关键词：
霉变花生
黄曲霉毒素B1
机器视觉
可见-近红外光谱
高光谱图像
摘要：
花生是一种重要的油料作物,其易受曲霉菌感染从而产生黄曲霉毒素,其中黄曲霉毒素B1（Aflatoxin B1,AFB1）对人畜具有较高威胁。传统AFB1检测方法操作繁琐、破坏物料以及耗时长等问题较为突出,所以发展一种快速无损的检测方法对花生的实际生产具有重要价值。可见-近红外光谱和机器视觉技术以其快速无损等优势在食品领域中多有运用,因此本文采用可见-近红外光谱、机器视觉以及高光谱图像技术探寻识别AFB1超标花生的可行性。目前,相关报道多以试剂将AFB1污染样本表面,这与实际生产有所差别。所以,本文先后以接种霉变和自然霉变花生为研究对象,采用近红外光谱和机器视觉动态检测技术,并利用高光谱图像技术对花生AFB1污染进行研究。首先对花生进行储藏培养（28℃、RH85%）以促进其霉变。其次采用近红外光谱技术采集不同储藏期间花生样品的近红外光谱信息,采用机器视觉技术采集花生样品图像信息,采用高光谱图像技术采集样品的高光谱图像信息。最后结合化学计量学方法方法建立花生AFB1污染的定性分析模型,为实际生产中AFB1超标花生的筛选提供理论依据。本研究的主要分析结果如下:
（1）基于高光谱波谱结合图像信息实现接种霉变花生中AFB1污染的定性判别模型。通过对比样品、背景以及比色皿之间的差异光谱,使用阈值分割将花生与背景以及比色皿分割。提取感兴趣区域（Region of interest,ROI）中的平均光谱和图像参数（纹理、颜色）进行判别分析。线性判别分析（Linear discriminant analysis,LDA）结果表明,全谱段下,Savizky-Golay平滑（Savizky-Golay smoothing,SGS）结合标准正态变换（Standaedized normal variate,SNV）处理（SGS+SNV）的光谱模型可以获得最佳性能,校正集和验证集的毒素判别准确率分别为95%、91%。通过竞争自适应重加权采样（Competitive Adaptive Reweighted Sampling,CARS）方法优选波长,将优选的波长和图像参数进行不同组合,特征波长与纹理参数的融合将毒素判别模型的验证集准确率提升至96%。最后基于特征波长融合纹理参数建立偏最小二乘判别分析（Partial least squares discriminant analysis,PLS-DA）和支持向量机（Support vector machine,SVM）模型,PLS-DA模型表现较优,校正集和验证集分类准确率分别为95%、94%。研究表明,高光谱图像技术可实现接种霉变花生中AFB1的判别,光谱和纹理参数的融合能提升模型分类效果,为后续可见/近红外光谱结合机器视觉技术检测AFB1超标花生提供理论依据。
（2）为研究在线检测的可能性,基于可见/近红外光谱结合机器视觉技术建立接种霉变花生中AFB1污染的动态检测模型。对比LDA模型结果,SGS+SNV为最优预处理方法。进一步将特征波长、颜色与纹理参数不同组合,特征波长与纹理参数的融合将校正集与验证集的毒素分类结果均提升至93%,颜色参数与特征波长的融合使得模型效果有所下降。最后基于特征波长融合纹理参数的数据处理方法,带有径向基函数（Radial basis function,RBF）的SVM模型将验证集分类准确率提升至94%,假阴性降至0%。结果表明,可见/近红外光谱结合图像技术具有花生AFB1污染的动态检测的应用潜力。
（3）利用高光谱成像技术建立自然霉变花生的毒素分析模型。提取花生ROI的平均光谱、颜色和纹理特征参数并进行融合分析,以区分AFB1超标和未超标花生。LDA分析结果表明,SGS+LDA模型可以达到最佳判别,其校正集和验证集准确度分别为96%、90%。LDA的模型结果表明,通过CARS算法优化的光谱特征与灰度共生矩阵（Gray level co-occurrence matrix,GLCM）提取的纹理特征相结合,实现了最佳分类,其校正集和验证集准确度分别为95%和88%。最后,将PLS-DA和SVM方法与LDA方法的性能进行了比较,带有RBF核的SVM取得了最佳结果,校正集和验证集准确度分别达到96%和90%。结果表明,高光谱波谱和图像纹理参数的融合对于自然霉变花生中AFB1的检测具有可行性。
（4）进一步研究实际生产中在线筛选AFB1超标花生的可行性,建立可见/近红外光谱结合机器视觉技术动态检测自然霉变花生的分析模型。通过PCA载荷系数优选的光谱特征与纹理特征相结合实现了最佳分类,其校正集和验证集准确度分别为91%和90%。最后将PLS-DA和SVM方法与LDA方法的模型效果进行对比,SVM（RBF）模型获得最优结果,校正集和验证集分类准确率分别为94%和92%,假阴性降低为8%
欢迎来到三峡大学图书馆！
