基于THz图像和光谱信息融合的小麦芽变早期检测方法研究

Grain germination is one of the main reasons causing post-production grain loss in china. Early detection of germinated grain is an effective way to alleviate the problem. Grain germination originates in the interior embryo, and early germination is difficult to detect, adversely affecting the safety of the grain reserve. Therefore, THz spectral and image characteristics of wheat kernels at different stages of germination are analyzed and studied. The changing trends of key chemical components in the germinated wheat kernels are investigated. THz image and spectral information fusion technology is used to focus on the development of the regression model for identifying germinated wheat kernels. In detail it includes: the study of THz spectral characteristics of wheat kernels at different stages of germination; the study the THz image characteristics of wheat kernels at different stages of germination; and establishing the regression model for early identification of germinated wheat kernels based on THz image and spectra information fusion technology. The objective of this study is to explore the key chemical components causing the differences of THz image and spectra information of wheat kernels at different stages of germination, and provide the theoretical basis for early detection of germinated grain, to guarantee the quality of stored grain and enhance the level of national storage technologies.

储粮芽变是造成我国粮食产后损失的主要原因之一，粮食芽变早期检测是缓解该问题的有效途径。粮食芽变初始于内部胚芽部分，萌芽早期活动发现困难，成为制约粮食储备安全的一个瓶颈。本项目以储藏小麦为研究对象，分析不同芽变程度小麦样品在THz波段的图谱特征，探明小麦芽变过程中主要成分的变化规律，重点开展基于THz图像和光谱信息融合的小麦芽变早期检测精准模型研究。具体内容包括：研究利用THz时域光谱技术检测小麦芽变早期的光谱特征；研究利用THz反射成像技术检测小麦芽变早期的图像特征；研究信息融合方法，建立基于THz图像和光谱信息融合的小麦芽变早期判别数学模型。本项目旨在揭示不同芽变程度小麦样品太赫兹图谱差异的关键因子，为实现储粮芽变早期检测，保障储粮品质，提升国家储藏科技水平奠定了理论和技术基础。

储粮芽变是造成我国粮食产后损失的主要原因之一，粮食芽变早期检测是缓解该问题的有效途径。粮食芽变初始于内部胚芽部分，萌芽早期活动发现困难，成为制约粮食储备安全的一个瓶颈。本项目以储藏小麦为研究对象，以太赫兹波技术为检测手段，分析了不同芽变程度小麦样品在THz波段的图谱特征，从微观角度探明小麦芽变过程中主要成分的变化规律，重点开展了基于THz图像和光谱信息融合的小麦芽变早期检测精准模型研究。具体研究内容包括：针对THz图谱数据冗余和噪声问题，采用PCA、iPLS及稀疏优化等算法对THz光谱进行特征提取，构建了基于THz时域光谱技术检测小麦芽变判别模型；采用深度学习、稀疏表示和图像处理方法对不同芽变小麦THz图像进行去噪及特征提取，构建了基于THz反射成像技术检测小麦芽变判别模型；为了提高模型的预测精度，针对不同芽变程度小麦样品的THz光谱和图像特征数据，提出一种基于Boosting集成学习的信息融合建模新方法，并采用结构风险最小化理论提出了一种Boosting迭代终止判断指标，实现了对最小二乘支持向量机基础模型参数的自动优化，进而实现对小麦芽变的早期检测。本项目研究为保障储粮品质，提升国家储藏科技水平奠定了新的理论和技术基础，具有重大的科学研究意义和应用价值。