[发明专利]基于快速衰减式淘汰算法和PLSDA鉴别黄花梨成熟度的方法

说明书

本发明公开了一种基于快速衰减式淘汰算法和PLSDA鉴别黄花梨成熟度的方法，包括以下步骤：(1)收集样品，采集样品光谱，得到样品近红外漫反射光谱数据，并使用一阶微分法预处理原始近红外光谱数据；(2)将预处理后光谱数据使用快速衰减式淘汰算法筛选特征波长；(3)使用偏最小二乘判别法，将筛选后光谱作为模型输入，对应的成熟度作为输出，建立偏最小二乘判别分析模型；(4)模型的质量评价，对待鉴别样品的成熟度测定。本发明能够快速鉴别黄花梨成熟度，丰富了化学计量学方法，具有良好的应用前景。

技术领域

本发明涉及红外无损检测技术领域，尤其涉及一种基于快速衰减式淘汰算法和PLSDA鉴别黄花梨成熟度的方法。

背景技术

黄花梨是一种精品梨，采收时间对黄花梨品质的影响很大。采收时，黄花梨的成熟度未达到要求或过熟，都会造成果实品质不高，经济收益不理想的情况。因此，做到适时采收才能将经济效益最大化。

现代近红外光谱分析法是一种快速无损的检测方法，其原理为对有机物中的含氢基团X-H的倍频合频产生吸收，通过化学计量方法测得有机物的理化指标，用有效的数学算法将理化指标与光谱建立函数关系，它已经被广泛应用于农产品的定量分析和定性分析中。目前存在的基于近红外光谱法的水果成熟度鉴别方法，建模所需样品基数大、训练时间久，大量样品理化值的获取耗时耗力。对此情况，急需一种普适性较强的模型，有效的鉴别黄花梨的成熟度。

发明内容

本发明的目的在于针对现有技术的不足，提供一种基于快速衰减式淘汰算法和PLSDA鉴别黄花梨成熟度的方法。

本发明是通过以下技术方案实现的：一种基于快速衰减式淘汰算法和PLSDA鉴别黄花梨成熟度的方法，包括以下步骤：

(1)收集样品，在样品成熟期前d天(4≤d≤10)、成熟期期间、成熟期后d天，各至少采集一次样品；采集样品的近红外光谱，并对近红外光谱进行一阶微分预处理，得到预处理后的近红外光谱数据矩阵；

(2)将步骤(1)得到的预处理后的近红外光谱数据矩阵进行快速衰减式淘汰算法处理，筛选出特征波长；

(3)使用偏最小二乘判别(PLSDA)方法，建立偏最小二乘判别模型，将成熟期前d天、成熟期期间、成熟期后d天采集的样品的实际成熟度以及由步骤(2)得到的成熟期前d天、成熟期期间、成熟期后d天采集的样品的筛选特征波长后的光谱作为偏最小二乘判别模型的模型输入，进而得到最佳偏最小二乘判别模型；

(4)将筛选特征波长后的待鉴别样品的光谱输入最佳偏最小二乘判别模型，得到待鉴别样品的成熟度。

进一步的，所述步骤(1)具体实现如下：

使用近红外光谱仪对样品进行扫描，得到样品的近红外光谱，将成熟期前d天、成熟期间、成熟期后d天采集的样品随机分为校正集样品和预测集样品，其中，校正集样品用于模型训练，预测集样品用于模型的质量评价；将样品的近红外光谱进行一阶微分预处理，选取窗口宽度，得到预处理后的近红外光谱数据矩阵。

进一步的，所述步骤(2)中的快速衰减式淘汰算法具体实现如下：

设定y表示样本的m×1的目标性质矩阵，X表示样本测得的m×n的光谱矩阵，m表示样本数，n表示变量数；W表示组合系数；T表示X的分矩阵，为X与W的线性组合；c是y和T所建模型的回归系数向量；b表示为n维的回归系数向量，e表示预测残差，有式(1)和式(2)：

T＝W·X (1)

y＝c·T+e＝cWX+e＝b·X+e (2)