[发明专利]一种栽培品产地识别方法、装置、设备及介质

说明书

本申请公开了一种栽培品产地识别方法、装置、设备及介质，包括：获取与不同产地的栽培品相关的数据集；其中，所述数据集中的每一数据样本均包括栽培品的类型编号、与栽培品的产地对应的组别信息、栽培品的小分子化合物数据；对所述数据集进行分析，以从栽培品的所有小分子化合物中确定出影响产地识别的关键小分子化合物；获取待识别栽培品的所述关键小分子化合物的数据，得到关键化合物数据；利用所述关键化合物数据，对所述待识别栽培品的产地进行识别。本申请一方面能够大幅减少数据采集量以及数据处理量，另一方面能够有效降低背景冗余数据对识别精度的干扰，提升了产地识别的准确率。

技术领域

本申请涉及信息识别技术领域，特别涉及一种栽培品产地识别方法、装置、设备及介质。

背景技术

目前，通过人工培育方式来栽培中药或其他可利用植物的做法越加普遍，所采用的种植方法和种植资源基本上是相同的，由此导致了人工栽培品之间的高度相似。例如，在栽培灵芝时，通常是采用人工大棚、空气净化、温湿度调节等标准化方案，只在木材和水源等有些许差别，导致栽培品的高相似度。如何实现对栽培品产地的识别是目前有待解决的问题。

发明内容

有鉴于此，本申请的目的在于提供一种栽培品产地识别方法、装置、设备及介质，能够有效实现对栽培品产地的识别。其具体方案如下：

第一方面，本申请公开了一种栽培品产地识别方法，包括：

获取与不同产地的栽培品相关的数据集；其中，所述数据集中的每一数据样本均包括栽培品的类型编号、与栽培品的产地对应的组别信息、栽培品的小分子化合物数据；

对所述数据集进行分析，以从栽培品的所有小分子化合物中确定出影响产地识别的关键小分子化合物；

获取待识别栽培品的所述关键小分子化合物的数据，得到关键化合物数据；

利用所述关键化合物数据，对所述待识别栽培品的产地进行识别。

可选的，所述对所述数据集进行分析，以从栽培品的所有小分子化合物中确定出影响产地识别的关键小分子化合物，包括：

确定基于L2参数的双线性SVM模型；其中，所述双线性SVM模型中的待学习参数W＝[w₀ w₁ w₂ ... w_D-1]^T，D表示特征维度的数量，并且，不同的特征维度对应于不同的小分子化合物数据；

利用所述双线性SVM模型，对所述数据集中的数据样本进行分组学习，以确定所述待学习参数W中每个元素w_j的数值；其中，j＝0,1,2,...,D-1；

以每个元素w_j的数值大小作为相应特征维度的重要性依据，从所有特征维度中选取出预设比例的特征维度，得到第一重要特征维度集合；

分别针对每个特征维度，确定所述数据集中相应维度的各个数据特征与相应数据标签之间的相关性，得到每个特征维度对应的相关性；

以每个特征维度对应的相关性作为相应特征维度的重要性依据，从所有特征维度中选取出所述预设比例的特征维度，得到第二重要特征维度集合；

对所述第一重要特征维度集合和所述第二重要特征维度集合进行取交集操作，得到关键特征维度集合；

根据所述关键特征维度集合，确定出相应的关键小分子化合物。

可选的，所述对所述数据集进行分析，以从栽培品的所有小分子化合物中确定出影响产地识别的关键小分子化合物，包括：