[發明專利]一種基于證據理論的物體新鮮度無損檢測方法

有效

• 申請號: 201810173946.6
• 申請日: 2018-03-02
• 公開（公告）號: CN108362652B
• 公開（公告）日: 2020-06-09
• 發明（設計）人: 黃敏;郭騰飛;朱啟兵;郭亞
• 申請（專利權）人: 江南大學
• 主分類號: G01N21/27
• 分類號: G01N21/27;G01N21/95
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 張素卿

1.一種基于證據理論的物體新鮮度無損檢測方法，其特征在于，所述方法包括：

選取待檢測物體的N個新鮮度不同的檢測樣本，確定每個所述檢測樣本的新鮮度等級，N為正整數；

獲取每個所述檢測樣本在M個波段下的M個高光譜圖像，M為正整數；

對于每個檢測樣本，通過所述檢測樣本對應的M個高光譜圖像確定所述檢測樣本的特征參數；

采用第一算法對所述N個檢測樣本的特征參數進行特征融合，并將融合后的特征輸入到最小二乘支持向量機預測模型中得到對樣本的新鮮度等級的第一預測模型；

采用第二算法對所述N個檢測樣本的特征參數進行特征融合，并將融合后的特征輸入到最小二乘支持向量機預測模型中得到對樣本的新鮮度等級的第二預測模型；

基于證據理論對所述第一預測模型和所述第二預測模型進行融合得到對樣本的新鮮度等級的融合預測模型，包括：分別確定所述第一預測模型和所述第二預測模型的模型權重，并在識別框架上建立基本信度函數分配，所述識別框架中包括所述第一預測模型和所述第二預測模型，所述第一預測模型對應的基本信度值為所述第一預測模型的模型權重，所述第二預測模型對應的基本信度值為所述第二預測模型的模型權重；將所述N個檢測樣本分為訓練樣本集和測試樣本集，并將所述訓練樣本集均分為三個樣本集，依次選取其中兩個樣本集作為訓練集進行訓練，并將另一個樣本集作為驗證集進行驗證，將每次得到的驗證結果作為所述識別框架中的一條證據并分別確定三條證據對應的基本信度值；基于證據理論的合成規則對三條證據的基本信度值進行融合得到第一融合基本信度值和第二融合基本信度值；確定所述第一融合基本信度值為所述第一預測模型對應的融合權重，確定所述第二融合基本信度值為所述第二預測模型對應的融合權重，將所述第一預測模型和所述第二預測模型按照各自對應的融合權重進行融合得到所述融合預測模型，并利用所述測試樣本集測試所述融合預測模型的性能；

使用所述融合預測模型對所述待檢測物體進行新鮮度檢測確定所述待檢測物體的新鮮度等級。

2.根據權利要求1所述的方法，其特征在于，所述基于證據理論的合成規則對三條證據的基本信度值進行融合得到第一融合基本信度值和第二融合基本信度值，包括：

通過計算如下公式對第一條證據和第二條證據的基本信度值進行融合得到融合結果：

m(P₁)＝m₁(P₁)m₂(P₁)/(1-K)

m(P₂)＝m₁(P₂)m₂(P₂)/(1-K)

K＝m₁(P₁)m₂(P₂)+m₁(P₂)m₂(P₁)

其中，m(P₁)和m(P₂)是融合結果對應的基本信度值，m₁(P₁)和m₁(P₂)是所述第一條證據對應的基本信度值，m₂(P₁)和m₂(P₂)是所述第二條證據對應的基本信度值；

通過計算如下公式對所述融合結果和第三條證據的基本信度值進行融合得到所述第一融合基本信度值和第二融合基本信度值：

m_c(P₁)＝m(P₁)m₃(P₁)/(1-K)

m_c(P₂)＝m(P₂)m₃(P₂)/(1-K)

K＝m(P₁)m₃(P₂)+m(P₂)m₃(P₁)

其中，m_C(P₁)是所述第一融合基本信度值，m_C(P₂)是所述第二融合基本信度值，m₃(P₁)和m₃(P₂)是所述第三條證據對應的基本信度值。