[發明專利]一種水草楓斗、鐵皮楓斗和紫皮楓斗的鑒別方法

無效

• 申請號: 201310156522.6
• 申請日: 2013-04-27
• 公開（公告）號: CN103245629A
• 公開（公告）日: 2013-08-14
• 發明（設計）人: 張龍;趙鸝;梁巧玲
• 申請（專利權）人: 麗水學院
• 主分類號: G01N21/35
• 分類號: G01N21/35;G01N1/28
• 代理公司: 浙江永鼎律師事務所 33233
• 代理人: 陸永強

1.一種水草楓斗、鐵皮楓斗和紫皮楓斗的鑒別方法，其特征在于，步驟如下：?

一、樣品處理：將水草楓斗、鐵皮楓斗、紫皮楓斗置于烘箱中60℃烘干多余水分至恒重，在室內相對濕度低于40%的環境下，將水草楓斗、鐵皮楓斗、紫皮楓斗在粉碎機中粉碎，然后將粉末過100目篩，取過篩后粉末以備光譜檢測之用；?

二、光譜采集：設定環境溫度20±2℃，相對濕度小于40%，光譜掃描范圍4000～9000cm^-1，分辨率4cm^-1，掃描次數32次，將樣品粉末置于光譜采集杯底部石英片上方、壓實，將采集杯置于近紅外光譜采集孔正上方，采集光譜；?

三、光譜數據預處理：為消除光譜基線漂移和光譜彎曲以及樣品所含有不同成分之間的相互干擾而導致的近紅外吸收光譜重疊，在Matlab軟件中采用一階導數或二階導數進行預處理：①一階導數公式：y=(x(i+Δ)-x(i))/Δ；②二階導數公式：y=(x(i+Δ)-2x(i)+x(i-Δ))/Δ²

其中：Δ為光譜間距，x為求導前的光譜吸光度，y為求導后的光譜吸光度；?

四、建立鑒別模型：首先，指定水草楓斗、鐵皮楓斗和紫皮楓斗類別值分別為1、2和3，利用Matlab軟件，以水草楓斗、鐵皮楓斗和紫皮楓斗預處理后光譜值為模型自變量，以指定的類別值為因變量，建立水草楓斗、鐵皮楓斗和紫皮楓斗的預測模型，然后，分別預測校正集和驗證集中楓斗的種類；根據判別依據：當預測值大于0、小于1.5為水草楓斗，當預測值大于1.5、小于2.5為鐵皮楓斗，當預測值大于2.5、小于3.5為紫皮楓斗；通過校正集和驗證集的決定系數R²、均方根誤差RMSE、相關誤差RM和判別率指標對模型性能進行評價；?

五、預測：采集測試集樣本光譜值、進行光譜預處理，再將測試集預處理后光譜值輸入預測模型，得到預測值，根據判別依據：當預測值大于0、小于1.5為水草楓斗，當預測值大于1.5、小于2.5為鐵皮楓斗，當預測值大于2.5、小于3.5為紫皮楓斗。?

2.根據權利要求1所述的一種水草楓斗、鐵皮楓斗和紫皮楓斗的鑒別方法，其特征在于，所述步驟4中的預測模型為偏最小二乘回歸判別模型，其首先指定模型啞變量水草楓斗、鐵皮楓斗和紫皮楓斗為1、2和3，然后建立近紅外光光譜數據和楓斗啞變量的偏最小二乘回歸判別預測模型。?

3.根據權利要求1所述的一種水草楓斗、鐵皮楓斗和紫皮楓斗的鑒別方法，其特征在于，所述步驟4中的預測模型為徑向基人工神經網絡鑒別模型，該模型為前向網絡，第一層為輸入層，其數據為光譜導數值，第二層為隱含層，隱含層神經元個數由光譜預處理方法決定，第三層為輸出層，輸出樣品類型值。?

4.根據權利要求1或2所述的一種水草楓斗、鐵皮楓斗和紫皮楓斗的鑒別方法，其特征在于，所述決定系數R²、均方根誤差RMSE和相關誤差RM計算公式如下：?

上式中y_i是參考值、是預測值、是平均參考值、n是校正集樣品數。?

5.根據權利要求3所述的一種水草楓斗、鐵皮楓斗和紫皮楓斗的鑒別方法，其特征在于，所述決定系數R²、均方根誤差RMSE和相關誤差RM計算公式如下：?

上式中y_i是參考值、是預測值、是平均參考值、n是校正集樣品數。?