基于近紅外光譜技術(shù)的小麥品質(zhì)分類方法研究.pdf

1、小麥是我國主要糧食作物之一，其品質(zhì)的好壞是老百姓非常關(guān)注的問題，許多糧食加工生產(chǎn)企業(yè)、科研院所、檢測機構(gòu)都希望可以快速、準確地對小麥品質(zhì)做出檢測。因此，如何高效快速地對小麥的品質(zhì)做出分類識別成為科研人員研究的重點課題。國外發(fā)達國家在小麥產(chǎn)業(yè)方面對小麥品質(zhì)的區(qū)劃和分類日趨完善，但我國農(nóng)業(yè)產(chǎn)業(yè)受裝備和技術(shù)的限制，整體技術(shù)水平、商品化處理率還比較低，相關(guān)研究較少，尤其利用近紅外光譜技術(shù)進行小麥品質(zhì)分類還鮮有報道。因此，利用近紅外光譜分析技術(shù)的

2、快速、無損等特性建立小麥品質(zhì)分類識別模型，具有重要理論意義和實用價值。針對目前存在的問題，在參考大量國內(nèi)外相關(guān)文獻的基礎(chǔ)上，本文從理論和實踐兩個方面對基于近紅外光譜的小麥品質(zhì)分類方法進行了系統(tǒng)、深入研究和詳細闡述，并開發(fā)了相應的實用系統(tǒng)。
　　 為了提高后續(xù)模型的準確性、代表性和穩(wěn)健性，從樣品選擇、集合劃分和特征選取方法等方面進行了研究。研究基于馬氏距離剔除光譜異常的樣品;從決定分類值的眾多物化指標中選取一個重要指標結(jié)合光譜數(shù)據(jù)

3、采用SPXY(Sample Set Partitioning Basedon Joint X-Y Distance)算法進行集合劃分;應用連續(xù)投影算法提取特征波長點作為神經(jīng)網(wǎng)絡(luò)的輸入層神經(jīng)元。
　　 研究了優(yōu)化的RBF神經(jīng)網(wǎng)絡(luò)小麥品質(zhì)分類模型。將RBF神經(jīng)網(wǎng)絡(luò)作為主要建模方法建立小麥品質(zhì)分類模型，運用粒子群算法(PSO)來優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)的隱層聚類中心和輸出權(quán)值，并針對PSO算法存在的容易早熟收斂和慣性權(quán)值設(shè)置過于機械的不足，