[发明专利]一种基于近红外光谱判别模型的秦艽类别识别方法

权利要求书

1.一种基于近红外光谱判别模型的秦艽类别识别方法，其特征在于：所述识别方法包括以下内容：

秦艽样品的制备以及获取秦艽样品的近红外光谱数据；

将样品的近红外光谱数据导入TQ Analysis软件中建立模型；所述将样品的近红外光谱数据导入TQ Analysis软件中建立模型包括将正品秦艽样品和非正品秦艽样品的近红外数据导入TQ Analysis软件中建立非正/正品秦艽识别模型，以及将多种秦艽种类样品的近红外数据导入TQ Analysis软件中建立秦艽种类识别模型；

所述多种秦艽种类样品包括麻花艽、小秦艽、粗茎秦艽和黄管秦艽；所述正品秦艽样品包括所述麻花艽、所述小秦艽和所述粗茎秦艽中的一种或者多种；所述非正品秦艽包括黄管秦艽；

对所述模型进行优化得到优化后的近红外判别模型；所述对所述模型进行优化得到优化后的近红外判别模型包括对所述非正/正品秦艽识别模型进行优化得到优化后的近红外非正/正品秦艽判别模型，以及对所述秦艽种类识别模型进行优化得到优化后的近红外秦艽种类判别模型；

所述对所述非正/正品秦艽识别模型进行优化得到优化后的近红外非正/正品秦艽判别模型包括以下步骤：

将所述正品秦艽样品和非秦艽样品按照一定比例划分为训练集和验证集对所述非正/正品秦艽识别模型进行训练和验证；

将模型优化条件中的任意两个设为不变量，剩下一个设为变量，对变量的优化条件进行验证，得到最优的变量优化条件，并将最优的变量优化条件设为下一次验证的两个不变量中的一个；

重复上述步骤，直到得到最优的建模方法、光谱处理方法和光谱图平滑处理方法，并对所述非正/正品秦艽识别模型进行优化得到近红外非正/正品秦艽判别模型；

所述对所述秦艽种类识别模型进行优化得到优化后的近红外秦艽种类判别模型包括以下步骤：

将所述麻花艽、小秦艽、粗茎秦艽和黄管秦艽样品按照一定比例划分为训练集和验证集对所述秦艽种类识别模型进行训练和验证；

将模型优化条件中的任意两个设为不变量，剩下一个设为变量，对变量的优化条件进行验证，得到最优的变量优化条件，并将最优的变量优化条件设为下一次验证的两个不变量中的一个；

重复上述步骤，直到得到最优的建模方法、光谱处理方法和光谱图平滑处理方法，并对所述秦艽种类识别模型进行优化得到近红外秦艽类别判别模型；

所述模型优化条件包括建模方法、光谱处理方法和光谱图平滑处理方法；

所述对所述模型进行优化得到优化后的近红外判别模型，包括：

使用discriminant analysis建模方法；

采用一阶导数谱图进行光谱处理；

使用无平滑处理的平滑处理方法对模型进行优化验证；

根据优化后的近红外判别模型对秦艽类别进行识别和判断。

2.根据权利要求1所述的一种基于近红外光谱判别模型的秦艽类别识别方法，其特征在于：所述秦艽样品的制备以及获取秦艽样品的近红外光谱数据包括以下步骤：

将样品清洗、晾干，取药用部位根部粉碎后过筛；

在10000~4000 cm^-1范围内进行近红外全光谱扫描得到样品的近红外光谱图。

3.根据权利要求1所述的一种基于近红外光谱判别模型的秦艽类别识别方法，其特征在于：将样品按照一定比例划分为训练集和验证集包括将正品秦艽样品和非正品秦艽样品的三分之二划分为训练集，三分之一划分为验证集；以及将麻花艽、小秦艽、粗茎秦艽和黄管秦艽样品的三分之二划分为训练集，三分之一划分为验证集。