[发明专利]一种近红外光谱鉴别平利绞股蓝的方法

权利要求书

1.一种近红外光谱鉴别平利绞股蓝的方法，其特征包括如下步骤：

A、建立平利绞股蓝的近红外光谱鉴别模型

A-1、选择光谱范围4000-12500cm^-1，扫描平利绞股蓝近红外光谱图；

A-2、选取光谱范围4000-9500cm^-1的数据进行预处理；

A-3、提取主成分；

A-4、建立人工神经网络模型：采取人工神经网络算法，根据输入输出数据特点确定神经网络的结构，再利用训练数据训练此神经网络，得到平利绞股蓝的鉴别模型；

B、未知样品的鉴别

未知样品在相同条件下扫描近红外光谱图，选取主成分数目，依据训练好的神经网络模型来判断未知样品的真伪，输出节点分别用二进制数字表示，10代表是平利绞股蓝，01代表是非平利绞股蓝。

2.根据权利要求1所述的近红外光谱鉴别平利绞股蓝的方法，其特征在于，步骤A-1所述的扫描平利绞股蓝近红外光谱图包括：将有效量的平利绞股蓝样品干燥粉碎后均匀置于石英样品池中，使用傅立叶近红外光谱仪进行吸收光谱扫描；扫描模式为旋转漫反射，分辨率为8cm^-1，每个样本扫描多次，取平均光谱为样本最终的分析光谱；

3.根据权利要求1所述的近红外光谱鉴别平利绞股蓝的方法，其特征在于，步骤A-2所述的平利绞股蓝近红外光谱范围4000-9500cm^-1的数据预处理包括：对绞股蓝样本光谱进行多元散射校正+适量归一化的预处理，通过该处理消除样品不均匀、光散射及仪器噪声等干扰因素的影响，提高模型的预测精度和稳定性。

4.根据权利要求1所述的近红外光谱鉴别平利绞股蓝的方法，其特征在于，步骤A-3所述的提取主成分是通过主成分分析方法对光谱图信息进行降维，取前10个主成分累计贡献率为99.99%，有限量的输入减少模型的计算复杂度，提高模型的预测精度。

5.根据权利要求1所述的近红外光谱鉴别平利绞股蓝的方法，其特征在于：步骤A-4所述的平利绞股蓝建立人工神经网络模型包括运用MATLAB软件建立输入层节点10-隐含层节点5-输出层节点2的BP人工神经网络模型：

A-4-1、输入层节点数的确定：取10个主成分得分为参数，确定网络的输入层节点为10；

A-4-2、隐层节点数的确定：用下公式求出：

L=0.43mn+0.12n2+2.54m+0.77n+0.35+0.51]]>

其中m、n分别为输入节点与输出节点数目，隐层节点数目可以由公式得到一个初始值，然后利用逐步增长法修正，得到经验值5；

A-4-3、输出层节点数的确定：按照判断绞股蓝样品是属于平利产地还是属于非平利产地两种结果，确定神经网络的输出节点为2个。