基于NIRS技术小麦硬度检测方法研究

摘要

小麦是世界上最重要的主粮之一，全球有近一半的人口以小麦为主粮。随着人们生活水平的提高，对小麦的需求从温饱转换成品质。小麦的籽粒硬度对小麦品质进行评价的重要指标之一，同时其对小麦分类以及制粉工艺皆有较大的影响，因此，小麦硬度的快速准确测定一直是国内外学者致力于解决的问题。为满足收购现场快速测定小麦硬度的需要，本研究选用近红外光谱分析技术(NIRS)建立预测模型，以实现对小麦硬度的预测。研究内容为利用近红外光谱扫描仪采集小麦样品的光谱数据，通过平滑、标准正态变量变换、一阶导数、二阶导数、连续投影算法等方法对光谱进行预处理，在一定程度上减弱了光谱中噪声以及一些客观因素对模型的影响;将处理后的光谱数据结合通过国家标准要求的小麦硬度指数法得到的小麦样品硬度值分别建立BP神经网络模型和径向基函数(RBF)神经网络模型;最终利用预测集的30个小麦样本对模型进行检验。结果表明经SPA-一阶导数处理的光谱数据建立的RBF神经网络模型预测效果最好，模型的预测相关系数R为0.92，相对分析误差RPD为2.52，预测均方根误差SEP为3.26。分析模型的各个评价参数值，该小麦硬度值预测模型精度较高，具有很好的可行性以及实用价值。

目录

摘要

第1章 绪论

1．1 课题背景

1．2 研究目的与意义

1．3 国内外研究进展

1．3．1 小麦硬度测定方法

1．3．2 小麦硬度测定方法研究进展

1．3．3 近红外检测技术研究进展

1．3．4 存在的问题

1．4 本文主要研究内容及技术路线

第2章 近红外光谱分析技术理论基础与流程

2．1 引言

2．2 近红外光谱技术理论基础

2．3 近红外检测技术特点

2．4 基于近红外技术进行小麦硬度检测研究的理论基础

2．5 近红外光谱数据的采集

2．5．1 实验器材

2．5．2 实验样品收集

2．5．3 光谱数据采集

2．6 小麦硬度值测定

2．6．1 小麦硬度仪测定原理

2．6．2 实验器材

2．6．3 小麦硬度值测定步骤

2．7 近红外检测流程及模型评价

2．7．1 近红外检测流程

2．7．2 模型评价

2．8 本章小结

第3章 光谱数据分析方法的研究

3．1 引言

3．2 样品集合划分

3．2．1 SPXY算法原理

3．2．2 基于SPXY算法的集合划分

3．3 光谱预处理

3．3．1 平滑

3．3．2 导数处理

3．3．1 标准正态变量变换

3．4 特征波点提取

3．5 人工神经网络

3．6 本章小结

第4章 基于不同模型的小麦硬度值定量检测研究

4．1 引言

4．2 基于BP神经网络的小麦硬度值定量检测研究

4．2．1 不同预处理方法对预测模型的影响

4．2．2 特征波点提取应用的研究

4．3 基于RBF神经网络的小麦硬度值定量检测研究

4．3．1 不同预处理方法对预测模型的影响

4．3．2 特征波点提取应用的研究

4．4 两种定量检测模型预测效果的对比

4．6 本章小结

第5章 模型的应用检验及对比

5．1 引言

5．2 模型的应用检验

5．3 与其他硬度测定方法的比较

5．4 本章小结

讨论

结论

参考文献

致谢

攻读学位期间发表的论文

声明