高光谱检测小麦硬度

毕业论文答辩——高光谱检测小麦硬度目录12345研究背景研究目标研究过程得出结论研究不足第章研究背景1PARTONE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。第章研究目标2PARTtwo研究目标本次研究的主要目标是通过高光谱对小麦硬度进行全面的快速无损检测。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。第章研究过程3PARTttree研究过程1：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、弹性凝胶强度等。选取11个小麦品种：N9695、阿勃、藁9411、邯6172、皖33、温麦6号、西农1376、小偃6号、郑农16、中育6号、周13-1，每种采集了50粒。硬度仪参数设置测试速度：前5mm/s;中2；后10下压距离：0.8mm触发应力：5g研究过程1：小麦样品的采集和硬度测试测试参数：力量、时间、距离测试类型：标准的测试方法，SIN变速测试，衰减度，松弛测试，流变测试，粉体流变，面团吹泡，面团拉伸等力量范围：+/-5Kg+/-50Kg移动速度范围：0.01~40mm/s测试距离范围：0.001~295mmPC连接端口，RS232标准端口或USB端口操作温度：0~40℃研究过程2：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：ImSpectorN17E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，最终拍摄了11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。高光谱成像系统结构示意图研究过程2：ENVI软件处理图像第256波段第240波段第4波段第100波段第20波段裁剪结果研究过程2：ENVI软件裁剪图像空间裁剪：为裁掉标签，更改坐标波段裁剪：从256个波段选取第20~240共221个波段阈值分割：通过观察光谱反射曲线图可以得出在1100.83波长处设置最小值0.6可以将图像的背景和噪声等与小麦样品图像分割开。研究过程2：ENVI软件阈值分割小麦高光谱图像反射曲线图阈值分割的基本原理是：对于某灰度值范围的图像，通过一定准则在图像里找到一个能够明显区分目标与背景的灰度值t，将其作为阈值，然后将选定的阈值和图像中所有像素比较得到灰度值大于t和小于t两部分，分割后图像表达式如下：

进行开运算后图像建立掩膜后的图像研究过程2：ENVI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，可通过开运算进行消除，开运算就是使用同一结构元素对图像先腐蚀再进行膨胀的运算。例如，在结构元素B下对集合A进行开运算的表达式为：通过对裁剪后的图像应用掩膜后得到从20~240共221个波段的二值图像第100波段第20波段第240波段通过ENVI软件处理后得到掩膜图像(.bmp)和图像的ASCII值(.txt文件)，下面用matlab软件对图像的高光谱数据进行处理。研究过程2：ENVI软件应用掩膜研究过程3：matlab高光谱数据处理首先，读入样品的高光谱数据矩阵对11个品种的光谱数据进行求平均值得到平均光谱数据研究过程3：matlab高光谱数据处理“阿勃”品种的平均光谱曲线“藁9411”品种的平均光谱曲线其余9个品种的平均光谱曲线图的趋势和上面两种平均光谱曲线大抵相似研究过程3：matlab高光谱数据处理用plot函数画出11种小麦样品的平均光谱曲线图。研究过程3：matlab高光谱数据处理选择训练集和校正集本次试验中有11中小麦样品，每一个小麦品种样本有五十粒种子，需要将11组小麦样品中的每一种分为两组，一组为训练集（大部分），一组为校正集（小部分），然后把11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，之后统一进行高光谱数据的预处理。数据预处理本次数据预处理用到的方法有矢量归一化、多元散射校正、SG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正集数据进行预处理运算。研究过程3：matlabPLS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，通过比较得出最佳预处理方法和主成分个数。预处理主成分数RMSER2Xm50266.7482-0.1590Xn50266.0890-0.1533Xs50259.7876-0.0993Xz50266.7606-0.1591Xd50270.7691-0.1942Xdd50275.1239-0.2329新一组校正集和验证集Xm50392.1