度值t，将，将其作为阈值，然后将其作为阈值，然后将选定的阈值和图像中选定的阈值和图像中所有像素比较得到灰所有像素比较得到灰度值大于度值大于t和小于和小于

9、t两部两部分，分割后图像表达分，分割后图像表达式如下式如下： tyxfbtyxfbyxh),(,),(,12),(）（21,aa进行进行开运开运算后算后图像图像建立建立掩膜掩膜后的后的图像图像研究过程研究过程2：ENVI软件建立掩膜软件建立掩膜 掩膜处理就是用选定的图像对待处理的图像的全部或局掩膜处理就是用选定的图像对待处理的图像的全部或局部进行遮挡来控制图像处理的区域。部进行遮挡来控制图像处理的区域。 掩膜图像可能会有一些小颗粒噪声，可通过开运算进行掩膜图像可能会有一些小颗粒噪声，可通过开运算进行消除，开运算就是使用同一结构元素对图像先腐蚀再进行消除，开运算就是使用同一结构元素对图像先腐蚀再

10、进行膨胀的运算。例如，在结构元素膨胀的运算。例如，在结构元素B下对集合下对集合A进行开运算的进行开运算的表达式为：表达式为：BBABA)(通过对裁剪后的图像应用掩膜后得到通过对裁剪后的图像应用掩膜后得到从从20240共共221个波段的二值图像个波段的二值图像第第100波波段段第第20波波段段第第240波段波段通过通过ENVI软件处理后得到掩膜图像软件处理后得到掩膜图像(.bmp)和图和图像的像的ASCII值值(.txt文件文件)，下面用，下面用matlab软件对图软件对图像的高光谱数据进行处理。像的高光谱数据进行处理。研究过程研究过程2：ENVI软件应用掩膜软件应用掩膜研究过程研究过程3：ma

11、tlab高光谱数据处理高光谱数据处理首先，读入样品的高光谱数据矩阵首先，读入样品的高光谱数据矩阵对对1111个品种的光谱数据进行求平均值得到平均光个品种的光谱数据进行求平均值得到平均光谱数据谱数据研究过程研究过程3：matlab高光谱数据处理高光谱数据处理0501001502002500.20.30.40.50.60.70.80.91aboInfraMeanSpec0501001502002500.20.30.40.50.60.70.80.91gao9411InfraMeanSpec“阿阿勃勃”品种品种的平的平均光均光谱曲谱曲线线“藁藁9411”品种品种的平的平均光均光谱曲谱曲线线其余其余9个

12、品种的平均光谱个品种的平均光谱曲线图的趋势和上面两种曲线图的趋势和上面两种平均光谱曲线大抵相似平均光谱曲线大抵相似研究过程研究过程3：matlab高光谱数据处理高光谱数据处理用用plotplot函数画出函数画出1111种小麦样品的平种小麦样品的平均光谱曲线图。均光谱曲线图。研究过程研究过程3：matlab高光谱数据处理高光谱数据处理选择训练集和校正集选择训练集和校正集 本次试验中有本次试验中有1111中小麦样品，每一个小麦品种样本中小麦样品，每一个小麦品种样本有五十粒种子，需要将有五十粒种子，需要将1111组小麦样品中的每一种分为两组小麦样品中的每一种分为两组，一组为训练集（大部分），一组为校

13、正集（小部组，一组为训练集（大部分），一组为校正集（小部分），然后把分），然后把1111个品种的训练集数据拼合到一块组成大个品种的训练集数据拼合到一块组成大的训练集，校正集数据拼合到一块组成大的校正集，之的训练集，校正集数据拼合到一块组成大的校正集，之后统一进行高光谱数据的预处理。后统一进行高光谱数据的预处理。数据预处理数据预处理 本次数据预处理用到的方法有矢量归一化、多元本次数据预处理用到的方法有矢量归一化、多元散射校正、散射校正、SGSG平滑滤波、标准化、一阶微分、二阶微平滑滤波、标准化、一阶微分、二阶微分等六种。应用预处理函数对小麦样品的训练集和校分等六种。应用预处理函数对小麦样品的训练

14、集和校正集数据进行预处理运算。正集数据进行预处理运算。研究过程研究过程3：matlab PLS建模分析建模分析利用预处理好的数据进行偏最小二乘回归模型的建立，之后再将利用预处理好的数据进行偏最小二乘回归模型的建立，之后再将由近红外高光谱特征处理得到的小麦硬度值与实际测得的小麦籽由近红外高光谱特征处理得到的小麦硬度值与实际测得的小麦籽粒硬度值进行交叉验证，并画出在各个预处理方法下的拟合曲线粒硬度值进行交叉验证，并画出在各个预处理方法下的拟合曲线图和均方根误差图和均方根误差RMSE在各个主成分下的曲线图，通过比较得出最在各个主成分下的曲线图，通过比较得出最佳预处理方法和主成分个数。佳预处理方法和主

15、成分个数。预处理预处理主成分数主成分数RMSERMSER2R2XmXm5050 266.7482 266.7482 -0.1590 -0.1590XnXn5050 266.0890 266.0890 -0.1533 -0.1533XsXs5050259.7876259.7876 -0.0993 -0.0993XzXz5050266.7606266.7606-0.1591-0.1591XdXd5050270.7691270.7691-0.1942-0.1942XddXdd5050275.1239275.1239-0.2329-0.2329新一组校正集和验证集新一组校正集和验证集XmXm50503

16、92.1886392.1886-1.8472-1.8472XnXn5050 385.8569 385.8569-1.7560-1.7560XsXs5050 367.7208 367.7208 -1.5030 -1.5030XzXz5050387.1718387.1718 -1.7748 -1.7748XdXd5050379.9449379.9449-1.6722-1.6722XddXdd5050328.5344328.5344-0.9980-0.9980第第章章结果分析结果分析4PART PART fourfour结果分析结果分析相同的训练集和校正集，预处理方法相同，改变主成分个数相同的训练集

17、和校正集，预处理方法相同，改变主成分个数预处理方法预处理方法主成分数主成分数RMSERMSER2R2XsXs2020286.4348286.4348 -0.0668 -0.0668XsXs5050 308.7559 308.7559 -0.2395 -0.2395XsXs100100 317.0571 317.0571-0.3070-0.3070XsXs150150315.6734315.6734 -0.2957 -0.2957XmXm2020 292.2886 292.2886-0.1108-0.1108XmXm5050321.6769321.6769-0.3454-0.3454XmXm10

18、0100321.8292321.8292 -0.3467 -0.3467XmXm150150 321.8292 321.8292 -0.3467 -0.3467XnXn2020 285.6488 285.6488 -0.0609 -0.0609XnXn5050313.9178313.9178 -0.2813 -0.2813XnXn100100316.8988316.8988 -0.3057 -0.3057XnXn150150316.8997316.8997 -0.3057 -0.3057XzXz2020 284.2417 284.2417 -0.0505 -0.0505XzXz5050315.

19、6067315.6067-0.2951-0.2951XzXz100100316.8997316.8997 -0.3057 -0.3057XzXz150150 316.8997 316.8997 -0.3057 -0.3057XdXd2020303.6287303.6287-0.1987-0.1987XdXd5050318.6637318.6637 -0.3203 -0.3203XdXd100100316.8177316.8177-0.3051-0.3051XdXd150150316.8169316.8169-0.3051-0.3051XddXdd2020334.5999334.5999-0.4

20、557-0.4557XddXdd5050 336.9981 336.9981-0.4766-0.4766XddXdd100100 319.7658 319.7658-0.3295-0.3295XddXdd150150312.2088312.2088 -0.2674 -0.2674 结果分析：均方根误差曲线图结果分析：均方根误差曲线图02468101214161820580600620640660680700720740760780number of componentsPLSRmseCV05101520253035404550500600700800900100011001200number

21、of componentsPLSRmseCV0102030405060708090100500600700800900100011001200130014001500number of componentsPLSRmseCV050100150500600700800900100011001200130014001500number of componentsPLSRmseCV（a a）主成分为）主成分为2020（b b）主成分为）主成分为5050（c c）主成分为）主成分为100100（d d）主成分为）主成分为150150根据左图可根据左图可以得出以得出:各各个主成分下个主成分下均方根误差均

22、方根误差旳值非常大旳值非常大且曲线最终且曲线最终趋于很高的趋于很高的值。此曲线值。此曲线与正常的结与正常的结果不相符。果不相符。结果分析：拟合曲线图结果分析：拟合曲线图4060801001201401601808090100110120130140150160170Hardness of Validation SamplesHardness of PLSR FitnessHardness Prediction by Xs4060801001201401601806080100120140160180Hardness of Validation SamplesHardness of PLSR F

23、itnessHardness Prediction by Xs406080100120140160180406080100120140160180Hardness of Validation SamplesHardness of PLSR FitnessHardness Prediction by Xs4060801001201401601806080100120140160180200Hardness of Validation SamplesHardness of PLSR FitnessHardness Prediction by Xs（a a）主成分为）主成分为2020（b b）主成分

24、为）主成分为5050（c c）主成分为）主成分为100100（d d）主成分为）主成分为150150根据左图得根据左图得出：硬度拟出：硬度拟合曲线结果合曲线结果和和4545度直线度直线相差很远，相差很远，因此可结合因此可结合前面分析结前面分析结果初步得出果初步得出结论，此方结论，此方法不适合检法不适合检测小麦硬度。测小麦硬度。得出结论得出结论 本研究基于近红外高光谱图像分析技术与建模分析理论，运本研究基于近红外高光谱图像分析技术与建模分析理论，运用用ENVIENVI软件和软件和MATLABMATLAB软件对小麦硬度进行了快速无损检测研究，软件对小麦硬度进行了快速无损检测研究，主要结论如下：主要

25、结论如下：u均方根误差均方根误差RMSERMSE与决定系数的大小和预处理方式、校正集与验证与决定系数的大小和预处理方式、校正集与验证集的选择、主成分个数三个因素有关。集的选择、主成分个数三个因素有关。u多元散射校正、矢量归一化、多元散射校正、矢量归一化、SGSG平滑滤波、标准化、一阶微分、平滑滤波、标准化、一阶微分、二阶微分六种预处理方式中二阶微分六种预处理方式中SGSG平滑滤波方式是最好预处理方式。平滑滤波方式是最好预处理方式。u不同的校正集与训练集会很大程度的影响不同的校正集与训练集会很大程度的影响RMSERMSE和决定系数值的大和决定系数值的大小，因此在选择最佳模型是需要运行上百次甚至上千次才能得到小，因此在选择最佳模型是需要运行上百次甚至上千次才能得到比较好的结果；在预处理方法一样，同样的训练集与校正集