[發明專利]基于小波變換-隨機森林算法的煙葉霉變快速識別方法

在審

• 申請號: 201910579464.5
• 申請日: 2019-06-28
• 公開（公告）號: CN110363119A
• 公開（公告）日: 2019-10-22
• 發明（設計）人: 賴燕華;陶紅;林云;王予;周瑢;歐陽路斯;林寶敏
• 申請（專利權）人: 廣東中煙工業有限責任公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G01N21/3563;G01N21/359
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 任重

1.基于小波變換-隨機森林算法的煙葉霉變快速識別方法，其特征在于，包括以下步驟：

S1：采集煙葉樣本；

S2：分別采集各個煙葉樣本的近紅外光譜，作為各煙葉樣本的光譜信息；

S3：利用離散小波變換對光譜信息進行預處理，求解得到小波系數；

S4：利用隨機森林算法從小波系數中識別出煙葉的霉變程度，完成煙葉霉變的識別。

2.根據權利要求1所述的基于小波變換-隨機森林算法的煙葉霉變快速識別方法，其特征在于，所述步驟S2具體為：

S21：將采集到的煙葉樣本分別裝入樣本杯中，分別采集各個煙葉樣本的紅外光譜數據，作為各煙葉樣本的基礎光譜信息；

S22：每個樣本分別重復裝樣測定兩次，計算其兩次基礎光譜信息的平均結果，作為該樣本的光譜信息。

3.根據權利要求2所述的基于小波變換-隨機森林算法的煙葉霉變快速識別方法，其特征在于，所述步驟S3具體包括以下步驟：

S31：母小波的選擇：分別考察Daubechies系列小波、Symlets系列小波以及Coiflets系列小波對霉變煙葉識別的正確率，選擇正確率最高者作為母小波；

S32：確認母小波的分解水平：母小波對光譜信息進行一次水平分解后，得到一個細節系數向量和一個近似系數向量；近似系數向量繼續分解得到下一級的細節系數向量和近似系數向量；通過確定母小波的分解水平，得到對應水平的近似系數以及所有分解水平的細節系數；

S33：將得到的近似系數以及所有分解水平的細節系數作為小波系數。

4.根據權利要求3所述的基于小波變換-隨機森林算法的煙葉霉變快速識別方法，其特征在于，在所述步驟S4所述的隨機森林算法包括分類樹數量k和分割節點的隨機變量的數量m：其中，包含了k個分類樹的算法建模具體為：

當實際分類樹i從1變到k時，建立一個包含樣本集X中三分之二數據量的自助法子集X_i；基于自助法子集X_i，在每個節點上隨機選擇m個預測變量，選擇最優的隨機變量進行節點分割分類；最后通過k個分類樹反饋的信息進行信息的預測。

5.根據權利要求4所述的基于小波變換-隨機森林算法的煙葉霉變快速識別方法，其特征在于，通過10折交叉驗證法驗證m個預測變量所得到的識別正確率，選擇識別正確率最高的作為最優的隨機變量進行節點分割分類。

6.根據權利要求4所述的基于小波變換-隨機森林算法的煙葉霉變快速識別方法，其特征在于，所述的信息預測包括分類和回歸，若為分類則利用k個分類樹組合中的多數選票；否則計算平均值。

7.根據權利要求4所述的基于小波變換-隨機森林算法的煙葉霉變快速識別方法，其特征在于：樣本集X中三分之一的數據量作為測試集，用于對識別算法的驗證。