[发明专利]基于支持向量回归算法和太赫兹吸收光谱的大豆中蛋白质定量检测方法

权利要求书

1.基于支持向量回归算法和太赫兹吸收光谱的大豆中蛋白质定量检测方法，其特征在于：根据0.1-1.5 THz频率范围实验样品的太赫兹（terahertz，THz）吸收光谱，首先通过8种不同的预处理方法对THz吸收光谱进行处理；然后，通过校正集实验样品的光谱数据分别建立支持向量回归（support vector regression, SVR）大豆中蛋白质定量检测模型，采用人工蜂群算法（artificial bee colony algorithm, ABC）确定SVR惩罚参数c和核函数参数g的最优参数组合；最后，通过预测集实验样品的光谱数据分别对SVR大豆中蛋白质定量检测模型进行预测验证，得出定量检测模型的预测集相关系数（related coefficient ofprediction set，Rp），预测集预测均方差（root mean square error of prediction set，RMSEP），校正集相关系数（related coefficient of correction set, Rc），校正集预测均方差（root mean square error of correction set，RMSEC）和相对标准偏差（relativestandard deviation，RSD），最终通过对比验证结果来选择最优的SVR大豆中蛋白质定量检测模型。

2.根据权利要求1所述基于SVR算法和THz吸收光谱的大豆中蛋白质定量检测方法，其特征在于，算法内容包括以下步骤：

（1）初始化SVR算法参数，包括：惩罚参数c和核函数参数g；

（2）根据SVR的数学模型，通过ABC确立惩罚参数c和核函数参数g的最优参数组合，其中，SVR的核函数采用了最常用的径向基核函数（radial basis function, RBF）来建立定量检测模型；

（3）利用SVR算法建立的定量检测模型，导入校正集和预测集实验样品的THz吸收光谱数据，得出定量检测模型的Rp，RMSEP，Rc，RMSEC，RSD。

3.根据权利要求1所述的SVR大豆中蛋白质定量检测模型，其特征在于，利用ABC和SVR算法结合THz吸收光谱建立了大豆中蛋白质定量检测模型。

4.根据权利要求1所述的SVR大豆中蛋白质定量检测模型，其特征在于，通过对0.1-1.5THz频率区间大豆样品的THz吸收光谱数据分别进行多种光谱预处理，经过对比在定量检测效果最好的光谱预处理下进行定量检测模型的建立。

5.根据权利要求1所述的SVR大豆中蛋白质定量检测模型，其特征在于，通过ABC确定惩罚参数c和核函数参数g的最优参数组合，从而建立SVR大豆中蛋白质定量检测模型。