1. 研究目的与意义
（一）研究背景：
小麦是我国主要的粮食作物，其种植量大，面积广[1]。小麦具有非常高的营养价值和多种营养元素，其籽粒中主要含有淀粉，其次还含有蛋白质和维生素B等。小麦在中国乃至全世界农业生产中都占有极其重要的位置[2]。但是，小麦的抗霉性较差，如果储存环境不适宜就会很容易霉变。在储存过程中，霉菌的生命活动会导致小麦的物理特性发生变化，降低小麦的容重，千粒重和散落性，以及面筋含量和吸水能力[4-6]。还有的霉菌在代谢的过程中会产生有毒的代谢产物如呕吐毒素。含有呕吐毒素的小麦被人、畜食用后，会导致中毒，严重的会有生命危险。这样的小麦不仅丧失了食用价值，还会造成非常严重的后果[7-8]。目前，在小麦的实际储存和运输中，判断小麦是否发生霉变的方法主要是通过工作人员的感官判定，这样误差比较大。而传统的监测小麦霉菌污染的方法打斗缺乏时效性且步骤复杂，在实际使用中无法满足需要。
（二）研究目的：
2. 研究内容和预期目标
（一）研究内容
（1）基于高光谱图像的图像信息区分小麦样品健康与霉变的区别。
（2）基于融合高光谱图像的图像信息和波谱信息对小麦制品与呕吐毒素关
3. 国内外研究现状
（一）国内研究现状
袁琳等研究人员利用高光谱成像技术，将小麦赤霉病和小麦条锈病两种病害的光谱信息提取出来，研究光谱数据找出有效波长，并利用有效波长建立病害复杂度反演模型基于这些波段和特征,采用FLDA构建病害判别模型；借助PLSR分析构建病情严重度反演模型。研究结果表明,筛选得到的反射率波段和光谱特征能够较好地区分两种病害,判别模型总体精度达到80%以上[11]。
朱启兵等分别利用单波段、多波段和全波段下的玉米种子形状特征结合偏最小二乘判别法进行模型分类.结果显示, 全波段范围内训练集和测试集的平均正确识别率达到98.31%和93.98%[12]。
4. 计划与进度安排
2022.01-2022.02，完成论文第一、二部分；
2022.02-2022.04，完成论文第三、四部分；
5. 参考文献
| [1]史建荣,刘馨,仇剑波,等.小麦中镰刀菌毒素脱氧雪腐镰刀菌烯醇污染现状与防控研究进展[J].中国农业科学,2014,(18):3641-3654. [2]郭青,王麵雯,董方敏,等.基于方向一致性特征的小麦条锈病与白粉病识别方法[J].农业机械学 报,2015,(01):26-34. [3]李云霄.不同硬度小麦抗霉特性及抗真菌蛋白差异研究[D].河南工业大学,2016. [4]赵亚娟.赤霉病感染小麦品质特性的研究[D].河南工业大学,2013. [5]李佳,赵旭,李玉,等.微生物对粮食储藏的影响及预防措施[J].农业科技与装备,2010(9):18-19. [6]魏鑫.不同品种小麦储藏过程中霉菌活动特性研究[D].河南工业大学,2012. [7]Zhang D H,Li P W,Zhang Q,et al.Production of ultrasensitive generic monoclonal antibodies against major aflatoxins using a modified two-step screening procedure.[J].Analytica Chimica Acta, 2009, 636(1):63-69. [8]Jayas D S.Storing Grains for Food Security and Sustainability[J].Agricultural Research,2012, 1(1):21-24. [9]丁冬.高光谱成像技术及其在农产品检测中的应用[J].科技信息,2013(35):72-98. [10]孙俊,金夏明,毛罕平,等.高光谱图像技术在掺假大米检测中的应用[J].农业工程学报,2014(21):301-307. [11]袁琳,张竞成,赵晋陵,等.基于叶片光谱分析的小麦白粉病与条锈病区分及病情反演研究[J].光谱学与光谱分析,2013,33(6):1608-1614. [12]黄敏,朱晓,朱启兵,等.基于高光谱图像的玉米种子特征提取与识别[J].光子学报,2012,41(7):868-873. [13]董高,郭建,王成,等.基于近红外高光谱成像及信息融合的小麦品种分类研究[J].光谱学与光谱分析,2015,35(12):3369-3374. [14]吴翔,张卫正,陆江锋,等.基于高光谱技术的玉米种子可视化鉴别研究[J].光谱学与光谱分析,2016,36(2):511-514. [15]邓小琴,朱启兵,黄敏.融合光谱、纹理及形态特征的水稻种子品种高光谱图像单粒鉴别[J].激光与光电子学进展,2015,52(02):100-117. [16]杨艳魁,陈芸芝,吴波,汪小钦.基于高分二号影像结合纹理信息的茶园提取[J].江苏农业科 学,2019,47(02):210-214. [17]张爱武,董喆,康孝岩.基于 XGBoost 的 LiDAR 与高光谱影像结合的特征选择方法[J].中国激 光,2019,31(15):1-16. [18]李江波,饶秀勤,应义斌,等.基于高光谱成像技术检测脐橙溃疡[J].农业工程学报,2010,26(8):222-228. [19]Jaillais B,Roumet P,Pinson-Gadais L,et al.Detection of Fusarium,head blight contamination inwheat kernels by multivariate imaging[J].Food Control,2015,54:250-258. [20]Beyer M,Pogoda F,Ronellenfitsch F K,et al.Estimating deoxynivalenol contents of wheat samples containing different levels of Fusarium-damaged kernels by diffusereflectance spectrometry and partial least square regression[J].International Journal of Food Microbiology,2010,142(3):370-4. [21]HUANG W J,LAMB D W,NIU Z,et al.Identification of yellow rust in wheat using in-situ spectral reflectance mea-surements and airborne hyperspectral imaging[J].Precis Agric,2007,8(4/5):187-197. [22]Baiano A,Terracone C,Peri G,et al.Application of hyperspectral imaging for prediction of physicochemical and sensory characteristics of table grapes[J].Computersamp;Electronics in Agriculture,2012,87(87):142-151. [23]Yeh Y H,Chung W C,Liao J Y,et al.Strawberry foliar anthracnose assessment by hyperspectral imaging[J].Computersamp;Electronics in Agriculture,2016,122:1-9. [24]Yang Z,Rao M N,Elliott N C,et al.Using ground-based multispectral radiometry todetect stress in wheat caused by greenbug(Homoptera:Aphididae)infestation[J].Computersamp;Electronics in Agriculture,2005,47:121-135. [25]Stuckens J,Dzikiti S,Verstraeten W W,et al.Physiological interpretation of a hyperspectral time series in a citrus orchard[J].Agricultural and Forest Meteorology,2011,151(7):1000-1015. [26]Rajkumar P,Wang N,Eimasry G,et al.Studies on banana fruit quality and maturity stages using hyperspectral imaging[J].Journal of Food Engineering,2012,108(1):194-200.
|
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
