[发明专利]阿拉比卡和罗伯斯塔两种咖啡豆的快速鉴别方法

权利要求书

1.阿拉比卡和罗伯斯塔两种咖啡豆的快速鉴别方法，其特征在于：对高斯白噪声具有很好的抗噪声能力，利用阿拉比卡与罗伯斯塔两种咖啡豆样本均在拉曼光谱波段有明显吸收的现象，得到拉曼光谱的原始数据，将原始数据扣除基线并进行平滑滤波处理，然后添加高斯白噪声用于扩充数据，然后将每种咖啡豆扩充后的数据放入LSTM神经网络进行训练与测试，搭建LSTM神经网络模型，通过寻优找到最佳参数，最终得出咖啡豆样本的分类结果；

包括以下步骤：

1）咖啡豆样本的前处理：对咖啡豆样本进行筛选，晾干；

2）利用拉曼光谱仪测定咖啡豆样本得到原始拉曼光谱数据，并对原始拉曼光谱数据进行预处理；所述步骤2）中拉曼光谱仪的型号为i-RAMAN®plus785s，激发光源为785nm，光谱范围175cm^-1～3200cm^-1，分辨率为4.5cm^-1，最大功率为300mW，扫描次数为3次，扫描分辨率为4cm^-1，积分时间为3000ms，扫描时实时扣除背景噪声；

3）将预处理后的原始拉曼光谱数据进行数据扩充，使每种咖啡豆样本的光谱数据扩充到2000个样本；

4）建立LSTM神经网络模型进行光谱定性分类，确定模型最优参数，选取最优网络结构，其中，LSTM的单元类型为201个数据，隐藏层的节点数选择128个，迭代次数进行60次，咖啡豆分类正确率最高，达到92.51%，并且此时的运行时间最少，为26.60秒；

5）根据最优的网络结构得到两种咖啡豆样本的分类结果；

所述步骤２）中的预处理为对测量的原始拉曼光谱数据进行基线校正与平滑滤波处理；

所述步骤３）中对测量的原始拉曼光谱数据添加不同参数的高斯白噪声，模拟真实光谱采集过程中的各种干扰信号，同时将每种咖啡豆的光谱数据扩充到2000个样本；

所述步骤4）中对扩充后的光谱数据随机划分为60%的训练集、20%的测试集和20%的验证集，得到特征光谱数据，将特征光谱数据合理划分给每个LSTM神经单元，然后测量每条光谱数据的维度，将每条光谱数据等间隔分割，并输入LSTM神经网络中进行迭代，确定模型最优参数，得到分类准确率最高的模型，继而得到最优的网络结构；

所述模型最优参数的确定过程为：选择合理的迭代次数，通过准确率选择最优的LSTM单元内的光谱数量以及LSTM的神经元个数。

2.根据权利要求1所述的阿拉比卡和罗伯斯塔两种咖啡豆的快速鉴别方法，其特征在于：所述步骤3）中将扩充后的两种咖啡豆样本的拉曼光谱数据打乱标签与数据顺序。