详情

原文传递基于太赫兹光谱技术的油料作物品质的快速无损检测方法

专利名称：	基于太赫兹光谱技术的油料作物品质的快速无损检测方法
摘要：	本发明公布了一种基于太赫兹光谱技术的油料作物品质的快速无损检测方法，无需将油料种子样本研磨压片，通过简单预处理方法处理待测样本，基于太赫兹时域光谱及成像技术采集数据，分别建立基于吸收系数的正常与严重霉变油料作物的SVM二分类模型及SVM三分类模型，实现快速、无损地检测油料作物品质。采用本发明提供的检测方法，可以对油料作物中的霉变或空瘪果进行快速、无损检测，无需复杂的样品制备，且准确率较高,具有很好的实用价值，可推广到其他食品品质的快速无损检测应用中。
专利类型：	发明专利
国家地区组织代码：	北京;11
申请人：	北京工商大学
发明人：	刘翠玲;王少敏;吴静珠;孙晓荣;邢瑞芯;胡莹;徐莹莹
专利状态：	有效
申请日期：	2019-05-06T00:00:00+0800
发布日期：	2019-08-09T00:00:00+0800
申请号：	CN201910370382.X
公开号：	CN110108649A
代理机构：	北京万象新悦知识产权代理有限公司
代理人：	黄凤茹
分类号：	G01N21/25(2006.01);G;G01;G01N;G01N21
申请人地址：	100048 北京市海淀区阜成路33号
主权项：	1.一种油料品质无损检测方法，无需将油料种子样本研磨压片，通过简单预处理方法处理待测样本，基于太赫兹时域光谱及成像技术采集数据，分别建立基于吸收系数的正常与严重霉变油料作物的SVM二分类模型及SVM三分类模型，实现快速、无损地检测油料作物品质；包括以下步骤： 1)同批次获取待识别的油料种子样本； 2)将油料种子吹扫干净，制备待测样本；待测样本包括正常油料种子和进行霉变培养的发霉油料种子；发霉程度进一步分为：轻度霉变、中度霉变、严重霉变； 3)使用太赫兹时域光谱仪，采用直接法和去壳法分别采集待测样本的太赫兹透射光谱及太赫兹反射或透射的时域信息及成像图像；包括：直接采集样本的太赫兹反射或透射成像图，即样本的三维或二维图像；采集去壳去红衣样本的太赫兹反射或透射光谱，即样本的时域信息； 4)对采集得到的太赫兹时域信息及成像图像数据进行处理，提取有效信息并进行分析，包括：信号时域频域之间转换、光学常数提取、光谱数据预处理及图像处理；对通过反射或透射方式采集到的时域光谱数据：首先选择切趾函数对样本的时域信号进行离散傅立叶变换，得到其频域信号；再根据频域信号的幅值和相位获得光学常数；最后采用预处理方法进行优化处理；对于太赫兹反射或透射成像获得的样本的三维或二维成像图，采用的图像处理方法包括：图像去噪、增强、复原、分割、提取特征； 5)利用步骤4)得到的光谱数据，建立基于太赫兹光谱及成像图像的不同油料品质的SVM定性模型，包括SVM二分类模型及SVM三分类模型；先建立正常与霉变样本的SVM二分类定性分类模型，再建立不同霉变程度样本的SVM三分类定性模型；包括： 51)首先建立正常与严重霉变样本的二分类模型；将采集的正常样本和霉变样本的光谱及图像信息划分训练集和预测集；对步骤4)后得到的数据，采用网格优化算法对SVM模型的参数进行寻优，建立基于吸收系数的油料作物SVM二分类模型；具体对采集的两种样本的光谱信息先进行离散傅里叶变换，进而计算得到吸收系数谱，再对吸收系数谱求一阶导，并做归一化预处理，将归一化预处理后的光谱作为模型输入，建立SVM模型；利用网格优化方法对SVM模型中的参数进行确定和寻优，在最优参数的基础上建立基于吸收系数的正常与严重霉变样本的SVM二分类模型； 52)建立不同霉变程度样本的三分类模型；随机划分建模集和测试集；采用基于网格搜索法及交叉验证方法进行参数寻优的支持向量机多分类算法，对经过归一化预处理后的所有油料作物样本建立SVM模型，并建立油料种子的轻度霉变、中度霉变、严重霉变的三分类模型；具体将对三类样本的吸收系数谱进行归一化预处理作为建立SVM三分类模型的输入数据；之后根据网格搜索法及交叉验证方法确定SVM函数中的参数，得到交叉验证后实验结果精确度最高的参数值，即可确定模型；在该参数基础上建立基于吸收系数谱的不同霉变程度油料种子的SVM三分类模型； 6)结合建立的基于太赫兹光谱及成像图像的油料品质的定性模型，实现快速无损的油料品质检测。 2.如权利要求1所述的油料品质无损检测方法，其特征是，步骤6)中，进一步将太赫兹成像图像分析结果与霉变样本光谱定性模型结果进行信息融合，具体执行如下操作：利用主成分分析法分别从样本太赫兹图像和光谱数据中获得代表样本特征信息的得分矩阵，所得两个矩阵的维数要相同；将两个矩阵合并成一个矩阵；合并矩阵包含样品光谱和图像两部分信息，作为输入数据来建立SVM分类模型，实现对不同霉变程度样本品质的鉴别。 3.如权利要求1所述的油料品质无损检测方法，其特征是，步骤4)中，对通过反射或透射方式采集到的时域光谱数据，所述切趾函数采用Happ Genzel函数，以同时兼顾信噪比和分辨率；所述光学常数包括吸光度、透光度、吸收系数、折射率；所述预处理方法采用化学计量学方法。 4.如权利要求1所述的油料品质无损检测方法，其特征是，所述光学常数优选为吸收系数。 5.如权利要求1所述的油料品质无损检测方法，其特征是，所述油料种子具体选用花生。 6.如权利要求1所述的油料品质无损检测方法，其特征是，步骤51)中训练集和预测集具体按照3：1的比例进行划分。 7.如权利要求1所述的油料品质无损检测方法，其特征是，步骤52)中，SVM函数中的参数具体为核函数、惩罚系数c和Gamma参数g。 8.如权利要求7所述的油料品质无损检测方法，其特征是，SVM二分类模型和SVM三分类模型的核函数均选择RBF函数。 9.如权利要求1所述的油料品质无损检测方法，其特征是，轻度霉变样本是经霉变培养培养2～3天时间后的样本；中度霉变样本是经霉变培养4～5天时间后的样本；严重霉变样本是经霉变培养6～7天时间后的样本。
所属类别：	发明专利