详情

原文传递一种蜂蜜掺杂糖浆的光谱检测方法

专利名称：	一种蜂蜜掺杂糖浆的光谱检测方法
摘要：	本发明或发明涉及一种蜂蜜掺杂糖浆的光谱检测方法，包含以下步骤：(1)采用激光诱导荧光光谱仪获取蜂蜜样品的原始荧光光谱图；(2)采用REF‑ELM属性约简算法对原始荧光光谱数据进行特征选择；(3)采用SPXY划分方法将荧光光谱数据划分成训练集和测试集；(4)用MFO算法对KELM训练模型正则化系数C和核函数参数g进行优化；(5)将测试集上的光谱数据作为模型的输入，从而进行不同种类蜂蜜油样的检测识别。本发明采用MFO结合KELM用于激光诱导荧光植物油掺杂糖浆分类鉴别，具有很高的分类准确率和实际应用价值，泛化能力强，非常适用于掺假蜂蜜的实时精准检测和推广。
专利类型：	发明专利
申请人：	安徽理工大学
发明人：	王锦国;宋红萍;赵晋级
专利状态：	有效
申请日期：	1900-01-20T10:00:00+0805
发布日期：	1900-01-20T08:00:00+0805
申请号：	CN202010026136.5
公开号：	CN111122532A
分类号：	G01N21/64;G06N3/00;G06N3/08;G;G01;G06;G01N;G06N;G01N21;G06N3;G01N21/64;G06N3/00;G06N3/08
申请人地址：	232001 安徽省淮南市山南新区泰丰大街168号
主权项：	1.一种蜂蜜掺杂糖浆的光谱检测方法，其特征在于：包括以下步骤： (1)蜂蜜样品原始荧光光谱图的提取：采用激光诱导荧光光谱仪测得掺杂不同比例糖浆的蜂蜜样品光谱数据，获取蜂蜜样品的原始荧光光谱数据； (2)蜂蜜样品原始荧光光谱预处理：采用REF-ELM对原始荧光光谱数据进行特征选择，剔除重要度低的特征，减少数据的冗余性和噪声干扰； (3)蜂蜜样品数据样本集的划分：采用SPXY划分方法将荧光光谱数据划分成训练集和测试集； (4)MFO优化参数：在训练集上建立KELM模型，训练过程中用MFO算法对模型正则化系数C和核函数参数g进行优化； (5)模型结果测试：将测试集上的光谱数据作为MFO-KELM模型的输入，从而进行不同种类蜂蜜样品的识别。 2.根据权利要求1所述的一种蜂蜜掺杂糖浆的光谱检测方法，其特征在于：所述的步骤(1)中，实验所选择的是USB2000+型激光诱导荧光光谱仪(美国Ocean optics公司)，光谱全波段范围是340～1021nm，激光器使用405nm蓝紫光半导体激光器。 3.根据权利要求1所述的一种蜂蜜掺杂糖浆的光谱检测方法，其特征在于：所述的步骤(2)中，ELM的隐含层神经元个数选取20个。 4.根据权利要求1所述的一种蜂蜜掺杂糖浆的光谱检测方法，其特征在于：所述的步骤(4)中，训练过程中用MFO算法对模型正则化系数C和核函数参数g进行优化，其具体步骤如下： (41)将REF-ELM进行特征选择后的荧光光谱数据进行归一化操作； (411)选择径向基函数(RBF)作为KELM的核函数； (412)正则化系数C和核函数参数g的设定在[a-q,ap]区间范围内，基于k折交叉验证进行训练； (42)飞蛾和火焰，飞蛾的位置用矩阵M表示，飞蛾的适应度值用矩阵OM表示，火焰的位置用矩阵F表示，火焰的适应度值用矩阵OF表示； (43)初始化飞蛾的数目和位置，初始化火焰的数目，根据适应度函数计算飞蛾的适应度值并对其进行非递减排序，选择最优的飞蛾位置和适应度值作为最优的火焰位置和适应度值； (44)初始化参数b，t，r，r在[-1,-2]的范围里线性递减，b为常数项，t是[r,1]之间的一个随机数； (45)在迭代过程中不断更新飞蛾的位置，更新公式如下： S(Mi，Fj)＝Di·ebt·cos(2πt)+Fj 式中Di表示第j个火焰和第i个飞蛾的距离，Di＝\|Fj-Mi\|； (46)更新参数t，r和火焰的数目fn，即式： r＝-1+iteration((-1)/max_iteration) t＝(r-1)rand+1 fn＝round(N-iteration*((N-1)/T)) 式中，iteration为当前迭代次数，max_iteration为迭代的总次数，N为火焰的初始数目，rand为[0,1]之间的一个随机数，round为取整函数； (47)如果达到迭代次数的最大值，则结束MFO的寻优过程，得到参数C，g的最优解，否则从步骤(45)执行。 5.根据权利要求1所述的一种蜂蜜掺杂糖浆的光谱检测方法，其特征在于：所述的步骤(5)中，根据预测蜂蜜的激光诱导荧光光谱数据分类图、分类准确率来分析所建立模型的识别性能和泛化能力。
所属类别：	发明专利