[發明專利]一種基于光譜幅值空間轉換的血斑蛋在線無損檢測方法

有效

• 申請號: 201710245494.3
• 申請日: 2017-04-14
• 公開（公告）號: CN107064021B
• 公開（公告）日: 2019-10-15
• 發明（設計）人: 祝志慧;湯勇;向英杰;馬美湖;王巧華;王樹才
• 申請（專利權）人: 華中農業大學
• 主分類號: G01N21/27
• 分類號: G01N21/27;G01N21/84;G01N21/88;G01N21/892;G06T7/00;G06N3/08
• 代理公司: 宜昌市三峽專利事務所 42103
• 代理人: 成鋼

1.一種基于光譜幅值空間轉換的血斑蛋在線無損檢測方法，其特在在于：主要包含以下步驟：

1)通過血斑蛋在線檢測系統采集每個雞蛋樣品的光譜透射率，獲取光譜數據；

2)將光譜數據進行濾波處理，將通過濾波處理后的數據按照3:2的原則隨機分成訓練集和測試集，得到預處理后的數據；

3)將步驟2)預處理后的數據利用LM算法轉換空間至人為指定的幅值空間中，得到轉換后的處理數據；

4)訓練集經步驟3)轉換后的處理數據建立血斑蛋BP神經網絡在線判別模型；

5)用測試集數據檢驗步驟4)得到的模型：將測試集的數據選出對應的特征波段代入判別模型中得到預測值，通過與真實值的比較來檢驗模型的適用性；

所述步驟2)濾波處理采用移動平均濾波算法對其進行濾波，濾波公式如下：

其中S為濾波后的信號，S′為采集的信號，i、j是信號的維度，n為濾波后的階數；將通過濾波處理后的數據按照3:2的原則隨機分成訓練集和測試集；

所述步驟3)LM算法光譜信號轉換空間具體方法如下：

經步驟2)濾波處理后信號為S，變換后為S^*，指定特征空間為R，線性變換系數為α與β：

S^*＝α·S+β [2]；

衡量變換后的信號S*與指定特征空間的位置相鄰程度，引入誤差函數

f(α，β)＝S^*-R＝α·S+β-R [3]；

衡量誤差函數的性能，即最終S^*與R的相鄰程度的表達式用C表示，引入均方誤差函數

其中C的值越小，證明S*與R越接近；

求得不同樣本的光譜信號S對應的α與β，將光譜信號轉換至R附近，得到S^*。

2.根據權利要求1所述方法，其特征在于：所述步驟1)在線檢測系統包括被檢測對象雞蛋(0)，設置有可調光源(1)、玻璃光纖(2)、聚焦透鏡(3)、準直透鏡(4)、暗箱(5)、光纖光譜儀(6)、光電傳感器(7)、計算機(8)、傳送帶(9)和可編程控制器(10)；

在暗箱(5)內設置傳送帶(9)，在傳送帶(9)兩托蛋輥中間的上面放置有雞蛋(0)；

在暗箱(5)的底面中間設置有聚焦透鏡(3)，可調光源(1)、玻璃光纖(2)和聚焦透鏡(3)依次連接；

在暗箱(5)的頂面中間設置有準直透鏡(4)，準直透鏡(4)、光纖光譜儀(6)和計算機(8)依次連接；

在傳送帶(9)中間的側面設置有光電傳感器(7)，光電傳感器(7)、可編程控制器(10)和計算機(8)依次連接。

3.根據權利要求2所述方法，其特征在于，所述在線檢測系統中光譜軟件的參數設置如下：積分時間設置為40ms，平均次數設置為3次，平滑寬度設置為3，采集波長300～1000nm，傳送機構運行速度在0～10000枚/小時。

4.根據權利要求1所述方法，其特征在于，所述的步驟4)建立血斑蛋BP神經網絡在線判別模型方法為：利用全波段500-599nm的100個特征光譜作為特征向量，建立BP神經網絡模型，神經網絡分類采用具有1個隱含層的3層BP神經網絡，輸入層神經元用100個特征光譜構成特征向量，輸出層采用2個節點，用0、1來分別表示正常蛋和血斑蛋，隱含層節點數為11個，隱含層神經元的激活函數選用tansig()函數，輸出層的激活函數選pureline()函數，神經網絡的系統參數設置：訓練迭代次數為1000，每隔10步顯示1次，網絡訓練的目標值為0.01，學習率為0.1，使用LM算法訓練網絡，利用上述建立的神經網絡進行識別，實現血斑蛋在線無損檢測。

5.按權利要求1所述方法，其特征在于：所述步驟5)將不同批次的訓練集、檢測集和測試集進行比較來檢驗模型的穩健性和適用性。