高光谱成像技术鉴别小麦籽粒品种的研究进展

本研究应用了400-1000nm的高光谱相机，可采用广东赛斯拜克科技有限公司产品SP130M进行相关研究。

一、高光谱成像技术概述

高光谱成像技术是一种结合了光谱学和图像学的技术，它可以通过对物体在不同波长范围内的光谱信息进行采集和分析，实现对物体成分和性质的准确鉴别。高光谱成像技术具有高分辨率、高灵敏度、高速度等优点，因此在农业、环境监测、食品检测等领域具有广泛的应用前景。

二、高光谱成像技术在小麦籽粒品种鉴别中的应用

1. 光谱采集方法

在小麦籽粒品种鉴别中，常用的光谱采集方法包括透射光谱法和反射光谱法。透射光谱法是通过将光线照射到样品上，然后收集透过样品的光线，分析其光谱特征。反射光谱法则是通过收集样品表面反射的光线，分析其光谱特征。这两种方法都可以实现对小麦籽粒品种的准确鉴别。

2. 特征提取与分类算法

高光谱成像技术通过对小麦籽粒的光谱信息进行分析，可以提取出反映品种差异的特征。这些特征可以包括光谱曲线、纹理等。然后，通过分类算法对这些特征进行分类和识别，实现对小麦籽粒品种的准确鉴别。常用的分类算法包括支持向量机（SVM）、人工神经网络（ANN）等。

3. 实验结果与分析

通过大量的实验研究，高光谱成像技术在小麦籽粒品种鉴别方面已经取得了显著的成果。例如，研究人员可以通过高光谱成像技术实现对小麦籽粒的化学成分分析，进而对其品种进行分类和识别。此外，研究人员还可以通过对小麦籽粒表面的纹理进行分析，实现对品种的准确鉴别。

三、高光谱成像技术鉴别小麦籽粒品种的研究进展

高光谱成像结合图像（形态、纹理等特征）和光谱信息，可同时快速、无损检测样品的物理（颜色、大小、形状和质地等）和内部组成成分的化学和分子信息（水分、脂肪、蛋白及其他氢键物质），已广泛用于水稻]、玉米、大豆的鉴别研究，在实现小麦籽粒品种快速无损鉴别方面具有可行的理论基础。

近年来，国内外已有基于高光谱成像技术对小麦品种鉴别方面的研究报道，但仍处于初步探索阶段。

Mahesh等采集了加拿大西部种植的8个小麦品种籽粒的960~1700nm波长范围的高光谱信息，比较不同比例的训练集、测试集和验证集的建模效果，研究发现，模型性能随着训练集比例增大而提高。

董高等利用最小二乘-支持向量机（LS-SVM）和最小二乘判别（PLS-DA）算法对单粒小麦850~1700nm波长范围的高光谱信息建立分类模型，实现了强筋、中筋、弱筋3个单籽粒小麦类型之间的分类。

丁秋等采集了10个品种共500个小麦籽粒388~1009nm波长范围的高光谱图像，运用主成分分析法提取三个特征波长，提取特征波长下小麦籽粒图像的形态特征和纹理特征，应用贝叶斯（Bayes）判别分析法进行建模，训练集和预测集的整体正确判别率分别为98%和100%。

张航等基于400-1000nm和900-1700nm波长范围的高光谱信息建立了小麦品种的主成分分析-支持向量机（PCA-SVM）分类模型，结果发现900~1700nm波长范围建模效果优于400~1000nm，其中3个品种间种子分类正确率平均达到95%以上，4个品种间种子分类准确率在80%左右，6个品种间种子分类准确率在66%左右。

Bao等12]采集了5个小麦品种874~1734nm波长范围的高光谱信息，采用变量标准化算法（SNV）、多元散射校正（MSC）和小波变换（WT）等进行光谱预处理，应用主成分分析（PCA）、连续投影法（SPA）和随机森林（RF）提取特征波长，基于全波长和特征波长建立线性判别（LDA）、支持向量机（SVM）和极限学习机（ELM）分类模型。发现基于全波长的ELM模型性能最佳，训练集和预测集分别为91.3%和86.26%。

吴永清等利用高光谱成像技术采集小麦籽粒光谱和图像信息，优选不同部位光谱、预处理方法和特征波长提取方法；在此基础上，建立基于光谱信息、形态特征信息、光谱和形态特征信息结合的分类模型，构建小麦品种快速、无损、有效、稳定的鉴别技术。研究发现：基于胚、胚乳和胚、胚乳部位混合光谱所建模型中，胚乳部位的建模效果最佳，其训练集和预测集的正确判别率分别为78.7%和79.3%。

目前高光谱成像技术应用于小麦籽粒品种鉴别的模型正确判别率、稳定性以及重现性等问题尚需要进一步的研究和探讨。