[发明专利]一种极限学习机光谱模型判别恩施玉露茶鲜叶产地的方法

说明书

一种极限学习机光谱模型判别恩施玉露茶鲜叶产地的方法，涉及农产品产地识别技术领域，其特征在于：扫描获得不同产地茶鲜叶样品的近红外光谱，然后对样品光谱进行预处理剔除噪声信息后，再将样品光谱转化为成对的数据点后将光谱数据均分为20个光谱子区间，应用蚁群算法筛选反映鲜叶产地的光谱信息子区间波段；最后将最佳的光谱信息子区间信息输入到极限学习机算法中，建立极限学习机光谱模型，用于预测鲜叶样品的产地。本发明实现了对恩施玉露茶鲜叶产地的快速、准确预测。

技术领域

本发明涉及农产品产地识别技术领域，更具体的说涉及一种快速判别恩施玉露茶鲜叶产地的方法。

背景技术

恩施玉露是我国著名的蒸青绿茶，也是国家地理标志保护产品，要求加工的茶鲜叶必须采自其保护区范围内，其保护区主要为恩施市白杨坪乡、屯堡乡和太阳河乡。由于恩施玉露品牌巨大的市场影响力，周边茶区的茶农受到利益的驱使，经常采摘非保护区内的茶鲜叶冒充保护区的鲜叶，并以较高的价格卖给恩施玉露茶加工厂赚取额外的利益，而茶叶收购人员在收购鲜叶时，往往是以自身的感觉和工作经验来判别鲜叶的产地，但这种方法主观性较强，也易受外界环境的影响，往往出现判断错误，这样给后续的茶叶加工带来了不利后果，也对恩施玉露的品牌声誉造成较大影响，因缺乏有效的能准确判别产地的手段，长此以往，会使恩施玉露品牌失去市场竞争力，成为大众茶的代名词。因此，为有效维护恩施玉露的品牌声誉，急需建立一种准确、客观的判别茶鲜叶产地的方法。

而近红外光谱技术具有快速、无损、客观判别样品产地的优势。中国专利（公布号CN 106568741A）公开了一种近红外光谱快速判定茶鲜叶产地的方法，该方法初步实现了不同产地鲜叶的快速判别，但该方法通过对鲜叶样品近红外光谱进行主成分分析，再以主成分为输入值建立多种信息传递方式的鲜叶产地人工神经网络预测模型判定鲜叶产地，因建模时未筛选鲜叶特征光谱区间和剔除噪声信息，容易带来过拟合现象，不利于模型的稳健，而且，样品光谱间存在大量的干扰信息和组频与倍频信息，不可避免会降低模型预测效果，且建模时间较长。

发明内容

针对上述现有技术存在的问题，本发明的目的是提供一种极限学习机光谱模型判别恩施玉露茶鲜叶产地的方法，实现快速、无损、准确判别是否来自恩施玉露茶产地，实现简化模型结构、提高建模速率、提高鲜叶样品产地预测准确度和增强模型实用性的目的。

为实现上述目的，本发明采用如下技术方案：

一种极限学习机光谱模型判别恩施玉露茶鲜叶产地的方法，其特征在于：扫描获得不同产地茶鲜叶样品的近红外光谱，然后对样品光谱进行预处理剔除噪声信息后，再将样品光谱转化为成对的数据点后将光谱数据均分为20个光谱子区间，应用蚁群算法筛选反映鲜叶产地的光谱信息子区间波段；最后将最佳的光谱信息子区间信息输入到极限学习机算法中，建立极限学习机光谱模型，用于预测鲜叶样品的产地，具体包括以下步骤：

步骤一、鲜叶样品采集与分类

采集恩施玉露保护区内的鲜叶样品以及非保护区内鲜叶样品，共120个；根据产地不同，将鲜叶样品分为校正集和验证集2个集合，分别用于建立校正集近红外光谱预测模型和对校正集预测模型稳健性进行检验；对不同产地的茶鲜叶样品分别赋予不同的化学值；

步骤二、光谱扫描

应用傅里叶变换型近红外光谱仪分别扫描茶鲜叶样品的近红外光谱，得到光谱信息；

步骤三、光谱噪声信息预处理

应用化学计量学软件对步骤二中得到的近红外光谱采用矢量归一化方法进行去噪声预处理；光谱去噪声后，再将样品光谱转化为成对的数据点；

步骤四、筛选最佳光谱子区间

1）光谱子区间划分

本发明将全部光谱数据点等分为20个子区间，每个子区间含有的数据点为78个；

2）蚁群算法模型建立