潘磊庆，王振杰，孙 柯，贾晓迪，都立辉，袁 建，屠 康



基于计算机视觉的稻谷霉变程度检测

潘磊庆1，王振杰1，孙 柯1，贾晓迪1，都立辉2，袁 建2，屠 康1※

（1. 南京农业大学食品科技学院，南京 210095；2. 南京财经大学食品科学与工程学院，江苏省现代粮食流通与安全协同创新中心，南京 210023）

为了实现无损检测稻谷储藏中的霉变，该研究以引起稻谷霉变的5种常见真菌（米曲霉、黑曲霉、构巢曲霉、桔青霉和杂色曲霉）为对象，首先进行真菌培养，制成悬浮液，然后将悬浮液接种到稻谷样品中，对稻谷样品模拟储藏，确定不同霉变程度的稻谷类型，划分为对照组（无霉变）、轻微霉变组和严重霉变组。利用计算机视觉系统对三组稻谷样品进行图像采集和图像处理，提取灰度、颜色和纹理特征，共获取68个图像特征。采用支持向量机（support vector machines, SVM）和偏最小二乘法判别分析（partial least squares discriminant analysis, PLS-DA）构建模型，分别用于无霉变稻谷与霉变稻谷的区分和稻谷霉变类型区分。为了降低模型复杂度和数据冗余，利用连续投影算法（successive projections algorithm, SPA）来消除原始数据变量间的共线性，优选特征值。结果表明：利用所有参数构建的SVM模型能够很好的区分对照组与霉变组，其中建模集和验证集总体区分准确率分别为99.7%和98.4%；SVM模型对于稻谷严重霉变类型的区分效果要优于轻微霉变稻谷，其中对稻谷轻微霉变类型建模集和验证集总体区分的准确率分别为99.3%和92.0%，对稻谷严重霉变类型区分的总体准确率分别为100%和94%，且整体上SVM模型的效果要优于PLS-DA模型。而基……