详情

原文传递一种基于近红外光谱的果蔬农药残留检测方法

专利名称：	一种基于近红外光谱的果蔬农药残留检测方法
摘要：	本发明公开了一种基于近红外光谱的果蔬农药残留检测方法，包括：构建训练样本数据集，通过训练样本数据集获得降维转换矩阵和分类模型；获取测试样本数据集，使用降维转换矩阵将测试样本数据从高维转换至低维，然后再代入分类模型中进行农药残留判断。本发明可用于实现基于近红外光谱的农药残留快速、无损检测，具有广阔的应用潜力。
专利类型：	发明专利
国家地区组织代码：	江苏;32
申请人：	南京林业大学
发明人：	谢德红;叶艺
专利状态：	有效
申请日期：	2019-06-06T00:00:00+0800
发布日期：	2019-08-13T00:00:00+0800
申请号：	CN201910489225.0
公开号：	CN110118749A
代理机构：	合肥道正企智知识产权代理有限公司
代理人：	王天马
分类号：	G01N21/359(2014.01);G;G01;G01N;G01N21
申请人地址：	210037 江苏省南京市玄武区龙蟠路159号
主权项：	1.一种基于近红外光谱的果蔬农药残留检测方法，其特征在于，包括以下步骤：步骤(1)、采集训练样本的近红外光谱数据，构建训练样本数据集；步骤(2)、将训练样本数据集进行一阶导数处理后由高维空间转换到低维空间，提取训练样本数据集的特征，获得降维转换矩阵；步骤(3)、根据改进的非线性支持向量机分类器对步骤(2)中转换到低维空间的训练样本数据进行分类，构建分类模型；步骤(4)、采集待检测果蔬的近红外光谱数据作为测试样本，构建测试样本数据集；步骤(5)、将测试样本数据进行一阶导数处理，根据降维转换矩阵将处理后的测试样本数据由高维空间转换到低维空间；步骤(6)、将步骤(5)得到的测试样本数据代入步骤(3)的分类模型中，判断出测试样本中的农药残留类别和农药未残留类别，完成检测。 2.根据权利要求1所述的基于近红外光谱的果蔬农药残留检测方法，其特征在于：所述步骤(2)中降维转换矩阵的获取方法为：其中， x表示一个样本的近红外光谱数据，x∈Rp×1，p表示近红外光谱数据的维数； y为对应样本数据x的标定数据，且y＝±1，分别表示农药残留类别与农药未残留类别的标注； V表示所述降维转换矩阵； Kψ(x,y)表示经过ψ(x,y)处理后数据的核矩阵。 3.根据权利要求2所述的基于近红外光谱的果蔬农药残留检测方法，其特征在于：所述Kψ(x,y)为：其中， xi表示第i个样本的近红外光谱数据，所有训练集数据表示为n为样本数量，yi为对应样本数据xi的标数定据，且yi＝±1，分别表示农药残留类别与农药未残留类别的标定。 4.根据权利要求3所述的基于近红外光谱的果蔬农药残留检测方法，其特征在于：所述为约束函数，为常数且φ(xi)表示核函数，φ(xi)＝exp(-\|\|xi\|\|2/2σ2)，参数σ为经验常数。 5.根据权利要求1所述的基于近红外光谱的果蔬农药残留检测方法，其特征在于：所述改进的非线性支持向量机分类器的公式为：其中， γ为正则化参数且γ＞0； w为将高维的近红外光谱数据映射到低维特征空间的转换矩阵，上标“T”表示矩阵的转矩； ei为近红外光谱数据映射到低维特征空间的系数；为核函数。
所属类别：	发明专利