玉米是重要的糧食作物，由于玉米胚部面積大、含水量高，在生長和儲藏過程中容易感染霉菌。因此，需要對玉米的健康狀況進行有效檢測，防止霉菌傳播，避免造成巨大的經濟損失。高光譜成像技術將光譜分析技術與圖像處理技術相結合，可以同時獲取含有樣本內部成分信息的光譜數據和含有外觀特征信息的圖像數據,實現快速無污染和無損檢測。可以使用彩譜的fs-14高光譜相機進行檢測。

人工選擇大小和外觀相同的玉米粒，為了減少玉米自身攜帶的細菌的影響，所有玉米粒在 2%次氯酸鈉溶液中浸泡5分鐘，然后用蒸餾水漂洗3次。玉米的霉變程度隨培養時間的變化而變化,為了人工培養不同霉變程度的玉米樣品，分別于第0天、第2天、第4天和第6天從恒溫恒濕培養箱中取出60組玉米樣品，采集所有樣本  兩個不同波長范圍的高光譜圖像。

不同霉變程度下玉米原始和去噪后的 RGB圖像如圖所示。獲取高光譜圖像的ROI區域后,計算每個波長圖像下RO區域內所有像素點的光譜反射率平均值，得到樣本的原始光譜數據矩陣。由于光譜數據在開始波段和結束波段存在大量的隨機噪聲和無用信息，會影響建效果，因此去除噪聲波段后，在 400-1000nm和900-1700nm波段保留 399-1001nm和1005-1701 nm 波長范圍的光譜數據用于進一步的分析，光譜變量分別為389個和112個。

通過分析光譜曲線特征，不難發現，玉米霉變程度越嚴重，兩個波長范圍的光譜反射強度越低，說明霉變組織的光吸收能力比玉米組織強。在400-1000nm 波段，光譜曲線單調，在 399-820nm波長范圍平均光譜強度逐漸增大，然后緩慢下降。而在900-1700nm 波段，光譜曲線復雜多變，分別在1100nm和1300nm附近捕獲到兩個明顯的反射率峰。前者可能與脂質中的C-H有關，后者則是 N-H拉伸的第一泛音與基本 -H 面內彎曲和 C-N 拉伸與 N-H 面內彎曲振動的結合。此外，在 1192 nm 和1445 nm 處有兩個明顯的吸收峰。1192nm可能與碳水化合物中C-H拉伸的第二泛音有關，1445 nm 可能與水中的 O-H 鍵和蛋白質中 C-H 的第一泛音有關。不同霉變程度下的反射率光譜和紋理強度存在顯著差異,這些差異為不同霉變程度的玉米判別提供了可能。但是，不同霉變程度的玉米樣品平均光譜值在某些波長范圍(1400-1701nm)存在交叉重疊，反射率光譜與霉變程度無顯著相關性。因此，需要將光譜數據和紋理特征進行融合，進一步研究其潛在信息的分類能力。

利用實驗室自行搭建的高光譜圖像采集系統，采集了不同霉變程度玉米樣本的400-1000nm 和900-1700nm 高光譜圖像，從高光譜圖像中提取平均光譜和不同紋理參數特征，利用像素級和特征級數據融合方法，建立分類模型。結果表明，兩種數據融合策略建立的模型分類效果優于單一的光譜數據源。對于光譜和不同紋理參數的像素級數據融合，能量和對比度對分類模型的改進起到了積極作用。總體而言，像素級數據融合對模型判別精度的提高不是很明顯,因為像素級數據融合策略在引入有用信息的同時會引入一些不相關的變量。因此，特征變量選擇方法有利于提高數據的處理速度和效率，降低模型的復雜度;數據融合的策略可以豐富特征信息，有利于樣品信息的表達，提高模型的精度和魯棒性。需要注意的是，本章主要針對玉米霉變的檢測，但同時數據融合策略一般適用于小麥、水稻、花生等其它糧食作物的質量檢測中。

本文由彩譜科技提供，了解更多詳情頁，歡迎咨詢。

彩譜科技（浙江）有限公司的產品廣泛應用于農業、林業、水質、塑膠制品、涂料、食品安全及醫學檢驗等領域，應用范疇持續拓展。公司堅持技術研發，提升服務水平，保障產品穩定性。公司主營多光譜相機、色差儀、分光測色儀、光澤度儀等一系列光學檢測設備，能為用戶提供有效解決方案。