基于近红外光谱及邻域粗糙集算法的

为了能够无损、准确检测出稻谷在贮藏过程中的宜存状况，利用近红外光谱技术结合数据分析方法建立了稻谷贮藏品质的鉴别模型。采集1 000～1 800 nm范围内285份样品近红外光谱数据，依据实测脂肪酸值将样品宜存状况划分为宜存、轻度不宜存、重度不宜存三类，采用邻域粗糙集（neighborhood rough set，NRS）算法终选出最优的10个特征波长结合随机森林（random forest，RF）算法所建立的稻谷贮藏品质鉴别模型性能最优，其校正集与测试集正确识别率分别为96.31%和9368%，敏感性和特异性参数分布在0.93～0.99。经分析比较，该模型性能同样优于采用连续投影算法（successive projections algorithm，SPA）和主成分分析（principal component analysis，PCA）结合RF算法各自建立的分类模型。结果表明，近红外光谱技术结合NRS和RF算法用于稻谷贮藏品质的鉴定是可行的，适用于储粮品质安全现场快速筛查。

Non-destructive identification of the storage quality of paddy using near