可视化判别分析技术在粳米、籼米和糯米鉴别中的应用开题报告

大米是中国人的传统饮食,在我国有60%以上的人口以大米为主食。大米的品质主要受遗传特性影响,同时也受地理、气候等环境条件影响,因此不同种类、不同产地和不同品种的大米品质具有明显的差异。大米分类国内分类主要分为：粳米，籼米，和糯米三大类。籼米米粒粒形呈细长或长圆形，长者长度在7毫米以上，蒸煮后出饭 率高，粘性较小，米质较脆，加工时易破碎，横断面呈扁圆形，颜色白色透明的较多，也有半透明和不透明的。粳米米粒一般呈椭圆形或圆形。米粒丰满肥厚，横断面近于圆形，长与宽之比小于2，颜色蜡白，呈透明或半透明，质地硬而有韧性，煮后粘性油性均大，柔软可口，但出饭率低。糯米又称江米，呈乳白色，不透明，煮后透明，粘性大，胀性小，一般不做主食，多用制作糕点、粽子、元宵等，以及作酿酒的原料。；国际分类主要分为糙米，白米，蒸谷米，和碎米四大类。本文主要就我国米种粳米，籼米，和糯米进行快速分类研究。

近年来由大米市场监督管理制度不够完善、分类方法不够统一、品种信息不全、产地冒充、以次充好、掺假现象严重,如风靡全国的五常大米被爆出掺假丑闻：20斤大米中只有一斤真米，调和米横行市场，消费者利益受到严重侵害。但与此同时，我国对于大米品种的传统的分类鉴别主要依赖于感官经验判断，采用人工手段从外形，色泽，净度等方面进行综合评价，主观性强，效率低下，误差干扰因素较大，操作可重复性超差等缺点，而传统的化学检测方法操作繁琐，费工费时。

同时我国在稻作裁培和稻作育种都是籼粳并重的国家，特别是杂交稻的发展从三系向二系过渡，就是最大限度地发挥杂种优势，就是使籼粳亚种间杂种优势成为杂交稻育种的主攻方向。对于籼粳稻的杂交育种，如果对籼粳稻特征特性的认识不深，则会造成对稻资源的情况不明，导致测配选亲本困难及测配结果不理想，甚至育成品种亚种特性较典型籼粳型的变化，遗传规律及与经济性状的关系等难以确定。因此，正确地了解籼粳分类和判别籼粳是籼粳稻杂交育种急需研究的问题。

综上所述，我国目前亟需一种新的大米米种快速分类检测方法。本研究拟采用拉曼光谱技术(Raman spectroscopy)，并以此为基础，结合化学计量的方法，采用PCA,HCA,K-MEANS,MATLAB热图，对结果进行对比选取一种准确度更高的大米快速检测方法，为实现大米的、品种判别提供一条有效简便的方法途径。

本论文开展的主要目的是在传统大米品种鉴别方法的基础上研究出一种新的快速鉴别大米品种的技术，。因此本文将提出一种以拉曼光谱技术为手段，并对所得到的图谱结合PCA,HCA,K-MEANS,以及Matlab热图的分析方法对来自我国各种类大米主产区共计72份大米样品，其中包括籼米28份(湖北9份、云南10份、海南9份)；粳米25份(江苏10份、黑龙江10份、吉林5份)；糯米 19份(湖北5份、安徽9 份、云南5份)来实现大米品种的快速检测鉴别技术。论文的研究内容分为几个部分：第一个是文献调研，通过查找国内外相关文献了解已有的大米检测技术及其优缺点；第二个是实验数据收集，什么样的数据是实验过程中需要的以及通过什么方式收集到所需要的实验数据；第三个是算法选择，有了实验数据用什么方法来处理，本论文一大亮点是拉曼光谱技术对实验数据先进行处理，再在此基础之上结合PCA,HCA,K-MEANS,以及Matlab热图的方法来对结果进行处理和对比分析找出效果最好的快速检测方法。论文需解决的关键问题：第一是试验用的大米样品的取得，从市面上选择的大米品种各品种样品之间应该具有充分的独立性，同一品种的不同样本最好容易区别且除品牌之外一律相同，以便后期的实验过程不受影响，实验的结果更为显著；第二是如何用MATLAB软件对数据做处理进行大米鉴别；第三是拉曼光谱图各特征峰的含义的理解；第四是应用PCA,HCA,KMEANS分析方法进行数据再分析。

写作提纲：

摘要：随着大米市场上以次充好，以假乱真的乱象的暴露，针对大米品种的快速检测方法的需求日趋严重。本文在光谱分析结果的基础上结合PCA,HCA,K-MEANS,以及matlab热图的方法对大米品种进行快速检测，能快速鉴别大米品种及掺伪问题。

关键词：大米品种 拉曼光谱主成分分析 HCAMATLAB KMEANS粳米糯米籼米

引言：大米市场的现状；大米掺假问题出现的原因；传统大米品种鉴定技术；提出新的大米品种鉴别技术。

正文：主要分为五个章节：

第一章 研究的背景与意义；

第二章 MATLAB算法，拉曼光谱原理，以及可视化技术PCA,HCA,Kmeans原理；

第三章 实验部分以及实验结果对比展示；

第四章 结果与讨论部分；

第五章 结论。

参考文献

研究计划：

2022年12月1日—2022年12月31日撰写开题报告（包括查阅并收集文献）；

2022年 1月 1日—2022年1 月 15日实验方案确定及实验实施；

2018年1月16日—2022年3月 16日完成论文初稿；

2022年3月17日—2022年4月17日初稿修改、完善；

2022年4月18日—2022年5月18日再次修改完善、定稿

2022年6月10日前完成答辩。

研究方案：

本论文的目的主要是在现有的大米品种鉴别检测技术的基础上，研究出一种操作便捷，能准确、快速、全面鉴别大米品种的新方法，所以重点在试验的实施部分。通过试验比较分析，确定快速大米品种的技术。

目前针对于大米的方法主要有以下几种:矿物元素指纹分析技术、有机成分指纹分析技术、稳定同位素分析技术、近红外光谱技术和电子鼻气味分析技术。这些技术虽在不同研究目的的实验中具有可行性,但针对于大米品种分类的研究仍处于初级阶段，缺少系统性研究，针对于大米品种鉴别方面的研究仍需深入。

实验步骤：

第一步：收集实验所用到的三种不同种类的大米样本进行实验。为保证实验结果的合理性本试验采集了72份大米样品，其中包括籼米28份(湖北9份、云南10份、海南9份)；粳米25份(江苏10份、黑龙江10份、吉林5份)；糯米 19份(湖北5份、安徽9 份、云南5份)，并磨成粉末。

第二步：选择实验过程中使用的检测方法，本论文将选用拉曼光谱技术对谱图进行分析。

第三步：在拉曼信号相似到无法用肉眼鉴别时可采用结合PCA,HCA,Kmeans等可视化方法进行数据再处理，通过识别特征峰来鉴定大米品种，同时筛选出效果最为突出的方法。

建立大米品种鉴别模型：

大米品种分类鉴别

选择粳米，籼米，糯米的拉曼谱图特定区间的数据进行PCA，HCA,以及Kmeans可视化分析，通过对比分析找出最合适的可视化快速分析方法。