多因素多情景条件下油料作物霉变高光谱图像识别研究

Huaman’s extremely depending on food is largely based on food safety. Edible oil is a necessity in our daily lives, but oilseeds are susceptible to go moldy and produce aflatoxin during planting, transportation and storage. Aflatoxin is a potent carcinogen with highly toxic and it is hard to eliminate the toxicity with conventional cooking methods. At present, China pays close attention to the inspection of aflatoxin in edible oil and has established relevant standards. If moldy kernels could be identified and removed before industrial production, the quality of edible oils will be significantly improved. This project is proposed to explore the use of hyperspectral images to identify moldy kernels by artificial control combined with natural mildew experiments. The main content of this research includes: oil crop kernels bidirectional reflection rule and correction methods, spectral-spatial characteristics and their extraction methods of oil kernels under the influence of mildew and other factors, oil mildew gradient classification methods, moldy oily crop kernels discriminating rules based on spectral and spatial features of hyperspectral imagery, and the construction of moldy kernels recognition model which combines hyperspectral image and spectral features in order to improve the accuracy and reliability of identification of oilseed. The results are hoped to provide theoretical basis and technical methods for identifying and mechanically rejecting moldy kernels using hyperspectral images, which is of great significance for improving food quality.

民以食为天，食以安为先。食用油是我们日常生活必需品，但油料作物在种植、运输、储存过程中易霉变并产生黄曲霉毒素。黄曲霉毒素具有强致癌性，毒性强且常规烹饪方式难以消除其毒性。目前国家重视食用油黄曲霉毒素含量检测并制定了相关标准，如能够在工业生产前识别并剔除油料作物中的霉变颗粒则会显著提高食用油质量。本项目拟通过人工控制与自然霉变实验相结合，探索利用高光谱图像识别油料作物霉变颗粒的方法。主要研究内容包括：油料作物颗粒二向反射规律与校正方法，霉变与其他因素影响下的油料作物光谱、空间特征及其提取方法，油料作物霉变梯度分级方法，基于高光谱图像光谱与空间特征的油料作物霉变颗粒判别规则，构建融合高光谱图像光谱、空间特征的油料作物霉变颗粒识别模型，以提高高光谱图像识别油料作物霉变颗粒的准确度与可靠性。该成果可为利用高光谱图像识别并机械剔除油料作物霉变颗粒提供理论依据与技术方法，对于提高食品质量具有重要意义。

花生是我国重要的经济作物和油料作物。花生在存储和运输过程中由于条件不适当，容易霉变并产生Ⅰ类致癌物——黄曲霉毒素，因此确保花生质量对保障我国粮油安全具有重要意义。传统的湿化学虽然能提供准确的黄曲霉毒素含量，但费时费力，不适合自动化或在线监测。针对上述不足，本项目研究利用高光谱遥感技术对霉变油料作物进行快速无损识别。本项目以花生等油料作物为研究对象，首先通过室内控制实验模拟花生自然霉变，建立包含霉变、品种、水分含量、脱皮与机械破损等多因素影响的油料作物知识库；其次，利用成像光谱仪获取了油料作物霉变、脱皮、不同含水量颗粒的光谱图像数据库，获取高光谱影像736副，合计约59000颗/次花生，数据量约3TB。在获取的花生高光谱数据的基础上开展了以下研究：1）多因素影响下的油料作物先验知识库构建与霉变梯度分级；2）油料作物颗粒二向反射规律与校正方法；3）基于高光谱图像光谱与空间特征的油料作物霉变颗粒判别规则；4）融合高光谱图像光谱-空间特征识别油料作物霉变颗粒等方面研究。主要研究结果包括：通过对花生立体几何形状影响分析，提出了一种用于花生光谱二向反射的纠正方法以降低几何形状影响以提高识别精度；面向光谱-空间融合特征提取需求，从数据和模型特征增强角度构建了一种融合多特征的卷积神经网络模型对霉变花生进行识别；顾及到光谱样本分布受限问题，提出了一种光谱均差法对原始光谱数据进行增强，有效提高了霉变花生的识别精度；针对实际应用快速、低成本需求，从联合特征选择、波段影响力以及结合深度学习的嵌入式特征选择等方面对霉变花生敏感波长进行了选择，在提升检测速度、降低硬件需求的提前下保证了霉变花生识别精度。上述项目成果为实现油料作物快速无损快速检测开辟了新途径，提升了食品生产的安全水平，为我国为花生和其他油料作物批量快速分检设备开发奠定理论依据和技术支撑。本项目发表SCI论文12篇，申报发明专利2项；培养毕业博士研究生3名，在读生4名。