[發明專利]一種基于Python數據融合的藏藥全緣葉綠絨蒿產地判別方法

有效

• 申請號: 202111211136.3
• 申請日: 2021-10-18
• 公開（公告）號: CN114112983B
• 公開（公告）日: 2023-06-23
• 發明（設計）人: 孫菁;李朵;李佩佩;龍若蘭;馮丹;孟曉萍
• 申請（專利權）人: 中國科學院西北高原生物研究所
• 主分類號: G01N21/359
• 分類號: G01N21/359;G01N21/3563;G01N21/25;G06V10/80;G06V10/764;G06V10/774
• 代理公司: 成都華風專利事務所(普通合伙) 51223
• 代理人: 張巨箭

1.一種基于Python數據融合的藏藥全緣葉綠絨蒿產地判別方法，其特征在于，所述方法包括：

采集得到不同產地的全緣葉綠絨蒿樣品；

對所述不同產地的全緣葉綠絨蒿樣品進行NIR光譜采集，得到NIR光譜數據，對所述不同產地的全緣葉綠絨蒿樣品進行ATR光譜采集，得到ATR光譜數據；

將所述NIR光譜數據和ATR光譜數據進行融合，得到初級融合數據；利用多種分類方法分別對初級融合數據進行建模，并比較不同模型的分類效果，得出分類效果最好的分類方法；其中，所述將所述NIR光譜數據和ATR光譜數據進行融合，包括：

利用Python軟件將所述NIR光譜數據和ATR光譜數據進行串聯；

利用Python軟件提取初級融合數據中每個光譜數據的特征值，計算每個特征值的貢獻度，并抽取貢獻度大的特征值進行融合，得到中級融合數據；

根據所述中級融合數據結合所述分類效果最好的分類方法建立判別模型，并利用所述判別模型對全緣葉綠絨蒿進行產地判別。

2.根據權利要求1所述一種基于Python數據融合的藏藥全緣葉綠絨蒿產地判別方法，其特征在于，所述方法還包括：

選取分類效果靠前的幾種分類方法分別對所述中級融合數據進行建模，將多種模型的輸出結果進行高級融合，所述高級融合包括：

對多種模型的輸出結果分別賦予權重，構建出一種新的決策方式，并根據所述決策方式對樣品分子的理化性質進行分析。

3.根據權利要求1所述一種基于Python數據融合的藏藥全緣葉綠絨蒿產地判別方法，其特征在于，所述采集不同產地的全緣葉綠絨蒿樣品，包括：

采集青海省內14個不同產地的、共631份全緣葉綠絨蒿全草樣品。

4.根據權利要求1所述一種基于Python數據融合的藏藥全緣葉綠絨蒿產地判別方法，其特征在于，所述對所述不同產地的全緣葉綠絨蒿樣品進行NIR光譜采集，包括：

將所述全緣葉綠絨蒿樣品置于樣品杯內，進行攤平和壓實的預處理；

對預處理后的樣品進行NIR光譜掃描：掃描范圍為10000-4000cm^-1，分辨率為8?cm^-1，掃描64次；

取所述NIR光譜掃描后的平均譜圖做分析，得到樣品的一維近紅外譜圖。

5.根據權利要求1所述一種基于Python數據融合的藏藥全緣葉綠絨蒿產地判別方法，其特征在于，所述對所述不同產地的全緣葉綠絨蒿樣品進行ATR光譜采集，包括：

將所述全緣葉綠絨蒿樣品置于ATR紅外探頭上，采集ATR一維紅外譜圖，其中，掃描范圍為4000-400?cm^-1，分辨率為4?cm^-1，掃描32次。

6.根據權利要求1所述一種基于Python數據融合的藏藥全緣葉綠絨蒿產地判別方法，其特征在于，利用邏輯斯諦回歸計算每個特征值的貢獻度。

7.根據權利要求1所述一種基于Python數據融合的藏藥全緣葉綠絨蒿產地判別方法，其特征在于，所述抽取貢獻度大的特征值進行融合，得到中級融合數據，包括：

將每個光譜數據中貢獻度大的特征值提取出來，形成一個新的CSV數據集，所述CSV數據集用TQ?Analyst軟件打開。

8.根據權利要求1所述一種基于Python數據融合的藏藥全緣葉綠絨蒿產地判別方法，其特征在于，所述根據所述中級融合數據結合所述分類效果最好的分類方法建立判別模型，包括：

利用Python軟件采用支持向量機的分類方法建立定性判別模型。

9.根據權利要求2所述一種基于Python數據融合的藏藥全緣葉綠絨蒿產地判別方法，其特征在于，采用支持向量機、Adaboost、隨機森林、極限樹和K近鄰算法進行高級融合。