[發明專利]可消除同一類型近紅外光譜糖度檢測設備臺間差的方法

有效

• 申請號: 202011209892.8
• 申請日: 2020-11-03
• 公開（公告）號: CN112504992B
• 公開（公告）日: 2023-10-13
• 發明（設計）人: 高海根;劉燕德;鄧家超;張子豪;萬祉俁;劉曉龍;林同征
• 申請（專利權）人: 華東交通大學
• 主分類號: G01N21/359
• 分類號: G01N21/359
• 代理公司: 嘉興中創致鴻知識產權代理事務所(普通合伙) 33384
• 代理人: 趙麗麗

本發明提供可消除同一類型近紅外光譜糖度檢測設備臺間差的方法。所述可消除同一類型近紅外光譜糖度檢測設備臺間差的方法，包括以下步驟：S1：隨機選取一批近紅外檢測設備，每臺設備安裝同一糖度分選模型，測試同一批水果樣品，將得到的光譜信息作為神經網絡層的輸入值，將每臺設備糖度預測值作為輸出值，找到二者之間的隱式映射關系，并建立對應的方程組，然后對上述方程組進行求解。本發明提供的可消除同一類型近紅外光譜糖度檢測設備臺間差的方法，可消除同一類型的近紅外分析儀在預測同一批水果糖度時產生的臺間差，提高糖度分選的精確性和可信度，提高糖度分選模型在同一類型、不同設備中的通用性。

技術領域

本發明涉及近紅外糖度分選領域，尤其涉及可消除同一類型近紅外光譜糖度檢測設備臺間差的方法。

背景技術

近紅外光譜分析儀由于快速、無損以及檢測精度高等優點，已經被廣泛應用于水果品質分選-糖度檢測領域，其工作原理為通過擬合水果真實糖度數值與光譜信息之間的關系，采用偏最小二乘法(Partial Least Square，PLS)建模來實現近紅外水果糖度分選的目的。但是由于光學儀器存在臺間差，即便是同一廠家生產的同一類型設備對同一批水果糖度檢測之間也存在著誤差，有的甚至達到10％，因此，消除臺間差對于降低生產成本至關重要。

很顯然，對于相同的數學模型和光譜信息，導致水果糖度預測值差異的應該是設備本身，而對于同一廠家的同一類型設備，其本身的特征具有一定的規律性，因此，我們選用預水果糖度測誤差來表征設備特征，并采用概率神經網絡方法獲得預測誤差與水果糖度真實值之間的隱式關系，再通過模型訓練來消除不同設備間的臺間差來提高模型的通用性。

因此，有必要提供可消除同一類型近紅外光譜糖度檢測設備臺間差的方法解決上述技術問題。

發明內容

本發明提供可消除同一類型近紅外光譜糖度檢測設備臺間差的方法，解決了目前同一廠家生產的同一類型設備對同一批水果糖度檢測之間也存在著誤差，有的甚至達到10％的問題。

為解決上述技術問題，本發明提供的可消除同一類型近紅外光譜糖度檢測設備臺間差的方法，包括以下步驟：

S1：隨機選取一批近紅外檢測設備，每臺設備安裝同一糖度分選模型，測試同一批水果樣品，將得到的光譜信息作為神經網絡層的輸入值，將每臺設備糖度預測值作為輸出值，找到二者之間的隱式映射關系，并建立對應的方程組，然后對上述方程組進行求解；

S2：若上述方程組的系數矩陣方陣大于1，則通過增加樣品個數來降低其譜半徑，若增加樣品個數不能降低譜半徑，則改變近似方法；如果譜半徑小于1，則通過增加樣品個數來降低水果真實糖度值與預測值之間的誤差；

S3：上述光譜信息，即為通過選取近紅外光譜圖中的較為獨立的峰，并將其峰強作為光譜信息，此處的較為獨立的峰即為和相鄰峰重疊較少的峰；

S4：上述的糖度預測值即通過PLS搭建的數學模型預測出與每一個光譜信息對應的糖度；

S5：通過概率神經網絡對上述樣品個數和預測誤差進行模型訓練，直至訓練誤差為0為止，并確定樣品個數N；

S6：以N為樣品個數，通過近紅外設備以及糖度計分布測量樣品的糖度，再通過PLS訓練獲得水果糖度預測模型，該模型安裝在不同設備上，預測的糖度間的誤差可忽略不計。

優選的，所述神經網絡層包括輸入層、模式層、累加層和輸出層。

優選的，所述輸入層為每個神經元均為單輸入單輸出，其傳遞的函數為線性關系，其作用是將輸入信息用分布函數的方式表示。

優選的，所述模式層與輸入層通過連接權值W相連接，模式層神經元的傳遞函數為：g(Z_i)＝exp[(Z_i-1)/s*s]，其中Zi為該層第i個神經元的輸入，s為均方差。