详情

原文传递林下山参属性的近红外检测鉴别方法

专利名称：	林下山参属性的近红外检测鉴别方法
摘要：	本发明属于林下山参检测技术领域，尤其涉及林下山参属性的近红外检测鉴别方法。本发明通过以下检测流程实现对林下山参原料及其制品的质量控制，人参属性(如种类、年份等)与近红外光谱关联模型的确立是整个鉴别工作的核心内容，本发明结合近红外光谱对林下山参、移山参、园参的种类，林下山参的年份进行鉴别，从而实现了从源头开始，严格控制原料，并对终产品进行鉴别，满足了不同客户群体的不同需求。
专利类型：	发明专利
申请人：	辽宁上药好护士药业(集团)有限公司
发明人：	郑继宇;罗红;李国栋;王辉
专利状态：	有效
申请日期：	1900-01-20T23:00:00+0805
发布日期：	1900-01-20T10:00:00+0805
申请号：	CN201911342449.5
公开号：	CN110987857A
代理机构：	济南圣达知识产权代理有限公司
代理人：	郑平
分类号：	G01N21/3563;G01N21/359;G06K9/62;G;G01;G06;G01N;G06K;G01N21;G06K9;G01N21/3563;G01N21/359;G06K9/62
申请人地址：	110006 辽宁省本溪市桓仁县五女山经济开发区泰山路6号
主权项：	1.一种林下山参属性的近红外检测鉴别方法，其特征在于：采用主成分判别分析建模，具体步骤为： (1)获取样本的近红外光谱数据矩阵X，其大小为np，n代表样本数量，p代表变量数目，对应于近红外光谱就是检测波长；将n个样本光谱按浓度从小到大顺序等间距的提取预测样本光谱矩阵Xval，剩余的就是建模的样本Xcal； (2)对步骤(1)得到的光谱进行预处理：即先对每条光谱进行S-G平滑，再对其求导； (3)将用于建模的样本Xcal进行奇异值分解，Xcal＝USVt，US为得分矩阵Tcal，Vt为载荷矩阵的转置； (4)用预测样本光谱矩阵Xval乘上步骤(3)中建模样本的载荷矩阵Vt，得到预测样本的得分矩阵Tval，即Tval＝Xval×V； (5)将预测样本的得分矩阵Tval前n列与某一类建模样本得分矩阵Tcal的前n列计算马氏距离，计算公式如下式所示：式中ti为预测样本的得分矩阵中的第i列，为同一类拟合样本得分矩阵的均值，V-1为协方差矩阵的逆矩阵； (6)对于两类判别问题，对同一个样本计算得到两个马氏距离，代表此样本到两类中心的马氏距离；比较两个马氏距离之间的大小，将此样本归属为距离较小的一类。 2.如权利要求1所述的林下山参属性的近红外检测鉴别方法，其特征在于：建模完成后，还包括对建立的模型的预测能力的衡量的步骤。 3.如权利要求2所述的林下山参属性的近红外检测鉴别方法，其特征在于：用总体正判率来衡量模型的预测能力；优选地，所述总体正判率＝判断正确的预测样本数/预测样本总数。 4.一种林下山参属性的近红外检测鉴别方法，其特征在于：采用偏最小二乘判别分析建模，具体步骤为： (S1)获取样本的近红外光谱数据矩阵X，其大小为np，n代表样本数量，p代表变量数目，对于近红外光谱就是检测波长；获取样本的标签信息向量y，大小为n1； (S2)对步骤(S1)得到的光谱进行预处理：即先对每条光谱进行S-G平滑，再对其求导； (S3)采用pls1算法计算建模系数向量b，其算法内容如下：取向量y作为t；计算w＝Xty/(yty)；对w进行归一化；t＝Xw；计算t对y的回归系数，υ＝(tty)/(ttt)；p＝Xtt/(ttt)；计算残差：X＝X-tpt，y＝y-υt；返回开始计算下个潜变量；当循环完成后，b＝w/(ptw)v； (S4)计算预测样本的估计值， (S5)对每个预测样本的估计值与两类的标签信息进行比较，更接近其中某个值就将该样本判定为那一类。 5.如权利要求4所述的林下山参属性的近红外检测鉴别方法，其特征在于：步骤(S1)中，所述标签信息定义谓：一类用1，另一类用-1代替。 6.如权利要求4或5所述的林下山参属性的近红外检测鉴别方法，其特征在于：建模完成后，还包括对建立的模型的预测能力的衡量的步骤。 7.如权利要求6所述的林下山参属性的近红外检测鉴别方法，其特征在于：用总体正判率与预测均方差来衡量模型的预测能力，计算公式为：式中为第i个预测样本的估计值，yi为第i个预测样本的真值。
所属类别：	发明专利