[發明專利]一種混合模糊C均值聚類的蘋果品種分類方法

有效

• 申請號: 201810336476.0
• 申請日: 2018-04-16
• 公開（公告）號: CN109030407B
• 公開（公告）日: 2020-12-18
• 發明（設計）人: 武小紅;趙偉佳;傅海軍;武斌;陳勇;戴春霞;高洪燕
• 申請（專利權）人: 江蘇大學
• 主分類號: G01N21/359
• 分類號: G01N21/359;G01N21/3563;G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明公開了一種混合模糊C均值聚類的蘋果品種分類方法，采集蘋果樣本的近紅外光譜；針對不同品種的蘋果樣本，用近紅外光譜儀采集蘋果樣本的傅里葉近紅外漫反射光譜信息，將光譜信息存儲在計算機里；對蘋果近紅外光譜進行降維處理；將蘋果樣本近紅外光譜采用主成分分析方法(PCA)進行壓縮降維處理；用混合模糊C均值聚類方法對蘋果品種進行分類處理，根據混合模糊C均值聚類方法得到模糊隸屬度，對蘋果品種進行分類。能夠有效實現對蘋果檢測速度快，分類準確率高，不造成損壞，提高分類蘋果品種分類的準確率，且采用近紅外光譜技術實現無損檢測。

技術領域

本發明屬于水果無損檢測技術領域,尤其涉及一種混合模糊C均值聚類的蘋果品種分類方法。

背景技術

蘋果是人們經常食用的水果之一。蘋果果實里富含單糖、礦物質、膳食纖維和各種生活性物質。中國是世界最大的蘋果生產國。由于品種，產地，生長環境等因素，蘋果的品質存在差異。不同品種的蘋果其內部的有機物含量不相同，品質也不相同，優良品種蘋果的選擇和培育是農業科技人員的重要任務。

近紅外光譜技術是利用物質對光的吸收、散射、反射和透射等特性來確定其成分含量的一種非破壞性檢測技術。近紅外光譜技術具有非破壞性檢測，檢測速度快，可同時檢測多種成分等優點。近紅外光譜射向蘋果后得到漫反射光譜，在不同品種的蘋果上獲得的漫反射光譜是不同的，利用這個原理，可以將不同品種的蘋果區分開來，即實現不同品種蘋果的分類。但是，近紅外采集過程中光譜數據易混入噪聲信號，這給近紅外光譜數據的處理帶來一定難度。

模糊C均值聚類(FCM)是一種廣泛使用的模糊聚類方法，是一種基于中心的迭代聚類方法。其廣泛應用于圖像處理，模式識別等領域。但是，模糊C均值聚類存在著對噪聲敏感的問題。因為模糊C均值聚類建立在可能性約束條件基礎上，模糊C均值聚類使數據點在所有類中的隸屬度之和為1。可能性約束條件避免了所有隸屬度為0的平凡解，但是造成了模糊C均值聚類對噪聲敏感。

發明內容

本發明根據現有技術的不足與缺陷，提出了一種混合模糊C均值聚類的蘋果品種分類方法，目的在于實現對蘋果的快速檢測，分類準確率高，不造成損壞。

采用的技術方案包括以下步驟：

步驟1，采集蘋果樣本的近紅外光譜；針對不同品種的蘋果樣本，用Antaris II傅里葉紅外光譜分析儀采集蘋果樣本的傅里葉近紅外漫反射光譜信息，將光譜信息存儲在計算機里；

步驟2，對蘋果近紅外光譜進行降維處理；將蘋果樣本近紅外光譜采用主成分分析方法(PCA)進行壓縮降維處理；

步驟3，用混合模糊C均值聚類方法對蘋果品種進行分類處理，根據混合模糊C均值聚類方法得到模糊隸屬度，對蘋果品種進行分類。

進一步，所述步驟2中用主成分分析方法進行降維時，在滿足主成分的累計可信度≥98％條件下選取主成分個數。

進一步，所述步驟3中的一種混合模糊C均值聚類方法如下：

步驟3.1，初始化過程：設置權重指數m(m1)，類別數c；設置循環計數r的初始值和最大迭代次數為r_max；設置迭代最大誤差參數ε；運行模糊C均值聚類得到的模糊隸屬度值u_ik,FCM和類中心值v_i,FCM分別作為初始的模糊隸屬度值u_ik⁽⁰⁾和類中心值ν_i⁽⁰⁾；計算參數γ_i：

上式中，m(m1)為權重指數，u_ik,FCM為模糊C均值聚類迭代計算終止后得到的模糊隸屬度值，v_i,FCM為模糊C均值聚類迭代計算終止后得到的第i(i＝1,2,3,…,c)個類中心值，x_k為第k個蘋果測試樣本。