[发明专利]一种模糊正交线性鉴别分析的茶叶近红外光谱分类方法

说明书

本发明公开了一种模糊正交线性鉴别分析的茶叶近红外光谱分类方法，包括：一、采用Antaris II傅立叶变换近红外光谱分析仪获取茶叶样本的近红外漫反射光谱数据；二、运用多元散射校正对近红外漫反射光谱数据进行预处理，再将经预处理后的茶叶样本数据随机分配到训练集和测试集中；三、利用一种模糊正交线性鉴别分析的茶叶近红外光谱鉴别信息提取方法从茶叶近红外漫反射光谱数据中提取茶叶品种的鉴别信息；四、使用K近邻分类算法进行测试样本分类，确定所测茶叶样本的种类。本发明是正交线性鉴别分析的模糊模型，既有效克服了LDA的小样本问题，又充分解决了样本类信息多样性的问题，具有检测成本低、鉴别速度快、分类准确率高等优点。

技术领域

本发明涉及模式识别和人工智能领域，具体涉及一种模糊正交线性鉴别分析的茶叶近红外光谱分类方法。

背景技术

传统的茶叶品种鉴别方法包括感官审评和理化检测。感官审评是利用眼、舌、鼻、手等人体各种感觉器官，依靠个人经验和规范的技术操作来鉴别茶叶品种。因此，感官审评受人为因素和外界环境的影响较大，难以保证鉴别的客观性和可靠性。理化检测是借助物理、化学理论，使用某种测量工具或仪器设备，对产品进行检验而获取结果的手段。尽管理化检测可以得到高准确率、高可靠性的茶叶品种鉴别结果，但其普遍存在成本高、效率低、步骤繁琐、耗时费工、产品破坏大等问题。

近红外光谱技术因其无损、成本低、高效快速、绿色无污染等优点，成为近年来国内外发展最快的检测技术之一，广泛应用于各个领域。近红外光谱的波数范围在10000cm^-1～4000cm^-1之间，该光谱波段的吸收区与有机分子中含氢基团(H-C、H-N、H-O、H-S等)振动的合频和倍频的吸收区一致，因而近红外光谱波段包含了大量有机物质中的结构、组成和性质信息。实际上，虽然不同品种茶叶的主要有机化学成分相同，包括茶多酚、咖啡因、蛋白质、氨基酸和儿茶素等；但是这些有机化学成分在不同种类茶叶中的含量是有差异的，这也为运用近红外光谱技术鉴别茶叶品种提供了可能。

然而，在对近红外光谱数据进行鉴别信息提取时会出现维数灾难、信息提取困难等问题。降维是处理高维数据、解决维数灾难最为广泛的手段。对于分类任务，线性判别分析是最流行的降维方法之一。但在实际应用中，由于样本数量远小于样本维数，线性判别分析往往存在小样本问题。正交线性鉴别分析的特征提取算法虽然有效解决了线性判别分析的小样本问题，但本质上还是一种“硬”的特征提取算法，难以描述样本类信息的多样性，因此该方法对样本近红外光谱数据的鉴别信息提取和最终分类的准确率影响较大。本发明在正交线性鉴别分析的基础上引入模糊集理论，提出了一种模糊正交线性鉴别分析的茶叶近红外光谱分类方法以实现茶叶的品种鉴别。

发明内容

本发明为了解决线性判别分析的小样本问题和正交线性鉴别分析的“硬”类的特征提取问题，设计了一种将模糊集理论与正交线性鉴别分析相结合以用于茶叶近红外光谱分类的模糊正交线性鉴别分析方法。一种模糊正交线性鉴别分析的茶叶近红外光谱分类方法在提取茶叶品种的鉴别信息时，以加入模糊隶属度的方式重新定义了目标函数中的散射矩阵，并用模糊C均值聚类算法初始化模糊隶属度矩阵，既有效克服了线性鉴别分析的小样本问题，又充分解决了样本类信息多样性的问题。同时，本发明还具有检测成本低、鉴别速度快、分类准确率高等优点。

一种模糊正交线性鉴别分析的茶叶近红外光谱分类方法，其具体步骤如下：

步骤一、获取茶叶样本的近红外漫反射光谱：收集多个种类的茶叶样本，采用Antaris II傅立叶变换近红外光谱分析仪获取茶叶样本的近红外漫反射光谱数据；

步骤二、预处理茶叶样本的近红外漫反射光谱：运用多元散射校正(MSC)对收集到的茶叶样本的近红外漫反射光谱数据进行预处理，再将经预处理后的茶叶样本数据随机分配到两个样本集(训练集和测试集)中；