1. 研究目的与意义
世界上有着接近一半的人以大米作为自己的主食。大米作为人们日常生活中必不可少的东西，其品质也深深影响着人们。我国是世界第一水稻生产国，水稻种植面积十分广泛。主要分布在长江中下游的湖南、湖北、江西、安徽、江苏，华南的广东、广西、福建以及东北三省，形成明显的南方籼稻区和北方粳稻区。
我国南方地区多为亚热带，雨季长，光照多，年平均温度高，大米的生长期一年两成，有的地方甚至一年三成；而东北是暖温带，昼夜温差大，光照充足，四季分明，黑土地地质肥沃，生长期一年一成，加上水源主要为松花江、辽河等天然无公害水，生产出来的大米自然香甜可口，米香浓郁，健康安全，营养丰富。相比于南方大米来说，北方的大米看上去晶莹剔透有油性，好米不太能吸水，蒸出米饭又粘又香，更受人们的欢迎。不同的自然地理条件影响了大米品质和生长周期，从而形成了明显的价格差异。
由于的大米在日常生活中的区分度不明显，很多人不能够准确分辨出大米的地理来源。南方以籼稻为主，北方以粳稻为主，而中国以籼稻为主，产量应该是大于60%，而粳稻只有30%不到。在我国现有市场环境下，北方大米普遍更受人们的欢迎。而有些不法商家在大米的售卖过程中，欺瞒消费者，以南方大米冒充北方大米，以次充好，进而获得更高的利润，严重损害了消费者的合法权益。因此，以一种更具效果的模式来鉴别大米的起源，就显得尤为重要。
2. 研究内容和预期目标
1 研究内容
本文运用SVM模型、KNN模型以及LDA模型等模式识别方法，以拉曼光谱指纹图谱[1]为数据源，基于MATLAB 2010b平台建立地理标志大米鉴别模型，对不同产地的大米进行区分并比较不同算法识别的准确度[2]，以此选择对鉴别大米地理起源效果最优的模式识别方法，地理标志大米以五常大米[3]、盘锦大米和延边大米为例[4]。
2 论文需要解决的关键问题
3. 国内外研究现状
国内研究现状：
目前国内对大米的鉴别有以下几个方法：（1）黎永乐，郑彦婕等人对大米的无机元素含量进行分析[8]。首先采用PCA分析将大米的原始数据变换到一个新的坐标系统中，成为第一主成分和第二主成分，从而达到数据降维的效果。并通过主成分的得分图大致了解不同类型样品的分类情况，采用R进行数据处理。结果表明五常大米与其他东北地区的样品部分重叠在一起，因为其生长环境差异不大，所以无机含量的差异也相差不大，因此表明主成分分析法无法有效区分不同地区的大米。接着采用FISHER判别分析法在已知大米类别的数据准则和即将预测的未知类别之间寻找一个最优分割面，使两类样品点在分割面上的投影达到最大限度的分离，并使每类样品内部的离散度最小。通过R的MASS工具包进行Fisher判别，从139个样品数据中挑选100个最为训练集，39个作为验证集。判别临界值为Yc，当测得Y＜Yc时，为五常大米，Ygt;Yc时，为其他地区大米，Y=Yc时无法判别。结果表明FISHER判别的准确度为93.5%，即对大米的无机元素进行分析并通过FISHER判别可以有效区分大米产地。该方法有针对性，可以对结果加以验证，比较准确。（2）孙娟等运用拉曼光谱技术[7]结合化学计量学[9]，对三个产地的123份样品进行无损检测。在考察激发波长、曝光时间、扫描次数、放大倍数以及扫描范围等参数的选择对采集结果影响的基础上，优化确定了最佳的参数。同时对应用拉曼光谱仪采集大米拉曼光谱图的方法进行考察，结果发现该方法各光谱之间相关度高，重视性良好。其次，比较了不同数据的预处理方法对大米拉满谱图的影响。最后以采集的拉曼光谱图进行研究。首先进行主成分分析，对数据降维并得到大米在得分图中的分布情况，可以将大米的产地或者品种进行初步分类。接着通过不同的预处理方法和定性识别模型进行组合比较，最后进行验证。建立SIMCA 模型和PLSDA 模型对未知大米样品进行预测分类，能够将大米正确的按照种类判别归类，正确率均大于90%，模型效果良好。（3）大米有机成分分析[10]。田芳明等以东北大米为研究对象，研究大米的光谱特性并建立了基于拉曼光谱的尽地域大米身份识别模型。以光谱预处理—光谱波长筛选—分类算法分类的光谱分析技术为路径，利用主成分分析和连续投影算法对光谱数据进行压缩、特征筛选，并比较不同组合下线性判别分析、最小二乘支持向量机、偏最小二乘法对不同识别组大米进行分类的效果。确定了对分类起主要作用20 种化学成分，进行了标准物质拉曼光谱采集与官能团的指认。通过主成分载荷矩阵在32 种成分中确定了对分类起主要作用的天冬氨酸等19 种化学成分和含量占70%以上的支链淀粉等20 种化学成分。结果表明，偏最小二乘法识别效果最优，不同识别组在不同预处理方法下分类准确率均达到100%。该方法验证的主要是大米的有机成分，准确度非常高，但识别有机成分较为困难。
国外研究现状：
4. 计划与进度安排
(1) 2022年12月24日—2022年1月22日：搜集并阅读资料确定选题，撰写开题报告；
(2) 2022年1月16日—2022年3月26日：初稿写作；
(3) 2022年3月27日—2022年4月10日：中期检查；
5. 参考文献
1. 孙娟, 张晖,等. 基于拉曼光谱的大米快速分类判别方法 [J].食品与机械,2016,01:41-44.
2. 孙娟.基于拉曼光谱技术和化学计量学方法的大米品种产地的快速鉴别方法 [D].江南大学,2016,06.
3. 何瑶，郑彦婕等. 五常稻花香米的1 H-NMR 波谱分析及掺假鉴别 [J].食品工业科技,2016,12:80-84.
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
