详情

原文传递一种农产品产地检测方法及系统

专利名称：	一种农产品产地检测方法及系统
摘要：	本发明实施例提供一种农产品产地检测方法及系统，该方法包括：根据待检测农产品样品的近红外光谱，判断所述待检测农产品样品的状态；对所述待检测农产品样品的近红外光谱进行预处理；从所述待检测农产品样品预处理后的近红外光谱中提取预设波长范围内的特征光谱；将所述待检测农产品样品的特征光谱输入训练后的BP神经网络，获取所述待检测农产品的产地信息。本发明实施例提供的一种农产品产地检测方法及系统，通过BP神经网络建立农产品的特征光谱和产地信息之间的对应关系，极大程度简化了原来模型，实现了农产品产地信息的快速和无损检测。
专利类型：	发明专利
国家地区组织代码：	黑龙江;23
申请人：	黑龙江八一农垦大学
发明人：	钱丽丽;关海鸥;左锋;马晓丹;张东杰;宋雪健;王璐;赵晶雪
专利状态：	有效
申请日期：	2019-07-25T00:00:00+0800
发布日期：	2019-11-01T00:00:00+0800
申请号：	CN201910676639.4
公开号：	CN110398473A
代理机构：	北京路浩知识产权代理有限公司
代理人：	王文思
分类号：	G01N21/359(2014.01);G;G01;G01N;G01N21
申请人地址：	163319 黑龙江省大庆市萨尔图区新风路5号
主权项：	1.一种农产品产地检测方法，其特征在于，包括：根据待检测农产品样品的近红外光谱，判断所述待检测农产品样品的状态；对所述待检测农产品样品的近红外光谱进行预处理；从所述待检测农产品样品预处理后的近红外光谱中提取预设波长范围内的特征光谱，所述预设波长范围由所述待检测农产品样品的状态确定；将所述待检测农产品样品的特征光谱输入训练后的BP神经网络，获取所述待检测农产品的产地信息，训练后的BP神经网络的模型结构根据所述待检测农产品样品的状态确定。 2.根据权利要求1所述方法，其特征在于，所述对所述待检测农产品样品的近红外光谱进行预处理，具体包括：利用多元散射校正法对所述待检测农产品样品的近红外光谱进行预处理，所述多元散射校正法的参数根据所述待检测农产品样品的状态确定。 3.根据权利要求2所述方法，其特征在于，所述利用多元散射校正法对所述待检测农产品样品的近红外光谱进行预处理，具体包括：对所述待检测农产品样品的近红外光谱进行平均处理，获取所述待检测农产品样品的平均光谱；对所述待检测农产品样品的近红外光谱与所述待检测农产品样品的平均光谱进行一元线性回归，获取所述待检测农产品样品的回归系数和回归常数；将所述待检测农产品样品的近红外光谱与所述待检测农产品样品的回归常数相减，将相减后的结果除以所述待检测农产品样品的回归系数，获取所述待检测农产品样品预处理后的近红外光谱。 4.根据权利要求1所述方法，其特征在于，所述预设波长范围由所述待检测农产品样品的状态确定，具体包括：对于所述待检测农产品样品的任一状态，获取所述任一状态对应的农产品训练样本集中每一农产品训练样本的近红外光谱，所述农产品训练样本集中包括若干组来自不同产地的农产品训练样本；利用多元散射校正法对每一农产品训练样本的近红外光谱进行预处理，获取每一农产品训练样本预处理后的近红外光谱；通过竞争性自适应重加权算法，获取每一农产品训练样本对应的预设波长范围。 5.根据权利要求4所述方法，其特征在于，所述训练后的BP神经网络通过如下方式获得：从每一农产品训练样本预处理后的近红外光谱中提取所述预设波长范围内提取特征光谱；利用每一农产品训练样本的特征光谱和每一农产品训练样本的实际产地，通过调整初始BP神经网络的输出层节点数与实际产地之间的对应关系，将新产地的农产品光谱特征增加到所述训练样本集中，利用新的训练样本集重新对调整后的初始BP神经网络进行训练，获取训练后的BP神经网络。 6.根据权利要求5所述方法，其特征在于，所述获取训练后的BP神经网络，之后还包括：获取所述任一状态对应的农产品测试样本集中每一农产品测试样本的近红外光谱，所述农产品测试样本集中包括若干组来自不同产地的农产品测试样本；利用所述多元散射校正法对每一农产品测试样本的近红外光谱进行预处理，获取每一农产品测试样本预处理后的近红外光谱；从每一农产品测试样本预处理后的近红外光谱中提取所述预设波长范围内的特征光谱；将每一农产品测试样本的特征光谱输入训练后的BP神经网络中，获取每一农产品测试样本的预测产地，并将每一农产品测试样本的预测产地和每一农产品测试样本的实际产地进行比对，获取准确率，若所述准确率小于预设阈值，重新对所述初始BP神经网络进行训练，直到所述农产品测试样本集中的准确率大于所述预设阈值。 7.根据权利要求1所述方法，其特征在于，所述训练后的BP神经网络输入层至隐含层的传递函数均为饱和正切函数，隐含层之间的激励函数为饱和正切函数，隐含层到输出层的传递函数均为线性转换函数。 8.一种农产品产地检测系统，其特征在于，包括：判断模块，用于根据待检测农产品样品的近红外光谱，判断所述待检测农产品样品的状态；预处理模块，用于对所述待检测农产品样品的近红外光谱进行预处理；提取模块，用于从所述待检测农产品样品预处理后的近红外光谱中提取预设波长范围内的特征光谱，所述预设波长范围由所述待检测农产品样品的状态确定；检测模块，用于将所述待检测农产品样品的特征光谱输入训练后的BP神经网络，获取所述待检测农产品的产地信息，训练后的BP神经网络的模型结构根据所述待检测农产品样品的状态确定。 9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述农产品产地检测方法的步骤。 10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至7任一项所述农产品产地检测方法的步骤。
所属类别：	发明专利