[发明专利]高光谱成像叶用银杏叶总黄酮含量检测方法

说明书

一种高光谱成像叶用银杏叶总黄酮含量检测方法，步骤包括：1)先采集银杏叶片的光谱图像；2)然后对光谱图像进行处理；3)最后采用叶总黄酮含量预测模型通过叶片的光谱图像，对叶片进行总黄酮含量检测；预测模型是采用偏最小二乘回归法PLSR和支持向量回归法SVR，分别基于全波段和特征波段建立的预测模型。本发明能够满足实际生产需要，从而为叶用银杏的精确生产与管理提供技术支持和理论依据。本发明为叶用银杏快速、无损及随机检测提供了一个全新的方法，从而为叶用银杏的精准生产、管理与抚育等提供了技术支持和理论依据。

技术领域

本发明属于无损检测技术领域，具体是一种高光谱成像叶用银杏叶总黄酮含量检测方法。

背景技术

现有技术中，银杏叶片具有重要的药用价值，其中总黄酮含量是其重要指标。传统的银杏叶黄酮类化合物检测方法，是将银杏叶的叶片进行破坏，在通过理化实验以及中国药典的总黄酮含量计算方法对实验数据进行计算得到。该检测方法耗时、耗力，且需要对叶片进行破坏。

发明内容

为了解决现有技术中存在的上述问题，本发明研究了基于高光谱成像的检测方法，提出一种高光谱成像叶用银杏叶总黄酮含量检测方法，步骤包括：

1)先采集银杏叶片的光谱图像；

2)然后对光谱图像进行处理；

3)最后采用叶总黄酮含量预测模型通过叶片的光谱图像，对叶片进行总黄酮含量检测；

预测模型是采用偏最小二乘回归法PLSR和支持向量回归法SVR，分别基于全波段和特征波段建立的预测模型。

本方法的预测模型建立过程中，把银杏叶片样本的光谱图像、理化检测得到的总黄酮含量作为数据集，并划分为测试集和训练集。使用数据集分别建立基于全波段和特征波段的偏最小二乘回归法(Partial least square regression,PLSR)和支持向量回归法(Support vector regression,SVR)预测模型。并对模型进行分析，最终得到最优的基于GA算法提取特征波长的PLSR预测模型作为本检测方法是用的基于特征波长筛选的光谱特征预测模型。

在模型分析过程中：

相比较可见近红外波段(Visual Near Infrared)，短波近红外(Short-wave NearInfrared)更适合预测银杏叶总黄酮含量；

相较于SVR模型，PLSR模型预测叶用银杏黄酮含量精度更高；

基于SPA选取特征波长，能够有效改善预测模型的预测性能，其中特征波长数为40的SPA-PLSR模型性能最好；

相比较SPA算法，基于GA的特征提取方法建立的预测模型精度更高，其训练集的和RMSE_c分别为0.8532和0.5403mg/g，训练集的和RMSE_p分别为0.8482和0.2967mg/g，是最为理想的叶用银杏黄酮含量预测的方法。

相较于全波段预测模型，基于特征波长建立模型能较好预测银杏叶总黄酮含量，其中特征波长在1100～1200nm和1400～1500nm范围内提取较为理想；

本发明能够满足实际生产需要，从而为叶用银杏的精确生产与管理提供技术支持和理论依据。

本发明为叶用银杏快速、无损及随机检测提供了一个全新的方法，从而为叶用银杏的精准生产、管理与抚育等提供了技术支持和理论依据。

附图说明

图1是本检测方法的流程示意图；

图2是标准反射率板图像平均灰度值；

图3a～图3d是光谱图像与感兴趣区域图像；其中：

图3a是可见近红外波段均值光谱曲线；