基于近红外光谱法的精米品种判别优化研究

由于地理标志性大米巨大的市场价值,导致掺假行为时有发生。因此,为保证地理标志性大米品牌效益和消费者权益,实现准确的精米品种判别具有重要意义。近红外光谱法是精米品种判别的常用方法,通过提取不同品种近红外光谱中的差异性特征实现品种分类。然而,现有研究中存在特征波长选取性能不足和针对指定品种判别准确度不足的问题,限制了基于近红外光谱法的精米品种判别准确度的提升。针对上述问题,面向东北地区五常、响水、越光、银水四种大米,从特征波长选取和品种判别策略两个方面,研究基于近红外光谱法的精米品种判别优化。首先,为提高特征波长选取性能,将排列熵和自适应滑动窗口分割相结合,提出了基于自适应滑动排列熵的精米光谱特征波长选取方法,并开展与传统特征波长选取算法的对比实验。其次,为提高面向不同指定品种的判别准确度,提出基于判别目标的精米品种判别策略,通过研究光谱预处理算法与分类建模算法匹配优化,建立“指定品种-选定模型-选定算法的”的判别流程。实验结果表明,采用所提出的自适应滑动排列熵算法进行特征波长选取,相比于传统算法精米品种判别误差至少可降低50%;采用所提出的基于判别目标的精米品种判别策略,相比于传统的基于固定模型的判别策略的判别准确度至少可提高2.5%。