《小麦不完善粒的高光谱检测分类应用案例》

我国国家标准“小麦”（GB 1351—2008）按容重、不完善粒、水分、杂质、气味、色泽将小麦分为5个等级。在国家标准中采用容重作为小麦定等指标，不完善粒等指标作为小麦质量限制指标，该标准是小麦收购过程中判断质量等级的重要依据。

由此可见，不完善粒对小麦的质量评价等级具有很大的影响。不完善粒小麦主要是指那些受到损伤，但是依旧具有一定使用价值的小麦，这些小麦包含有生芽粒、虫蚀粒、病斑粒（黑胚粒和赤霉病粒）、霉变粒和破损粒。不完善粒小麦会降低小麦的商品价值和使用价值，比如霉变小麦可能引起人们中毒，虫蚀小麦会影响口感、气味等食用品质，黑胚小麦可能诱发食道癌，而且使小麦品质和商品性质下降等。因此，对小麦不完善粒的检测，对小麦的收购、食品加工等具有重要的价值和意义。

传统不完善粒的检测方法主要是人工检测，具有工作强度大、检测速度慢、主观因素强以及准确率低等缺点。近年来国内外专家也提出了一些新的检测方法，如基于声学原理的检测方法、基于近红外光谱的检测方法，这些方法虽然解决了人工检测的主观性等一些问题，但是这些方法也各自都存在一定的弊端，例如声学原理检测方法在采集超声信号时利用传声器将接收到的信号经信号调制放大后上传至主机，声信号的采集过程中具有噪声，而且经过放大器时噪声又会传播，并且是无法消除的弊端；近红外光谱法对样本的湿度以及温度相对敏感。(www.xing528.com)

近几年来，高光谱成像技术依其快速无损检测的独特优势得到快速发展。高光谱成像技术是集探测器技术、精密光学机械、微弱信号检测、计算机技术、信息处理技术于一体的综合性技术。高光谱图像样本将光谱信息和图像信息集为一体，其最大的特点就是将成像技术和光谱技术结合在一起，可以实现在对目标的空间特征成像的同时，对每个空间像元经过色散形成成百个窄波段以进行连续的光谱覆盖。图像信息用来反映样本的大小、形状、缺陷等外部品质特征，但是由于不同成分对光谱的吸收也不相同，在某个特定波长下，图像会对某个缺陷有着较显著的反映；而光谱信息则能充分反映样本内部的物理结构、化学成分的差异。

因此在对高光谱数据分类时，利用高维谱数据的固有特点，在深度学习理论知识的指引下，针对CNN特点，将数据分类与图像分类相结合，将CNN高光谱数据分类原理应用于我国小麦不完善粒的检测试验中。