[发明专利]基于小波变换-随机森林算法的烟叶霉变快速识别方法

权利要求书

1.基于小波变换-随机森林算法的烟叶霉变快速识别方法，其特征在于，包括以下步骤：

S1：采集烟叶样本；

S2：分别采集各个烟叶样本的近红外光谱，作为各烟叶样本的光谱信息；

S3：利用离散小波变换对光谱信息进行预处理，求解得到小波系数；

S4：利用随机森林算法从小波系数中识别出烟叶的霉变程度，完成烟叶霉变的识别。

2.根据权利要求1所述的基于小波变换-随机森林算法的烟叶霉变快速识别方法，其特征在于，所述步骤S2具体为：

S21：将采集到的烟叶样本分别装入样本杯中，分别采集各个烟叶样本的红外光谱数据，作为各烟叶样本的基础光谱信息；

S22：每个样本分别重复装样测定两次，计算其两次基础光谱信息的平均结果，作为该样本的光谱信息。

3.根据权利要求2所述的基于小波变换-随机森林算法的烟叶霉变快速识别方法，其特征在于，所述步骤S3具体包括以下步骤：

S31：母小波的选择：分别考察Daubechies系列小波、Symlets系列小波以及Coiflets系列小波对霉变烟叶识别的正确率，选择正确率最高者作为母小波；

S32：确认母小波的分解水平：母小波对光谱信息进行一次水平分解后，得到一个细节系数向量和一个近似系数向量；近似系数向量继续分解得到下一级的细节系数向量和近似系数向量；通过确定母小波的分解水平，得到对应水平的近似系数以及所有分解水平的细节系数；

S33：将得到的近似系数以及所有分解水平的细节系数作为小波系数。

4.根据权利要求3所述的基于小波变换-随机森林算法的烟叶霉变快速识别方法，其特征在于，在所述步骤S4所述的随机森林算法包括分类树数量k和分割节点的随机变量的数量m：其中，包含了k个分类树的算法建模具体为：

当实际分类树i从1变到k时，建立一个包含样本集X中三分之二数据量的自助法子集X_i；基于自助法子集X_i，在每个节点上随机选择m个预测变量，选择最优的随机变量进行节点分割分类；最后通过k个分类树反馈的信息进行信息的预测。

5.根据权利要求4所述的基于小波变换-随机森林算法的烟叶霉变快速识别方法，其特征在于，通过10折交叉验证法验证m个预测变量所得到的识别正确率，选择识别正确率最高的作为最优的随机变量进行节点分割分类。

6.根据权利要求4所述的基于小波变换-随机森林算法的烟叶霉变快速识别方法，其特征在于，所述的信息预测包括分类和回归，若为分类则利用k个分类树组合中的多数选票；否则计算平均值。

7.根据权利要求4所述的基于小波变换-随机森林算法的烟叶霉变快速识别方法，其特征在于：样本集X中三分之一的数据量作为测试集，用于对识别算法的验证。