1.一种稻谷脂肪酸含量的快速无损检测方法，其特征在于，包括以下步骤：

步骤1：脂肪酸预测模型的建立及稻壳影响的消除；

步骤1.1，收集不同产地、不同年份的稻谷样本n个，每个稻谷样本质量不少于100g；

步骤1.2，将稻谷样本铺平成正方形放置于黑色底板上，然后利用高光谱仪器采集稻谷样本的高光谱图像，并对稻谷样本的高光谱图像进行黑白校正；

步骤1.3，对于黑白校正后的高光谱图像，选取稻谷样本对应的区域，提取该区域内每个像素的光谱，然后将该区域内所有像素的光谱进行平均，取平均光谱作为该稻谷样本的光谱；对于n个稻谷样本，其光谱分别记为Rg1,Rg2,Rg3,…,Rgn；

步骤1.4，稻谷样本完成高光谱图像采集后，采用砻谷机脱壳，分别获得稻谷样本的稻壳和糙米；然后，按照步骤1.2和1.3，获得稻壳和糙米样本的平均光谱；对于n个稻壳样本，其光谱分别记为Rk1,Rk2,Rk3,…,Rkn；对于n个糙米样本，其光谱分别记为Rm1,Rm2,Rm3,…,Rmn；

步骤1.5，按照国家标准方法GB5009.3‑2016测定n个稻壳样本的真实水分含量，记为W1,W2,W3,…,Wn；按照国家标准方法GB/T 20569‑2006测定n个稻谷样本的真实脂肪酸含量，记为Y1,Y2,Y3,…,Yn；

步骤1.6，计算糙米样本每个波长下的光谱值与其脂肪酸含量的相关系数，计算每个波长的相关系数的绝对值，相关系数绝对值最大的前20个波长分别记为λ1,λ2,λ3,…,λ20，其值分别记为Cm1,Cm2,Cm3,…,Cm20；选择相关系数绝对值最小的5个波长，记为λm1,λm2,λm3,λm4,λm5，对于每个糙米样本光谱，分别提取这5个波长的光谱值，并计算5个波长的光谱平均值，然后将糙米样本光谱除以对应的5个波长的光谱平均值，以凸显糙米样本的脂肪酸光谱信息，降低糙米样本中淀粉等其它成分光谱信息的影响；经过上述方法校正后，n个糙米样本的光谱分别记为R'm1,R'm2,R'm3,…,R'mn；

步骤1.7，对于稻谷和稻壳样本的光谱，按照步骤1.6进行处理，分别计算相应的相关系数，并进行光谱校正；对于稻谷样本，其λ1,λ2,λ3,…,λ20波长的相关系数绝对值分别记为Cg1,Cg2,Cg3,…,Cg20，校正后的光谱分别记为R'g1,Rg'2,R'g3,…,R'gn；对于稻壳样本，λ1,λ2,λ3,…,λ20波长的相关系数绝对值分别记为Ck1,Ck2,Ck3,…,Ck20，校正后的光谱分别记为R'k1,R'k2,R'k3,…,R'kn；

步骤1.8，对于λ1,λ2,λ3,…,λ20波长，分别计算|Cmi‑Cgi|+Cki的值，其中i取值为1～20的整数，计算值分别记为C1,C2,C3,…,C20；对C1,C2,C3,…,C20进行比较，数值最小的计算值所对应的波长记为λmin；在λmin波长下，认为稻壳光谱对稻谷脂肪酸光谱信息干扰最少，稻谷光谱与糙米光谱最为接近；

步骤1.9，对于稻谷光谱R'g1和糙米光谱R'm1，以稻谷光谱R'g1在λmin波长下的光谱值为基准点，对糙米光谱R'm1进行上下移动，使得R'm1在λmin波长下的光谱值与稻谷光谱R'g1一致，上下移动后的糙米光谱R'm1记为R″m1；将R'g1减去R″m1，相减后的光谱记为Rg'm1，该光谱即为从校正后的稻谷光谱里分离出来的稻壳光谱；

步骤1.10，对于稻谷光谱R'g2,R'g3,R'g4,…,R'gn和糙米光谱R'm2,R'm3,R'm4,…,R'mn；按照步骤1.9进行处理，移动后的糙米光谱记为R″m2,R″m3,R″m4,…,R″mn，分离出来的稻壳光谱分别记为R'gm2,R'gm3,R'gm4,…,R'gmn；

步骤1.11，为消除稻壳对稻谷脂肪酸预测的影响，将校正后的稻谷光谱R'g1,R'g2,R'g3,…,R'gn与，分离出来的稻壳光谱R'gm1,R'gm2,R'gm3,…,R'gmn相减，并应用偏最小二乘回归方法将其相减后的光谱和稻谷脂肪酸含量Y1,Y2,Y3,…,Yn进行关联，建立稻谷脂肪酸预测模型，其模型形式为Y＝f(R'g_gm)，其中R'g_gm为校正后的稻谷光谱与分离出来的稻壳光谱的差值，Y为稻谷脂肪酸的预测值，其模型记为Model_Y；

步骤1.12，对于稻壳光谱R'gm1,R'gm2,R'gm3,…,R'gmn，计算每一个波长与其水分含量W1,W2,W3,…,Wn的相关系数，选取相关系数绝对值最大的波长，记为λmax；将R'gm1,R'gm2,R'gm3,…,R'gmn分别除以对应的λmax波长的光谱值，校正后的光谱记为R″gm1,R″gm2,R″gm3,…,R″gmn；

步骤1.13，计算光谱R″gm1,R″gm2,R″gm3,…,R″gmn的平均值，记为R″gm_AVE；

步骤1.14，对于R'g1,Rg'2,R'g3,…,R'gn和R'gm1,R'gm2,R'gm3,…,R'gmn，分别提取在λmax波长下的光谱值，以稻谷光谱λmax波长的光谱值为输入，以稻壳光谱λmax波长的光谱值为输出，采用人工神经网络建立预测模型，其模型形式为R'gm_λmax＝f(R'g_λmax)，R'g_λmax为稻谷光谱在λmax波长的光谱值，R'gm_λmax为稻壳光谱在λmax波长的光谱预测值，其模型记为Model_ANN；

对于未知稻谷样本，通过采集的校正后的稻谷光谱在λmax波长的光谱值和模型Model_ANN可以预测其稻壳光谱在λmax波长下的光谱值，将R″gm_AVE与稻壳光谱在λmax波长下的光谱值相乘，可以还原考虑水分影响的稻壳光谱，以提高未知稻谷样本的脂肪酸预测精度；

步骤2：脂肪酸含量预测；

步骤2.1，对于未知稻谷样本p，按照步骤1.2采集其高光谱图像，按照步骤1.3提取选取稻谷样本p对应的区域，提取该区域内每个像素的光谱，记为Rgp_1,Rgp_2,Rgp_3,…,Rgp_j，其中j为区域内的像素点个数；计算Rgp_1,Rgp_2,Rgp_3,…,Rgp_j的平均光谱，记为Rgp；

步骤2.2，对于光谱Rgp，提取其在λm1,λm2,λm3,λm4,λm5波长下的光谱值，并计算5个波长的光谱值的平均值，将光谱Rgp除以5个波长的光谱值的平均值，校正后的光谱记为R'gp；

步骤2.3，对于R'gp，提取其在λmax波长下的光谱值，然后将该光谱值输入到模型Model_ANN中，预测得到稻壳光谱在λmax波长下的光谱值，记为Bλmax；然后，将R″gm_AVE乘以Bλmax，得到考虑水分影响的稻壳光谱，记为R″gm_p；

步骤2.4，将光谱R'gp减去R″gm_p，得到消除稻壳影响的样本光谱，记为R'gp_c；将R'gp_c输入脂肪酸预测模型中，即可得到稻谷样本p的脂肪酸含量，实现快速无损检测。

2.根据权利要求1所述的一种稻谷脂肪酸含量的快速无损检测方法，其特征在于，还包括步骤2.5，对于每个像素的光谱Rgp_1,Rgp_2,Rgp_3,…,Rgp_j，按照步骤2.2、2.3和2.4进行处理，即可得到每个像素的脂肪酸含量，实现稻谷样本p的脂肪酸分布的检测。