036] 2)将所述特征波长处经过预处理后的光谱反射值输入花生中蛋白质含量分布定 量模型，得到待测花生样品蛋白质含量分布；所述花生中蛋白质含量分布定量模型如下：
[0037] Yp"= 10 2X (34. 78R93inm-31. 72R934nm-25. 63R9"nm+l〇8. 46R944nm+195. 93Ri〇2〇nm-l〇7Ru2 0?r*~83. 44Rii37nni-13. 72Ri207nm+182. 89Ri273nm+41. 09Ri37〇nm_79. 21Ri380nm+16. 585Ri5g4nm_93. 84Ri654nm -71.93Ri6,sJ+26. 625
[0038]其中，Ypr。为花生样品的蛋白质含里，R gsinni、R934?、R94I?、R944?、Ri〇2。?、Ri12。?、Rll37nni、 Rl207nni、Rl273nni、Ri37。?、Ri38。?、Rl594nni、Rl654nni、Rl678nni分力iJ为花生样品在特化波k931nm、934nm、 941nm、944nm、1020nm、1120nm、1137nm、1207nm、1273nm、1370nm、1380nm、1594nm、1654nm、 1678nm处的预处理后的光谱反射值。
[0039] 所述步骤1)采集待测花生样品特征波长处的光谱图像的方法与上述建立花生中 蛋白质含量分布定量模型的方法中获得光谱图像的方法相同。 W40] 如无特殊指明，本发明所述预处理是指二阶导数预处理。
[0041] 具体地，所述步骤1)采集待测花生样品特征波长处的光谱图像的方法包括W下 步骤：
[0042] 1. 1用高光谱仪扫描获得待测花生样品中每个像素点在各波长下的图像信息，得 到待测花生样品的原始高光谱=维图像；
[0043] 优选地，所述高光谱仪扫描的波长范围为900-1700nm，扫描方式为线扫描；
[0044] 1. 2对所述待测花生样品的原始高光谱=维图像进行校正和背景删除后，提取待 测花生样品图像平均光谱；
[0045]优选地，所述校正是指对所述花生样品的原始高光谱=维图像Ifji行黑白校正； 具体方法为对反射率为99%的标准校正板进行采集，得到全白的标定图像Ult。，然后关闭 镜头采集，得到全黑标定图像Id。^，根据下述公式计算校正后图像I。。?:
[0047]优选地，所述背景删除具体步骤为：采用主成分分析，确定背景与花生的边界，删 除背景，得到花生样品图像；
[0048] 1. 3对所述待测花生样品图像平均光谱进行二阶导数预处理。 W例本发明收集了我国主栽地区主栽品种花生，如：白沙1016、海花1号、丰花1号、鲁 花11号、鲁花9号，花育19号等，对收集的花生样品无需进行任何的预处理，同时采集高光 谱图像和测定蛋白质含量，并利用偏最小二乘法建立图像中光谱信息与蛋白质含量的回归 模型，在此基础上利用回归系数选择特征波长，应用偏最小二乘法对花生特征波长与蛋白 质含量进行关联研究，确定两者之间的定量关系，即定量模型，测定未知花生样品的高光谱 图像，将图像上的每个像素点下特征波长带入定量模型，计算蛋白质含量，得到像素点级分 辨率的详细花生蛋白质空间分布图，实现蛋白质信息分布的空间可视化。与现有技术相比， 本发明具有W下优点和有益效果：
[0050] 1、本发明通过特征波段实现了快速测定花生蛋白质含量分布，提高了采集速度， 缩短了高光谱数据分析时间，提高了检测效率，并实现了花生蛋白质信息分布的空间可视 化，为真正达到快速无损在线检测提供了理论基础。
[0051] 2、因样品花生中除含有蛋白质外，还含有脂类、糖类、水分等其他物质。运些其他 的物质对光谱的影响较大，严重干扰蛋白质含量检测的准确度。为克服干扰提高精确度，本 发明采用科学方法从花生图谱中选择与蛋白质含量紧密相关的特征波长，填补了高光谱成 像技术检测花生蛋白质含量的空白。
[0052] 3、花生样品无需进行任何预处理，无破坏性，不使用任何试剂，保护环境，操作快 速简单、避免了人为因素的干扰，测定结果更加高效，客观。
[0053]4、本发明在大量研究基础上，明确并完善了建立测定花生蛋白质含量的分析步 骤；通过比较不同预处理、不同的建模方法得到模型的优劣程度，确定光谱的最佳预处理为 二阶导数法；最佳建模方法为偏最小二乘法。
[0054]5、通过收集近3年来全国花生主栽地区主栽品种，克服了地区的差异、品种的差 异和时间的差异，使本发明方法能够涵盖了全国绝大多数品种，适用范围广。
【附图说明】
[0055] 图1为实施例1基于高光谱成像技术检测花生中蛋白质含量分布方法流程图；
[0056] 图2为实施例1提取花生高光谱图像的平均光谱（未经二阶导数预处理）；
[0057] 图3为实施例1特征波长的校正集（A)与验证集做巧憶值与参考值的关系图；
[0058] 图4为实施例2待测6个花生品种的花生蛋白质含量分布图。
[0059] 图4中"Color"表示用不同的颜色代表不同蛋白质含量；"Ampli化de"表示花生 中蛋白质含量的范围；从"0至22. 5"数字越大表示花生中蛋白质含量越高。
【具体实施方式】 W60] W下实施例用于说明本发明，但不用来限制本发明的范围。
[0061]W下实施例中所使用的实验方法如无特殊说明，均为常规方法。W下实施例中所 用的材料、试剂等，如无特殊说明，均可从商业途径得到。
[0062] 如无特殊说明，W下实施例所用高光谱仪ImspectorN17E;感应器TE-cooled InGaAsphotodiodearray;光源low化logensidereflector。在 20°C下开启高光谱仪， 预热lOmin，设定采集参数，其中曝光时间为5. 8s，采集速度为8mm/s，视野范围：200mm，光 谱波长范围900-1700nm，分辨率3nm，扫描方式为线扫描。
[0063] W下实施例中的高光谱图像的校正、背景删除、光谱的提取均由瑞典Umbio公司 出售的图像分析软件Evince2. 4中完成。
[0064] W下实施例中光谱数据的分析处理均由挪威CAM0公司出售的化学计量学软件 TheUnscrambler9. 7中完成。 阳0化]W下实施例中蛋白质含量空间可视化均由美国MathWorks公司出售的数学软件Matl油R2014b中完成 W66] 实施例1
[0067] 本实施例提供一种基于高光谱成像技术建立花生中蛋白质含量分布定量模型的 方法，该方法包括W下步骤：
[0068] 1. 1收集2012、2013和2014年我国主栽省份主栽花生样品120个品种，从每个品 种中挑选30粒完整的花生仁，用高光谱仪同时扫描获得花生样品中每个像素点在各波长 下的图像信息，重复3遍，取3次扫描的高光谱图像的平均值，得到花生样品的原始高光谱 S维图像。每次扫描前，先采集全白的标定图像和全黑标定图像Id。^。
[0069] 1. 2对上述花生样品的原始高光谱=维图像进行校正和背景删除后，提取花生样 品图像平均光谱；
[0070] 所述校正是指对所述花生样品的原始高光谱=维图像Ifji行黑白校正；具体根 据下述公式计算校正后图像I。。?:
[0072] 所述背景删除是采用主成分分析，在主成分1 (PCi)和主成分2 (PC2)成分下确定背 景与花生样品，然后删除背景，确定花生样品为目标区域，将同一品种30粒花生作为整体， 从中提取同一品种花生样品平均光谱。
[0073] 本步骤图像校正和背景删除采用利用图像处理软件完成。
[0074] 1. 3对上述不同品种花生样品平均光谱进行二阶导数预处理。二阶导数处理可W 有效地消除基线和其他背景的干扰，分辨重叠峰，提高分辨率和灵敏度。 阳0巧]1. 4采用GB/T5009. 5-2010中第一法凯氏定氮法测定花生样品的蛋白质含量，每 个品种重复测定S次，取平均值。本步骤利用丹麦FOSSUELTEC2300凯氏定氮仪进行测 定。
[0076] 1.