[发明专利]基于二维相关近红外光谱灰度共生矩阵判别掺杂尿素牛奶的方法

说明书

本发明公开了一种基于二维相关近红外光谱灰度共生矩阵判别掺杂尿素牛奶的方法，包括以下步骤：获得纯牛奶和不同浓度的掺杂尿素牛奶的二维相关近红外光谱，作为训练样本，将训练样本的二维相关近红外光谱图进行灰度量化，计算其灰度共生矩阵特征参数的均值和标准差，并将均值和标准差作为二维相关近红外光谱图的纹理特征参数，将纹理特征参数归一化处理，得到归一纹理特征参数；建立支持向量机模型，将每个训练样本的8个归一纹理特征参数分别代入支持向量机模型中，得到训练好的支持向量机模型；将待测试样本的归一纹理特征参数代入训练好的支持向量机模型，判别待测试样本是否掺杂。本发明的方法判别效率高，可快速、大量的识别掺杂尿素牛奶。

技术领域

本发明属于牛奶检测技术领域，具体来说涉及一种基于二维相关近红外光谱灰度共生矩阵判别掺杂尿素牛奶的方法。

背景技术

牛奶被誉为“白色血液”，是最古老的天然饮料，它里面含有大量的蛋白质、脂肪、乳糖、无机盐和钙等，是一种营养价值很高的产品。但是，最近几年发生的“三聚氰胺”、“皮革奶”等事件，使整个乳制品行业的信誉遭受严重危机，国内市场销量急速下跌，成为约束乳制品行业进一步发展的关键问题。

提取牛奶中掺杂物的特征信息后，由于牛奶本身体系的复杂多变性、掺杂物的微量性以及掺杂物和牛奶特有成分的特征峰相互重叠的影响，通过一维近红外光谱很难对其特征峰进行分析。传统的人工比对二维相关光谱技术定性分析牛奶中是否有掺杂也比较困难，存在主观误判和无法实现大量谱图比对的缺点。

发明内容

针对现有技术的不足，本发明的目的在于提供一种基于二维相关近红外光谱灰度共生矩阵判别掺杂尿素牛奶的方法，该方法可对掺杂尿素牛奶和纯牛奶进行区分。

本发明的目的是通过下述技术方案予以实现的。

一种基于二维相关近红外光谱灰度共生矩阵判别掺杂尿素牛奶的方法，包括以下步骤：

1)准备纯牛奶和不同浓度的掺杂尿素牛奶作为训练样本，通过扫描得到所述训练样本的一维近红外光谱，并通过Noda理论进行相关谱计算，得到每一个训练样本的二维相关近红外光谱矩阵(详细计算过程见杨仁杰.基于二维相关谱掺杂牛奶检测方法研究[D].天津大学,2013.)，在matlab环境中，将所得到的二维相关近红外光谱矩阵转化成二维相关近红外光谱图；

在上述技术方案中，所述二维相关近红外光谱图为同步-异步二维相关近红外光谱图或同步二维相关近红外光谱图。

在所述步骤1)中，所述二维相关近红外光谱矩阵转化成二维相关近红外光谱图的方法包括：在matlab环境中，将所述二维相关近红外光谱矩阵的数据归一化至0-255之间。

在上述技术方案中，采用离差标准化(min-max标准化)对所述二维相关近红外光谱矩阵的数据进行归一化，离差标准化的转换公式为：

其中，原数据为未归一化的二维相关近红外光谱矩阵的数据，新数据为归一化后的二维相关近红外光谱矩阵的数据。

2)在matlab环境中，将所述二维相关近红外光谱图进行灰度量化，提取水平、对角线、垂直和反对角线方向上的灰度共生矩阵：角二阶矩、熵、主对角线惯性矩和相关系数，计算所述灰度共生矩阵的均值和标准差，并将该均值和标准差作为所述二维相关近红外光谱图的纹理特征参数，将所述纹理特征参数进行归一化处理，得到归一纹理特征参数(高程程，惠晓威.基于灰度共生矩阵的纹理特征提取[J].计算机系统应用，2010，19(6):196-197)；

在所述步骤2)中，所述灰度量化为：采用离差标准化方法将所述二维相关近红外光谱图的灰度等级由256级调整为16-256之间的整数。

在所述步骤2)中，所述纹理特征参数归一化处理的方法为：在matlab环境中，将所述纹理特征参数映射到0～1的范围内。