APP下载

基于高光谱成像技术的酿酒高粱品种分类

2021-03-18孙婷田建平胡新军罗惠波黄丹黄浩平

食品与发酵工业 2021年5期
关键词:分类特征模型

孙婷,田建平,胡新军*,罗惠波,黄丹,黄浩平

1(四川轻化工大学 机械工程学院,四川 宜宾,644000)2(四川轻化工大学 生物工程学院,四川 宜宾,644000)3(酿酒生物技术及应用四川省重点实验室,四川 宜宾,644000)

高粱是我国重要的粮食作物之一,因其籽粒中含有丰富的营养物质在酿酒行业有着“好酒离不开红粮”的精辟论断,每年需求量高达2 000万t[1]。目前,酿酒高粱品种主要以高淀粉含量的泸州红、青壳洋、睿糯7号等糯高粱为主。由于酿酒高粱种类繁多,产地各不相同,籽粒中的淀粉、蛋白质、脂肪和单宁等含量有较大差异,导致酿造出的白酒在香型、风格、品质和产酒率上也有很大的差别[2]。由此可见,在高粱原材料分批入库前准确高效地对高粱品种进行鉴别,对酿造过程中泡粮时间、用水量、蒸粮时间等生产工艺控制,对产出优质白酒具有十分重要的指导意义[3]。传统的鉴别方式主要有人工经验判别和生物抽样检测[4],前者易受主观影响,效率低,难以形成统一的标准,后者操作繁琐、费时费力,两者都无法满足现代白酒企业对酿酒原料高粱的鉴别需求[5],因此急需寻找一种快速、准确且简便的高粱品种分类检测方法。

高光谱技术作为一种高效无损检测技术,可同时获取对象的光谱信息和空间信息[6],光谱特征通常在农副产品的分类、质量检测和指标评价等领域运用更多[7-9],空间图像信息的应用较少,但也有研究人员试图将高光谱的光谱信息和图像信息结合起来,以提高模型的准确性和可靠性[10]。……

登录APP查看全文

猜你喜欢

分类特征模型
一半模型
分类算一算
重尾非线性自回归模型自加权M-估计的渐近分布
如何表达“特征”
不忠诚的四个特征
教你一招:数的分类
3D打印中的模型分割与打包
线性代数的应用特征