[发明专利]一种苹果硬度无损检测方法在审
申请号: | 201810393064.0 | 申请日: | 2018-04-27 |
公开(公告)号: | CN108593594A | 公开(公告)日: | 2018-09-28 |
发明(设计)人: | 应义斌;罗璇;容典;饶秀勤 | 申请(专利权)人: | 浙江大学 |
主分类号: | G01N21/359 | 分类号: | G01N21/359;G01N21/3563;G01N3/40 |
代理公司: | 杭州求是专利事务所有限公司 33200 | 代理人: | 林超 |
地址: | 310058 浙江*** | 国省代码: | 浙江;33 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 待测样品 得分矩阵 苹果硬度 偏最小二乘回归 近红外光谱 光谱数据 权重矩阵 无损检测 载荷矩阵 构建 数据库 产业应用 马氏距离 苹果样品 硬度数据 稳健性 训练集 波段 预测 多样性 采集 重建 检测 更新 | ||
1.一种苹果硬度无损检测方法,其特征在于包括以下步骤:
S1,以不同年份不同地区不同成熟度的各种苹果样品作为已知样品,采集已知样品的近红外光谱数据和苹果硬度数据,构建已知样品的苹果硬度-近红外光谱数据库;
S2,根据苹果硬度-近红外光谱数据库优化近红外光谱波段范围,选取能够有效预测苹果硬度的近红外光谱波段;
S3,获取基于数据库中光谱数据与硬度数据的偏最小二乘回归模型的权重矩阵、载荷矩阵及得分矩阵;
S4,采集待测样品的近红外光谱数据和苹果硬度数据,根据已知权重矩阵及载荷矩阵结果,计算获得待测样品的得分矩阵;
S5,在步骤S3获得的得分矩阵的得分空间中,选取与待测样品的得分矩阵马氏距离最近的m个已知样品;
S6,以选取的m个已知样品组成训练集构建偏最小二乘回归模型;
S7,将待测样品的光谱数据输入到偏最小二乘回归模型,获得待测样品的硬度。
2.根据权利要求1所述的一种苹果硬度无损检测方法,其特征在于:所述步骤S2中,有效波段选择是以S1步骤中的数据库为基础实施的。具体为:采用Kennard-Stone算法在数据库中选取50%的样品作为训练集样品,剩余50%样品为预测集样品;采用窗口大小可变的移动窗口偏最小二乘回归方法,用训练集样品在所有可能子波段的近红外光谱数据和苹果硬度数据建立预测模型,再用预测集样品对预测模型进行评价,选取具有最优预测均方根误差(RMSEP)结果的子波段,作为“能够有效预测苹果硬度的近红外光谱波段”。
3.根据权利要求2所述的一种苹果硬度无损检测方法,其特征在于:所述的子波段是指在全波段内,任意一段长度不小于50nm的波段。
4.根据权利要求1所述的一种苹果硬度无损检测方法,其特征在于:所述步骤S3中,以步骤S1数据库中所有数据为训练集,采用Savitzky-Golay平滑加二次微分的光谱预处理方式,结合近红外光谱和苹果硬度利用偏最小二乘回归方法构建潜在因子数为10的偏最小二乘回归模型,并获得偏最小二乘回归模型的权重矩阵、载荷矩阵和得分矩阵。
5.根据权利要求1所述的一种苹果硬度无损检测方法,其特征在于:所述步骤S4中,具体为:先对待测样品的光谱数据进行预处理,预处理方式采用Savitzky-Golay平滑加二次微分预处理,然后采用以下算式计算得出待测样品的得分矩阵:
Scorenew=Spectranew*Weights*(Loadings'*Weights)^-1
式中:Scorenew—待测样品的得分矩阵;Spectranew—预处理后待测样品的光谱数据;Weights—步骤S3获得的权重矩阵;Loadings—步骤S3获得的载荷矩阵。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于浙江大学,未经浙江大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201810393064.0/1.html,转载请声明来源钻瓜专利网。