進(jìn)行測(cè)定。
[0074] 1.5將120個(gè)花生品種的樣品隨機(jī)分為校正集和驗(yàn)證集，其中校正集為85個(gè)品種， 驗(yàn)證集為35個(gè)品種，其中脂肪含量統(tǒng)計(jì)見表1，W所述校正集花生樣品的所述預(yù)處理后的 花生樣品圖像平均光譜（具體是指光譜的反射值）為自變量，W所述校正集的花生樣品的 脂肪含量為因變量，通過(guò)偏最小二乘法建立所述自變量和因變量的偏最小二乘法回歸模型 (全波段）。然后進(jìn)行外部驗(yàn)證，采用公式（1)計(jì)算校正集的相關(guān)系數(shù)氏。1和驗(yàn)證集的相關(guān) 系數(shù)馬。1，采用公式（2)計(jì)算校正集的標(biāo)準(zhǔn)偏差沈C和驗(yàn)證集的標(biāo)準(zhǔn)偏差SEP，結(jié)果見表1。
[0076] 式（1)中，為第i個(gè)樣品高光譜方法預(yù)測(cè)值，玄是預(yù)測(cè)值的平均值；為第i個(gè) 樣品常規(guī)方法的測(cè)定值，y是測(cè)定值的平均值；n為兩個(gè)變量的樣本值的個(gè)數(shù)。如果樣本為 校正集，則R為氏。1;如果樣本為驗(yàn)證集，則R為RW。
[0078] 式（2)中，為校正集第i樣品高光譜方法的預(yù)測(cè)值，y1為校正集第i樣品常規(guī) 方法的測(cè)定值，n為校正集的樣品數(shù)。如果為驗(yàn)證集第i樣品高光譜方法的預(yù)測(cè)值，n為 驗(yàn)證集的樣品數(shù)，則公式（2)表示的是SEP。
[0079] 表1花生校正集和驗(yàn)證集的脂肪含量統(tǒng)計(jì)和模型參數(shù)
[0081] 1. 6利用回歸系數(shù)法（表示波長(zhǎng)對(duì)脂肪含量影響大小的參數(shù)），回歸系數(shù)絕對(duì)值 越大表明該波長(zhǎng)對(duì)脂肪含量影響越大，選擇對(duì)模型貢獻(xiàn)率絕對(duì)值最大的十二點(diǎn)為特征波 長(zhǎng)，分別為：931nm、941nm、964nm、1143nm、1157nm、1317nm、1400nm、1434nm、1658nm、1661nm、 1668皿、1678皿，建立花生中脂肪含量分布定量模型，采用上述公式（1) (2)計(jì)算校正集的 相關(guān)系數(shù)氏。1和校正集的標(biāo)準(zhǔn)偏差SEC，見表2,該花生中脂肪含量分布定量模型如下： 陽(yáng)0間Yfat=48. 003-1. 757R931nm+9. 441R9"nm+16. 766R964nm-19. 164Rii43nm+6. 41Rii57nm-4. 81R1317?-?. 419Ri4〇〇nm+3. 434Ri434nm-5. 199Ri658nni-15. 〇59Ri66inm+13. 274Ri668nni-5. 〇91Ri678nni
[008引其中，Yfat為花生樣品的月日肪含里，R931?、R94I?、尺964?、Rll43nni、Rll57nni、Rl317nni、Rl400nni、 R1434?、Rl658nm、Rl謝1?、Rl668nm、Rl678nm分別為花生樣品在特征波長(zhǎng) 93lnm、941nm、964nm、1143皿、 1157nm、1317nm、1400nm、1434nm、1658nm、1661nm、1668nm、1678nm處經(jīng)過(guò)預(yù)處理后的光譜反 射值。
[0084] 利用驗(yàn)證集對(duì)建立的模型進(jìn)行驗(yàn)證，采用上述公式（1)、（2)分別計(jì)算驗(yàn)證集的相 關(guān)系數(shù)馬。1和驗(yàn)證集標(biāo)準(zhǔn)偏差SEP,結(jié)果見表2。
[00化]表2基于特征波長(zhǎng)花生脂肪含量校正集和驗(yàn)證集模型參數(shù)
[0087] 選擇特征波長(zhǎng)能夠代表絕大多數(shù)信息，利用本發(fā)明方法建立的花生中脂肪含量分 布定量模型對(duì)花生中脂肪含量分布進(jìn)行檢測(cè)，其檢測(cè)結(jié)果與國(guó)標(biāo)GB/T5009. 6-2003中第 一法索氏提取法的檢測(cè)結(jié)果呈高度相關(guān)，并且能夠簡(jiǎn)化運(yùn)算分析時(shí)間，提高運(yùn)算速度。 陽(yáng)0蝴 實(shí)施例2
[0089] 本實(shí)施例提供一種基于高光譜成像技術(shù)檢測(cè)花生中脂肪含量分布的方法，該方法 包括W下步驟：
[0090] 1)采集待測(cè)花生樣品在下列特征波長(zhǎng)處的光譜圖像：931nm、941nm、964nm、 1143nm、1157nm、1317nm、1400nm、1434nm、1658nm、1661nm、1668nm、1678nm;
[0091] 具體過(guò)程：另取6個(gè)花生品種，按與實(shí)施例1相同的方法用高光譜儀得到花生樣品 的原始高光譜=維圖像；進(jìn)而用與實(shí)施例1相同的方法提取花生樣品圖像平均光譜；然后 再對(duì)該6個(gè)品種花生樣品圖像平均光譜進(jìn)行二階導(dǎo)數(shù)結(jié)合標(biāo)準(zhǔn)正態(tài)變量變換預(yù)處理；最終 獲得該6個(gè)花生品種樣品在上述特征波長(zhǎng)處的光譜反射值。
[0092] 2)將上述特征波長(zhǎng)處的光譜反射值輸入花生中脂肪含量分布定量模型，得到待測(cè) 花生樣品脂肪含量分布，結(jié)果如圖4所示；所述花生中脂肪含量分布定量模型如下：
[OOW]Yfat= 48. 003-1. 757R931nm+9. 441R9"nm+16. 766R964nm-19. 164Rii43nm+6. 41Rii57nm-4. 81R 1317?-?. 419Ri4〇〇nm+3. 434Ri434nm-5. 199Ri658nni-15. 〇59Ri66inm+13. 274Ri668nni-5. 〇91Ri678nni
[0094]其中，Yfat為花生樣品的月日肪含里，R931?、R94I?、R964?、Rll43nni、Rll57nni、Rl317nni、Rl400nni、 R1434?、Rl658nm、Rl謝1?、Rl668nm、Rl678nm分別為花生樣品在特征波長(zhǎng) 93lnm、941nm、964nm、1143皿、 1157nm、1317nm、1400nm、1434nm、1658nm、1661nm、1668nm、1678nm處經(jīng)過(guò)預(yù)處理后的光譜反 射值。 陽(yáng)0巧]對(duì)比例1
[0096] 本對(duì)比例提供一種基于高光譜成像技術(shù)建立花生中脂肪含量分布定量模型的方 法，與實(shí)施例1的區(qū)別僅在于選取的偏最小二乘法回歸模型的波長(zhǎng)不同。本對(duì)比例選取 十二個(gè)波長(zhǎng)，分別為 914nm、921nm、977nm、1020nm、1044nm、1094nm、1200nm、1253nm、1333nm、 1557nm、1584nm、1688nm，并基于運(yùn)十二個(gè)波長(zhǎng)W與實(shí)施例1相同方法建立花生中脂肪含量 分布定量模型，采用上述公式（1) (2)計(jì)算校正集的相關(guān)系數(shù)氏。1和校正集標(biāo)準(zhǔn)偏差SEC，見 表3,建立的花生中脂肪含量分布定量模型如下：
[0097]Y扣t= 26. 696+1. 124Rgi4nm+〇. 991Rg2inm+〇. 53Rg77nm-57. 757R誦nm+65. 218Ri〇44nm-27. 07 6Rl〇93nm+15. 117Ri200?+58. 416Ri253nm+2. 428Ri333nni-59. 147R巧的nm_3. 226Ri584nm+13. 926Ri688nni
[0098] 利用驗(yàn)證集對(duì)建立的模型進(jìn)行評(píng)估和驗(yàn)證，采用上述公式（1) (2)計(jì)算驗(yàn)證集的 相關(guān)系數(shù)馬。1和驗(yàn)證集標(biāo)準(zhǔn)偏差SEP，見表3。
[0099] 表3基于其他波長(zhǎng)花生脂肪含量校正集和驗(yàn)證集模型參數(shù)
[0101] 對(duì)比例2
[0102] 本對(duì)比例提供一種基于高光譜成像技術(shù)建立花生中脂肪含量分布定量模型的 方法，與實(shí)施例1的區(qū)別僅在于選取的偏最小二乘法回歸模型的波長(zhǎng)不同。本對(duì)比例選 取十二個(gè)波長(zhǎng)，分別為 944nm、977nm、1020nm、lOSOnm、1200nm、1297nm、1317nm、1383nm、 1464皿、1484皿、1584皿、1641皿，并基于運(yùn)十二個(gè)波長(zhǎng)W與實(shí)施例1相同方法建立花生中 脂肪含量分布定量模型，采用上述公式（1) (2)計(jì)算校正集的相關(guān)系數(shù)氏。1和校正集標(biāo)準(zhǔn)偏 差SEC，見表4,建立的花生中脂肪含量分布定量模型如下：
[010引Yfat= 33. 148-7. 646R94細(xì)-10. 179R977nm-31. 676R誦nm+43. 793R誦nm-30. 381Ri200nm-9 .06Ri297nni-32. 937Ri3i7nm+ll. 423Ri383nm+17.l06Ri464nni-14. 34Ri484nni-20. 588Ri584nm+2. 438Ri641?
[0104] 利用驗(yàn)證集對(duì)建立的模型進(jìn)行評(píng)估和驗(yàn)證，采用上述公式（1) (2)計(jì)算驗(yàn)證集的 相關(guān)系數(shù)馬。1和驗(yàn)證集標(biāo)準(zhǔn)偏差SEP，見表4