[發明專利]一種基于LSTM的農產品品質分類方法

在審

• 申請號: 202110365817.9
• 申請日: 2021-04-06
• 公開（公告）號: CN113177578A
• 公開（公告）日: 2021-07-27
• 發明（設計）人: 李欣怡;高羽佳;張友華;夏川;劉飛;李家清;張禎
• 申請（專利權）人: 安徽農業大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08;G06Q50/02
• 代理公司: 廣東有知貓知識產權代理有限公司 44681
• 代理人: 陳思思

1.一種基于LSTM的農產品品質分類方法，其特征在于：包括以下步驟：

A、使用農產品檢測儀器，檢測出農產品的外部特征a_i與內部特征b_i；

B、從已有的數據中提取優質、合格、不合格三個標簽樣本數據，并將數據進行歸一化處理；

C、構建基于RF的特征選擇框架，將處理好的16個特征變量送入基于RF的農產品品質特征選擇模型中進行農產品品質的分類預測，得出特征重要性排序；

D、選取16個特征變量中關聯度較大的9個特征變量，將數據導入數據編碼模塊，數據編碼模塊采用數據處理技術對提取后的數據進行編碼，最后劃分為訓練樣本集和測試樣本集；

E、構建基于LSTM的農產品品質分類模型；

F、利用已組建的訓練樣本集和測試樣本集，訓練基于LSTM的農產品品質分類模型，確定模型參數；

G、將幾類待分類的農產品特征數據集，輸入至訓練完畢的深度學習模型中，深度學習模型輸出識別分類結果。

2.如權利要求1所述一種基于LSTM的農產品品質分類方法，其特征在于：所述步驟A中，通過儀器檢測出酚類含量、可溶性固形物、酒精含量、總酸、單寧等內部影響因素，通過分析天平檢測出農產品重量、通過農產品檢測儀檢測農產品形態指數等外部影響因素。

3.如權利要求1所述一種基于LSTM的農產品品質分類方法，其特征在于：所述步驟B中，為了消除不同度量單位和方差對預測結果的不良影響，將訓練集中的每一個數據特征的值進行歸一化處理，且計算公式如下：

其中，x_i指樣本，min(x_i)為樣本最小值，max(x_i)為樣本最大值。

4.如權利要求1所述一種基于LSTM的農產品品質分類方法，其特征在于：所述步驟C中，構建基于RF的農產品品質特征選擇模型方法如下：

C1:從原始訓練集中使用Bootstraping方法有放回地重復隨機抽取n個樣本；

C2：用n組袋外數據(OOB data)分別計算出每一棵決策樹的誤差值，記作E_rb1,E_rb2,....,E_rbk；

C3:保持其他特征不變的情況下，對n組袋外數據的第i個特征進行隨機重排,并重新計算誤差值，記新的誤差值為E_ri1,E_ri2,....,E_rik；

C4：特征重要性排序的計算公式如下：

C5:基于特征對于最終結果的重要性進行排序，根據得到的最佳特征數9擇出前9個特征作為特征向量送入新的模型。

5.如權利要求1所述一種基于LSTM的農產品品質分類方法，其特征在于：所述步驟D，構建數據編碼模塊方法如下：

數據的編碼方式采用one-hot的編碼方式，9個特征在一次熱編碼過程中被編碼，編碼符合一下特征：

在上式中，x為一個特征，包含有序集合中有可能的值。