[发明专利]一种基于距离度量和半监督学习的近红外光谱跨年份苹果糖度预测方法

说明书

本发明提供一种基于距离度量和半监督学习的近红外光谱跨年份苹果糖度预测方法，属于苹果糖度预测领域。该方法首先从苹果的近红外光谱中提取相对反射率作为特征参数，然后利用初始最小二乘支持向量机回归模型M_lssvm和偏最小二乘回归模型M_plsr对未标记样本预测，获得预测值；随后求未标记样本与回归模型M_lssvm或M_plsr所用建模样本的最大距离和两个回归模型对未标记样本的预测差异；之后选取距离大和两个回归模型预测差异小的未标记样本作为更新集样本加入到初始回归模型M_lssvm或M_plsr所用建模样本中，更新初始回归模型M_lssvm或M_plsr；直至满足最大迭代次数后对测试集样本进行标定。本发明利用距离度量和半监督学习对初始模型进行更新，预测精度高、操作简单、快速有效、具有较高的鲁棒性。

技术领域

本发明属于苹果糖度预测领域，具体涉及一种基于距离度量和半监督学习的近红外光谱跨年份苹果糖度预测方法。

背景技术

苹果具有营养价值高、可存储时间长等特点，已成为世界性的果品。随着生活水平的提高和消费的多元化，消费者对水果品质和安全要求越来越高，苹果品质与安全已经成为消费者最为关注的因素。在同样安全的条件下，消费者越来越注重苹果内在品质，例如苹果的糖度。如何快速对苹果内部品质进行检测和分级，不仅关系到消费者的食用品质和安全保障，而且直接影响到苹果的进出口贸易。

国内外学者对苹果的糖度预测进行了研究，如机器视觉、近红外光谱等。其中，近红外光谱能够反映苹果内部化学特征，被广泛应用于苹果糖度预测。

对于跨年份相同品种的苹果，本方法采集的近红外光谱信息引入新的变量，考虑了耕作条件、土壤环境条件和气候变化，而原有的训练集样本并没有考虑这些新的变量，降低了开发模型的准确性和鲁棒性。

发明内容

本发明目的是克服以上的缺点，提供一种基于距离度量和半监督学习的近红外光谱跨年份苹果糖度预测方法，提高模型的预测精度，操作简单，并具有较高的鲁棒性等优点。

本发明的技术方案：

一种基于距离度量和半监督学习的近红外光谱跨年份苹果糖度预测方法，步骤如下：

a、将N个未标记苹果样本分别放置在近红外光谱采集系统中，采集并获取未标记苹果样本在B个波段下的近红外光谱，所述的未标记苹果样本为当年苹果样本；

b、利用一阶导数来最小化近红外光谱的基线偏移并增强吸收峰；提取B个波段下近红外光谱的相对反射率，作为未标记苹果样本的特征参数F；

c、将步骤b中所得未标记苹果样本的特征参数F，输入预先建立或更新的最小二乘支持向量机回归模型M_lssvm和偏最小二乘回归模型M_plsr中，获得未标记苹果样本糖度的初始预测值和所述预先建立的回归模型M_lssvm和M_plsr中的建模样本为上一年采集的苹果样本；

d、计算N个未标记苹果样本到模型M_lssvm(或模型M_plsr)所用建模样本的最大距离和其中，是第i个未标记苹果样本到模型M_lssvm(或模型M_plsr)所用建模样本的最大距离，是第i个未标记苹果样本到模型M_lssvm(或模型M_plsr)所用建模样本的最大距离，和是由两个不同公式计算出的最大距离；

e、计算最小二乘支持向量机回归模型M_lssvm和偏最小二乘回归模型M_plsr对N个未标记苹果样本的预测差异E＝[e₁,...,e_i,...,e_N]，其中，|.|表示求绝对值；