[發明專利]基于快速衰減式淘汰算法和PLSDA鑒別黃花梨成熟度的方法

有效

• 申請號: 201710408854.7
• 申請日: 2017-06-02
• 公開（公告）號: CN107247033B
• 公開（公告）日: 2019-09-20
• 發明（設計）人: 林敏;徐微微;黃詠梅;劉輝軍
• 申請（專利權）人: 中國計量大學
• 主分類號: G01N21/359
• 分類號: G01N21/359;G06K9/20;G06K9/46
• 代理公司: 杭州求是專利事務所有限公司 33200
• 代理人: 邱啟旺

本發明公開了一種基于快速衰減式淘汰算法和PLSDA鑒別黃花梨成熟度的方法，包括以下步驟：(1)收集樣品，采集樣品光譜，得到樣品近紅外漫反射光譜數據，并使用一階微分法預處理原始近紅外光譜數據；(2)將預處理后光譜數據使用快速衰減式淘汰算法篩選特征波長；(3)使用偏最小二乘判別法，將篩選后光譜作為模型輸入，對應的成熟度作為輸出，建立偏最小二乘判別分析模型；(4)模型的質量評價，對待鑒別樣品的成熟度測定。本發明能夠快速鑒別黃花梨成熟度，豐富了化學計量學方法，具有良好的應用前景。

技術領域

本發明涉及紅外無損檢測技術領域，尤其涉及一種基于快速衰減式淘汰算法和PLSDA鑒別黃花梨成熟度的方法。

背景技術

黃花梨是一種精品梨，采收時間對黃花梨品質的影響很大。采收時，黃花梨的成熟度未達到要求或過熟，都會造成果實品質不高，經濟收益不理想的情況。因此，做到適時采收才能將經濟效益最大化。

現代近紅外光譜分析法是一種快速無損的檢測方法，其原理為對有機物中的含氫基團X-H的倍頻合頻產生吸收，通過化學計量方法測得有機物的理化指標，用有效的數學算法將理化指標與光譜建立函數關系，它已經被廣泛應用于農產品的定量分析和定性分析中。目前存在的基于近紅外光譜法的水果成熟度鑒別方法，建模所需樣品基數大、訓練時間久，大量樣品理化值的獲取耗時耗力。對此情況，急需一種普適性較強的模型，有效的鑒別黃花梨的成熟度。

發明內容

本發明的目的在于針對現有技術的不足，提供一種基于快速衰減式淘汰算法和PLSDA鑒別黃花梨成熟度的方法。

本發明是通過以下技術方案實現的：一種基于快速衰減式淘汰算法和PLSDA鑒別黃花梨成熟度的方法，包括以下步驟：

(1)收集樣品，在樣品成熟期前d天(4≤d≤10)、成熟期期間、成熟期后d天，各至少采集一次樣品；采集樣品的近紅外光譜，并對近紅外光譜進行一階微分預處理，得到預處理后的近紅外光譜數據矩陣；

(2)將步驟(1)得到的預處理后的近紅外光譜數據矩陣進行快速衰減式淘汰算法處理，篩選出特征波長；

(3)使用偏最小二乘判別(PLSDA)方法，建立偏最小二乘判別模型，將成熟期前d天、成熟期期間、成熟期后d天采集的樣品的實際成熟度以及由步驟(2)得到的成熟期前d天、成熟期期間、成熟期后d天采集的樣品的篩選特征波長后的光譜作為偏最小二乘判別模型的模型輸入，進而得到最佳偏最小二乘判別模型；

(4)將篩選特征波長后的待鑒別樣品的光譜輸入最佳偏最小二乘判別模型，得到待鑒別樣品的成熟度。

進一步的，所述步驟(1)具體實現如下：

使用近紅外光譜儀對樣品進行掃描，得到樣品的近紅外光譜，將成熟期前d天、成熟期間、成熟期后d天采集的樣品隨機分為校正集樣品和預測集樣品，其中，校正集樣品用于模型訓練，預測集樣品用于模型的質量評價；將樣品的近紅外光譜進行一階微分預處理，選取窗口寬度，得到預處理后的近紅外光譜數據矩陣。

進一步的，所述步驟(2)中的快速衰減式淘汰算法具體實現如下：

設定y表示樣本的m×1的目標性質矩陣，X表示樣本測得的m×n的光譜矩陣，m表示樣本數，n表示變量數；W表示組合系數；T表示X的分矩陣，為X與W的線性組合；c是y和T所建模型的回歸系數向量；b表示為n維的回歸系數向量，e表示預測殘差，有式(1)和式(2)：

T＝W·X (1)

y＝c·T+e＝cWX+e＝b·X+e (2)