[發明專利]一種基于高光譜的雙孢蘑菇超聲滲透過程可溶性固形物含量預測方法

在審

• 申請號: 201910660467.1
• 申請日: 2019-07-22
• 公開（公告）號: CN110243748A
• 公開（公告）日: 2019-09-17
• 發明（設計）人: 裴斐;肖坤鵬;胡秋輝;沈飛;楊文建;方勇;馬寧
• 申請（專利權）人: 南京財經大學
• 主分類號: G01N15/08
• 分類號: G01N15/08;G01N21/25;G16C10/00
• 代理公司: 北京高沃律師事務所 11569
• 代理人: 趙曉琳

1.一種基于高光譜的雙孢蘑菇超聲滲透過程可溶性固形物含量預測方法，其特征在于，包括以下步驟：

將雙孢蘑菇分為對照組和實驗組；將所述實驗組中的雙孢蘑菇樣品置于滲透液中進行不同時間的超聲滲透處理，得到對照組樣品和實驗組樣品，所述對照組樣品為未進行超聲處理的樣品，所述實驗組樣品為進行超聲滲透處理的樣品；所述滲透液為質量濃度為40～60％的蔗糖水溶液；所述超聲滲透處理的條件包括：超聲頻率為30～50kHz，功率為150～250W，溫度25～40℃，固液比為1：8～12；

對所述對照組樣品和實驗組樣品進行高光譜掃描，得到樣品高光譜圖像；

選取所述對照組樣品與實驗組樣品除邊緣外全部區域作為感興趣區域，從所述樣品高光譜圖像中提取平均光譜，得到原始光譜；

使用正交信號校正對所述原始光譜預處理，得到預處理光譜；采用競爭性自適應重加權算法提取所述原始光譜的特征波長，形成特征光譜；

對所述對照組樣品和實驗組樣品榨出的定量雙孢蘑菇汁液中的可溶性固形物含量進行測定，獲得樣品可溶性固形物含量值；

利用偏最小二乘回歸算法分析特征光譜矩陣與可溶性固形物含量值矩陣，建立特征光譜矩陣與可溶性固形物含量值矩陣的線性回歸模型；

采集待測超聲處理的雙孢蘑菇樣品高光譜圖像，提取待測特征光譜，將待測特征光譜矩陣輸入所述線性回歸模型，得到待測超聲處理的雙孢蘑菇樣品的可溶性固形物含量預測值。

2.根據權利要求1所述的基于高光譜的雙孢蘑菇超聲滲透過程可溶性固形物含量預測方法，其特征在于，所述實驗組雙孢蘑菇在滲透液中進行超聲滲透處理的時間分別為10min、20min、30min、40min和50min。

3.根據權利要求1所述的基于高光譜的雙孢蘑菇超聲滲透過程可溶性固形物含量預測方法，其特征在于，所述高光譜掃描的光譜范圍為884～1729nm；所述高光譜掃描的參數包括：光譜分辨率最小為0.6nm，曝光時間為19ms，移動臺前進速度為2cm/s，鏡頭與樣本距離為39cm。

4.根據權利要求1所述的基于高光譜的雙孢蘑菇超聲滲透過程可溶性固形物含量預測方法，其特征在于，采用競爭性自適應重加權算法提取所述原始光譜的特征波長的個數為67個。

5.根據權利要求1或4所述的基于高光譜的雙孢蘑菇超聲滲透過程可溶性固形物含量預測方法，其特征在于，采用競爭性自適應重加權算法提取所述原始光譜的特征波長的步驟如下：

(1)蒙特卡羅采樣，每次波長變量采樣從建模樣本集隨機抽取80～90％的樣本，建立偏最小二乘回歸模型；

(2)基于指數衰減函數去除不符合要求的波長變量；

(3)基于自適應重加權采樣算法對保留的波長變量進行競爭性篩選；

(4)N次蒙特卡羅采樣后得到N個波長變量子集，比較每次蒙特卡羅采樣產生的波長變量子集的交叉驗證均方根誤差，誤差值最小的變量子集為最優波長變量子集。

6.根據權利要求1所述的基于高光譜的雙孢蘑菇超聲滲透過程可溶性固形物含量預測方法，其特征在于，所述線性回歸模型的建立方式如下：

利用偏最小二乘算法將因子分析和回歸分析相結合，對特征光譜矩陣和可溶性固形物含量值矩陣同時進行主成分分解，求取潛在變量，并采用留一法交叉驗證計算預測殘差平方和；再根據所述潛在變量的累計貢獻率和所述預測殘差平方和，尋找所需潛在變量個數，將特征光譜矩陣和可溶性固形物含量值矩陣關聯，建立特征光譜矩陣和可溶性固形物含量值矩陣的線性回歸模型。