[发明专利]基于DS证据理论的小麦品质THz光谱分类方法

说明书

技术领域

本发明涉及小麦品质的检测方法，尤其一种基于DS证据理论的小麦品质THz光谱分类方法。

背景技术

国内外对仓储小麦品质的检测方法的报道主要有：化学方法(测量主要成分)、电子鼻、机器视觉、光谱检测(红外光谱)等方法，这些方法费时费力，对样品和试剂消耗大，检测能力有限。THz由于其单光子能量低和谱“指纹性”等独特优势，是一种有效的分析物质内部组成信息的非接触测量手段。THz-TDS是目前最具有代表性的THz技术，在生物医学、材料科学、国防安全和质量控制等领域具有重要应用。

THz波在物质的定性与定量分析方面，许多学者围绕着物质在THz波段的光学与光谱特征，开展了物质的THz吸收系数、折射率系数的测量与单光学参数的分析工作。Ogawa、Nishikiori、Zhang zhuoyong、Qin jianyuan、Geoff Smith等报道了结合THz光谱和化学计量学方法(主成分分析、偏最小二乘、支持向量机等)实现对物质的定量分析，同时也取得了较好的结果。文献采用THz-TDS技术获得不同小麦样品的THz光学参数，利用PCR、PLS、BP神经网络和PCA-SVM模型对样品进行了识别，使用小麦样品THz吸收光谱建立小麦品质识别模型对不同品质小麦的识别率为分别为50％、58.33％、83.33％和93.33％。正常小麦和发芽小麦的识别率相对比较高，而误判断的样品中大多为发霉小麦和虫蚀小麦，不同模型进行分类识别率差别较大。

发明内容

针对上述技术问题，本发明设计开发了一种识别精度更高的基于DS证据理论的小麦品质THz光谱分类方法。

本发明提供的技术方案为：

一种基于DS证据理论的小麦品质THz光谱分类方法，所述方法包括：

步骤一、建立针对不同品质小麦吸收光谱的小麦分类概率输出：建立不同品质的小麦样品的吸收光谱SVM分类器，从而计算不同品质小麦样品的训练集和测试集的概率输出；

步骤二、建立针对不同品质小麦折射率光谱的小麦分类概率输出：建立不同品质的小麦样品的折射率光谱SVM分类器，从而计算不同品质小麦样品训练集和测试集的概率输出；

步骤三、建立DS证据融合规则：

假设DS融合模型的识别框架为Θ＝{α₁,α₂,α₃,α₄,U}，其中α₁,α₂,α₃,α₄分别表示不同品质的小麦样品，U表示不确定的小麦，U可以为4种小麦样品中任何一种；设Bel_吸收和Bel_折射分别表示同一Θ下的小麦样品的吸收光谱SVM分类器对样本集的信任函数以及折射率光谱SVM分类器对样本集的信任函数；m_吸收和m_折射分别为吸收光谱SVM分类器对小麦样品训练集的基本概率赋值函数以及折射率光谱SVM分类器对小麦样品训练集的基本概率赋值函数；M_吸收和M_折射分别为吸收光谱SVM分类器对小麦样品测试集的基本概率指派函数和折射率光谱SVM分类器对小麦样品测试集的基本概率指派函数；M_c为吸收光谱SVM分类器和折射率光谱SVM分类器经过DS证据理论融合后的融合概率函数；

融合规则如下：

M_吸收(A)＝m_吸收(A)Bel_吸收(A)；

M_折射(A)＝m_折射(A)Bel_折射(A)；

其中，A∈Θ；

决策规则为：设并且满足：

若满足条件其中ε₁和ε₂分别表示判定阈值，则可将A₁判定为最终的决策结果。

优选的是，所述的基于DS证据理论的小麦品质THz光谱分类方法中，所述步骤一中，以前10个主成分特征组合为光谱特征集，以RBF核函数最优参数γ为3.5，C为1.6时的SVM模式识别方式，来建立不同品质的小麦样品的吸收光谱SVM分类器。