背景：

作為世界上*大的大米生產(chǎn)國(guó)和消費(fèi)國(guó)，中國(guó)的大米種植面積占全球約20%，其質(zhì)量直接影響糧食**和經(jīng)濟(jì)效益。水分含量和脂肪酸含量是衡量大米品質(zhì)和儲(chǔ)存穩(wěn)定性的關(guān)鍵指標(biāo)，過(guò)高的水分含量易導(dǎo)致霉變和微生物滋生，而脂肪酸的增加則是大米氧化變質(zhì)的典型信號(hào)。因此，精準(zhǔn)、高效、無(wú)損地檢測(cè)大米的水分和脂肪酸含量對(duì)于糧食儲(chǔ)存管理至關(guān)重要。然而，傳統(tǒng)的檢測(cè)方法通常需要破壞樣本，并且過(guò)程復(fù)雜、耗時(shí)，難以滿(mǎn)足現(xiàn)代糧食存儲(chǔ)和加工行業(yè)對(duì)快速檢測(cè)的需求。高光譜成像（HSI）技術(shù)作為一種集成光譜分析和圖像處理的無(wú)損檢測(cè)方法，能夠同時(shí)獲取大米的物理與化學(xué)信息，為大米品質(zhì)的精準(zhǔn)檢測(cè)提供了新的技術(shù)路徑。

因此，該研究旨在利用高光譜成像技術(shù)結(jié)合化學(xué)計(jì)量學(xué)方法，實(shí)現(xiàn)大米水分和脂肪酸含量的快速、無(wú)損檢測(cè)，為糧食質(zhì)量控制和存儲(chǔ)管理提供科學(xué)依據(jù)。具體研究?jī)?nèi)容包括：（1）采用不同的預(yù)處理方法對(duì)大米和精米的光譜數(shù)據(jù)進(jìn)行處理，并建立其水分和脂肪酸含量的全光譜預(yù)測(cè)模型，*終根據(jù)模型性能確定*佳預(yù)處理方法。（2）采用兩種變量篩選方法，在900–1700nm范圍內(nèi)選擇大米和精米水分及脂肪酸含量的關(guān)鍵波長(zhǎng)，并從化學(xué)角度對(duì)所選波長(zhǎng)進(jìn)行分析。（3）比較大米和精米水分及脂肪酸預(yù)測(cè)模型的性能，并分析稻殼對(duì)水分和脂肪酸模型預(yù)測(cè)效果的影響。（4）利用*佳模型對(duì)大米樣本的每個(gè)像素點(diǎn)進(jìn)行水分和脂肪酸預(yù)測(cè)，實(shí)現(xiàn)大米水分和脂肪酸含量的可視化分析。

實(shí)驗(yàn)設(shè)計(jì)

1.1材料與方法

（1）實(shí)驗(yàn)材料與方法

本研究以2021年收獲的13個(gè)晚稻品種為實(shí)驗(yàn)材料，其中包括4個(gè)粳稻品種和9個(gè)晚秈稻品種，具體信息如表1所示。所有晚稻樣品均由浙江省糧庫(kù)提供。每個(gè)品種的晚稻樣品均采用自封袋密封包裝，并儲(chǔ)存于恒溫恒濕環(huán)境中（溫度10℃，濕度50%）。

水分是影響大米脂肪酸值（FAC）變化的主要因素。因此，可以通過(guò)向樣品中添加不同量的水分來(lái)擴(kuò)展樣品的水分含量（MC）和脂肪酸值（FAC）的范圍，從而提高模型的穩(wěn)健性。首先，稱(chēng)取每種大米240克，并將其分成六份，得到78個(gè)實(shí)驗(yàn)樣品。然后向每個(gè)樣品中添加不同質(zhì)量的蒸餾水并混合均勻，使得樣品中的水分含量呈現(xiàn)出12克/100克、13克/100克、14克/100克、15克/100克、16克/100克和17克/100克的梯度變化。

處理后的大米樣品用12 × 17 cm的自封袋密封，在溫度為10℃的室內(nèi)保存20 h，使樣品中的水分分布均勻。用已完成光譜采集的大米樣品制備精米樣品。大米樣品先用脫殼機(jī)去殼，然后用碾米機(jī)磨成精米。本研究中，所有樣品的MC按GB 5009.3-2016《食品**國(guó)家標(biāo)準(zhǔn)-食品中水分的測(cè)定》中的直接干燥法測(cè)定，F(xiàn)AC按GB/T 20569-2006《大米貯藏質(zhì)量判定規(guī)則》的方法測(cè)定。

（2）高光譜圖像采集與校正

高光譜成像系統(tǒng)由近紅外高光譜成像儀（GaiaField-N17E，江蘇雙利合譜科技有限公司，Dualix Spectral Imaging）、室內(nèi)試驗(yàn)箱（HSIA-BD）、四盞鹵素?zé)簦?0W）、升降臺(tái)、計(jì)算機(jī)以及配套軟件（Optiplex 7080MT/SpecView）組成。該近紅外高光譜成像儀的光譜范圍為900至1700nm，空間分辨率為640像素，波段數(shù)為512，光譜分辨率為5nm。升降臺(tái)的尺寸和升降范圍分別為300×300毫米和90至370毫米。系統(tǒng)如圖1所示。

圖1. 高光譜成像系統(tǒng)。

使用高光譜成像系統(tǒng)采集了樣品的高光譜圖像。在高光譜圖像采集過(guò)程中，大米樣品被放置在黑色基板上，平鋪成15×15厘米的正方形，精米樣品平鋪成為13×13厘米的正方形，確保樣品的厚度不超過(guò)3粒大米的厚度。為了獲得清晰且無(wú)畸變的高光譜圖像，傳送帶的移動(dòng)速度和移動(dòng)距離分別設(shè)置為0.6厘米/秒和17厘米。樣品與鏡頭之間的垂直距離為42厘米，光源與水平面的角度為60度，曝光時(shí)間為7毫秒。*終，每個(gè)樣品獲得了兩張高光譜圖像。

之后，對(duì)每張?jiān)几吖庾V圖像I0進(jìn)行了黑白色校正計(jì)算。收集到的原始圖像數(shù)據(jù)反映了信號(hào)強(qiáng)度，而通過(guò)黑白色校正計(jì)算可以獲取光譜的反射率。我們使用了白色校準(zhǔn)板進(jìn)行空白校準(zhǔn)，設(shè)定*大發(fā)射率（約99%），并用鏡頭蓋進(jìn)行暗校正，設(shè)定*小反射率（約0%）。

（3）光譜提取與預(yù)處理

通過(guò)對(duì)校正后的圖像進(jìn)行分割來(lái)提取每個(gè)樣品的興趣區(qū)域（ROI），以去除黑色背景。首先，從高光譜圖像中提取對(duì)應(yīng)于1290nm的圖像，并使用*大類(lèi)間方差法（OTSU）算法獲得*佳閾值。高于閾值的灰度圖像區(qū)域（大米/精米）被標(biāo)記為“1”，低于閾值的灰度圖像區(qū)域（背景）被標(biāo)記為“0”。然后為每個(gè)樣品創(chuàng)建了一個(gè)二值掩模，并將該掩模應(yīng)用于每個(gè)高光譜圖像立方體，以實(shí)現(xiàn)黑色背景的移除。為了提高預(yù)測(cè)的準(zhǔn)確性和可重復(fù)性，每個(gè)高光譜圖像中大米/精米像素的反射率值被平均化，以獲得其平均光譜。然后，對(duì)同一樣品掃描得到的兩個(gè)大米/精米高光譜圖像提取出的平均光譜再次平均，作為樣品的光譜數(shù)據(jù)。

預(yù)處理可以去除高光譜數(shù)據(jù)中的噪聲，例如高頻隨機(jī)噪聲和基線(xiàn)漂移，從而提高模型性能。在本研究中，我們采用了五種預(yù)處理方法來(lái)處理樣品的原始光譜，包括多次散射校正（MSC）、標(biāo)準(zhǔn)正態(tài)變量（SNV）、Savitzky-Golay（SG）平滑、SG+一階導(dǎo)數(shù)和SG+二階導(dǎo)數(shù)。根據(jù)全光譜模型的性能，*終選擇了合適的預(yù)處理方法。

（4）變量選擇

高光譜數(shù)據(jù)具有高維度和多重共線(xiàn)性的特點(diǎn)，這使得數(shù)據(jù)處理變得復(fù)雜且耗時(shí)。為了提高計(jì)算速度并實(shí)現(xiàn)實(shí)時(shí)檢測(cè)，有必要使用一些變量選擇方法來(lái)選擇重要的波長(zhǎng)，并降低高光譜數(shù)據(jù)的維度。這些重要的波長(zhǎng)能更好地預(yù)測(cè)大米/精米樣品的MC和FAC。在本研究中，我們采用了競(jìng)爭(zhēng)自適應(yīng)重加權(quán)采樣（CARS）和連續(xù)投影算法（SPA）來(lái)選擇大米/精米中MC和FAC的重要波長(zhǎng)。