本研究應用400-1000nm的高光譜相機，可采用杭州彩譜科技有限公司產(chǎn)品FS13進行相關研究。光譜范圍在400-1000nm，波長分辨率優(yōu)于2.5nm，可達1200個光譜通道。采集速度全譜段可達128FPS，波段選擇后最高3300Hz（支持多區(qū)域波段選擇）。

　　高粱是我國重要的糧食作物之一，因其籽粒中含有豐富的營養(yǎng)物質(zhì)在釀酒行業(yè)有著“好酒離不開紅糧”的精辟論斷，每年需求量高達2000萬t。目前，釀酒高粱品種主要以高淀粉含量的瀘州紅、青殼洋、睿糯7號等糯高粱為主。由于釀酒高粱種類繁多，產(chǎn)地各不相同，籽粒中的淀粉、蛋白質(zhì)、脂肪和單寧等含量有較大差異，導致釀造出的白酒在香型、風格、品質(zhì)和產(chǎn)酒率上也有很大的差別。

　　由此可見，在高粱原材料分批入庫前準確高效地對高粱品種進行鑒別，對釀造過程中泡糧時間、用水量、蒸糧時間等生產(chǎn)工藝控制，對產(chǎn)出優(yōu)質(zhì)白酒具有十分重要的指導意義。傳統(tǒng)的鑒別方式主要有人工經(jīng)驗判別和生物抽樣檢測，前者易受主觀影響，效率低，難以形成統(tǒng)一的標準，后者操作繁瑣、費時費力，兩者都無法滿足現(xiàn)代白酒企業(yè)對釀酒原料高粱的鑒別需求，因此急需尋找一種快速、準確且簡便的高粱品種分類檢測方法。本研究的目標是結(jié)合光譜信息和圖像信息對11 個高粱品種進行分類，同時通過比較及外部驗證優(yōu)化高光譜技術結(jié)合機器學習方法鑒別不同高粱品種，以提高其在應用過程中的準確性和效率。

　　11類高粱共計550個樣本的原始光譜曲線和MSC預處理后的光譜曲線如圖1所示，每個顏色代表不同的類別。

　　本文基于高光譜技術光譜和圖像信息結(jié)合的方法對11個品種的高粱進行識別研究。采集高粱的高光譜圖像，使用SPA算法從MSC預處理后光譜中篩選出48個特征波長，再提取圖像的紋理特征，分別基于紋理特征、全光譜、特征光譜及其結(jié)合圖像信息分別建立了SVM、PLS-DA和ELM分類模型，最后使用未參與建模的數(shù)據(jù)進行外部驗證。結(jié)果表明，使用特征光譜結(jié)合紋理特征建立的SVM分類模型效果最佳，測試集的正確識別率為95.3%，驗證集的精度達到91.8%，可見光譜和圖像結(jié)合的方法可以有效實現(xiàn)釀酒高粱的快速識別，且提高了模型的識別精度，這為不同釀酒原料的檢測和釀酒自動化的實現(xiàn)提供了理論基礎。