[发明专利]基于可见/近红外光谱的虾类新鲜度等级检测方法及装置

权利要求书

1.一种基于可见/近红外光谱的虾类新鲜度等级检测方法，其特征在于，它包括以下步骤：

(1)、采集大量的不同存储时间、不同存储温度的虾类样本，对采集到的样本进行可见/近红外光谱数据信息采集；按照国家标准SC/T 3032-2007规定的标准理化实验方法检测每个样本的挥发性盐基氮标准值；再按照国家标准GB2741-1994规定，根据检测到的挥发性盐基氮含量对样本的新鲜度等级进行划分标注；

(2)、对步骤(1)所采集到的样本的光谱数据信息进行预处理和降维，得到样本光谱数据信息特征值，把所有样本相对应的光谱数据信息特征值分为训练集和测试集；

(3)、把步骤(2)中所述的训练集中的光谱数据信息特征值作为稀疏表示分类方法的训练样本矩阵，构建新鲜度等级的稀疏表示分类模型；

(4)、分别将步骤(2)中所述的测试集中各样本相对应的光谱数据信息特征值作为稀疏表示分类模型的输入值，计算得到测试集中各样本的新鲜度等级；比较稀疏表示分类模型计算得到的新鲜度等级和步骤(1)标注的样本新鲜度等级，计算稀疏表示分类模型对新鲜度等级预测的准确率；再重复进行步骤(2)-(4)的操作，调整并确定步骤(2)中对样本光谱数据信息的最佳预处理方法和降维方法，直到稀疏表示分类模型的分类准确率达到设定要求；

(5)、利用步骤(4)所确定的光谱数据信息的最佳预处理和降维方法及步骤(3)建立的稀疏表示分类模型，来测试未知待测样本的新鲜度等级。

2.根据权利要求1所述的基于可见/近红外光谱的虾类新鲜度等级检测方法，其特征在于，步骤(3)所述的构建新鲜度等级的稀疏表示分类模型的具体过程为：

假设训练集中的样本的新鲜度等级种类为K类；每一类的训练样本数分别为N₁,N₂,...N_i,...N_k；每个训练样本的光谱数据信息降维后的特征值维数为m维，用列向量f来表示预处理以及降维后的光谱数据信息特征值，f∈R^m；同一类训练样本的光谱数据信息特征值位于一个线性子空间中，所以新测试样本的光谱数据信息特征值可看成是同一类训练样本的光谱数据信息特征值的线性组合；给定充足的训练样本给第i个类，现将第i类中的N_i个训练样本的光谱数据信息特征值组成矩阵A_i的列，具体表示为：

Ai=[fi,1,fi,2,...fi,Ni]∈Rm×Ni---(1)]]>

任意来自于测试集中相同类样本的光谱数据信息特征值y，y∈R^m，则近似满足于以下由训练样本组成的线性组合：

y=ai,1fi,1+ai,2fi,2+...+ai,Nifi,Ni---(2)]]>

式中均为系数；

随后，为所有类的训练样本集定义一个新的全体训练样本矩阵A，作为所有K类训练样本的集合：

A=[A1,A2,...Ak]=[f1,1,f1,2,..fk,Nk]---(3)]]>

y的线性表示可以根据所有K类训练样本写成另一种形式：

y＝Ax(4)

式中，列向量是一个系数向量,元素a_i,j表示y在A中第i类的第j个训练样本上的投影系数；

若y来自第i类样本，则x在其所属类别的A_i上的投影系数不为0，而在其他训练样本类别的A_l(l≠i)上的投影系数为0，即y的解是稀疏的；

可通过解决如下的L-1最小化范数问题来求解上式(4)

x^=argmin||x||1subjecttoAx=y---(5)]]>

式中，为x的近似解，||·||₁表示向量中各元素的绝对值之和；

理想情况下，的非零系数中最大的系数值如果对应第i个类，且较大的系数基本都同第i个类有关，就可将y归为那个类中；但是，实际应用中噪声等问题可能会导致中有一部分与其他类有关的小的非零系数项；因此，对于每个类i，可定义一个函数δ_i，用来在稀疏解中选取与第i类有关的系数；是一个新的向量，其中除了与第i类有关的系数外，令其它的系数值都为零；重新生成给定的测试样本的光谱数据信息特征值y的一个近似表示，将其记为：

y^i=Aδi(x^)---(6)]]>

显然，与y距离越小，则属于第i类的可能性越高；因此可通过计算与y的最小残差值，即求解以下方程：

miniri(y)=mini||y-Aδi(x^)||2---(7)]]>

得到残差最小的i对应的类别，即模型计算得到y的类别。