[發(fā)明專利]基于CAGA與SVM的近紅外光譜的燒傷深度預(yù)測系統(tǒng)

有效

• 申請?zhí)枺?/td>: 201611072092.X
• 申請日: 2016-11-29
• 公開（公告）號: CN107067017B
• 公開（公告）日: 2020-04-24
• 發(fā)明（設(shè)計）人: 王品;吳燁;李勇明;尹美芳;吳軍
• 申請（專利權(quán)）人: 吳軍
• 主分類號: G06K9/62
• 分類號: G06K9/62;G01N21/3563;G01N21/359
• 代理公司: 重慶棱鏡智慧知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 50222
• 代理人: 周維鋒

1.基于CAGA與SVM的近紅外光譜的燒傷深度預(yù)測系統(tǒng)，其特征在于，包括近紅外光譜采集器、模型建立器和預(yù)測裝置；其中，

近紅外光譜采集器采集待預(yù)測樣本中的近紅外光譜信號，并對近紅外光譜信號進行預(yù)處理和特征提取，傳輸給預(yù)測裝置；

預(yù)測裝置根據(jù)近紅外光譜采集器上傳的數(shù)據(jù)，利用建立的CAGA-SVM集成檢測模型對待預(yù)測樣本的燒傷深度進行預(yù)測；

模型建立器包括估計裝置和優(yōu)化裝置，估計裝置采集多個燒傷訓(xùn)練樣本，采用支持向量機建立近紅外光譜信號與燒傷深度的回歸模型；優(yōu)化裝置采用鏈?zhǔn)街悄荏w遺傳算法對回歸模型的核函數(shù)參數(shù)和特征子集進行全局優(yōu)化，得到所述CAGA-SVM集成檢測模型；

所述估計裝置采用支持向量機建立近紅外光譜信號與燒傷深度的回歸模型為：

其中，燒傷訓(xùn)練樣本為{x_l,y_l}，l＝1,2…m，m為樣本容量，x_l為近紅外光譜信號的強度值；y_l為燒傷深度；K(x,x_l)為支持向量機的核函數(shù)；b為常數(shù)；拉格朗日因子a_l，最大化函數(shù)的約束條件為：

其中，C為核函數(shù)參數(shù)；

所述支持向量機的核函數(shù)為徑向基內(nèi)核，表達式為：

K(x,x_l)＝exp(-γ||x-x_l||²) (4)

其中，γ為核函數(shù)參數(shù)；

所述優(yōu)化裝置，首先，設(shè)定C優(yōu)化選擇區(qū)間為[1，2000]，γ優(yōu)化選擇區(qū)間為[0.001，2]；然后，設(shè)定初始種群：每個種群個體用一個二進制編碼標(biāo)識，二進制編碼中不同的二進制位表示種群個體的不同特征，當(dāng)種群個體中某個特征被選中時，該特征對應(yīng)的二進制位為1，否則為0；定義核函數(shù)參數(shù)C為種群個體中二進制編碼的第1～11位二進制位表示的十進制數(shù)，核函數(shù)參數(shù)γ為種群個體中二進制編碼的第12～22位二進制位表示的十進制數(shù)；其次，采用鏈?zhǔn)街悄荏w遺傳算法對每一次迭代的初始種群進行篩選：對初始種群進行鄰域競爭選擇、自適應(yīng)交叉和自適應(yīng)變異得到變異種群，合并初始種群和變異種群，采用冒泡排序法獲得新的種群，將新的種群作為下一次迭代的初始種群；最后，判斷當(dāng)前迭代是否滿足進化終止條件，如果不滿足，對得到的下一次迭代的初始種群進行篩選；如果滿足，得到最優(yōu)種群個體，由最優(yōu)種群個體的二進制編碼得到最優(yōu)核函數(shù)參數(shù)C、γ，以及最優(yōu)特征子集；基于最優(yōu)核函數(shù)參數(shù)C、γ，以及最優(yōu)特征子集獲得優(yōu)化后的回歸模型，即CAGA-SVM集成檢測模型。

2.根據(jù)權(quán)利要求1所述的基于CAGA與SVM的近紅外光譜的燒傷深度預(yù)測系統(tǒng)，其特征在于，所述估計裝置利用控溫燙傷儀的燙頭，在豬皮的不同區(qū)域上分別以不同深度進行燙傷，其中每個區(qū)域上每個時間點燙傷后的豬皮形成一類燙傷深度訓(xùn)練樣本；利用近紅外光譜儀對每類燒傷深度訓(xùn)練樣本采集近紅外光譜信號形成所述燒傷訓(xùn)練樣本。

3.根據(jù)權(quán)利要求1所述的基于CAGA與SVM的近紅外光譜的燒傷深度預(yù)測系統(tǒng)，其特征在于，所述支持向量機的核函數(shù)為線性內(nèi)核，表達式為：

K(x,x_l)＝(x·x_l) (3)。