[发明专利]基于高光谱图像技术的窖泥水分预测模型建立的方法

权利要求书

1.基于高光谱图像技术的窖泥水分预测模型的建立方法，其特征在于，包括以下步骤：

步骤一、光谱采样标定：为了消除光照不均匀因素引起的误差，在采样之前，通过标定板对光谱数据进行标定；标定板颜色与样品接近，且反射性能略优于样品；针对窖泥样品在可见光波段和近红外波段下的光谱反射性能差异，在可见光波段下选择灰色标定板，在近红外波段下选择米黄色标定板，同时对近红外波段和可见光波段的标定分别进行参数设置，设置的参数包括打光峰值、曝光频率、曝光时间、载物台的移动速度；

步骤二、高光谱数据采集：将装好窖泥并铺平的石英器皿放置于载物台中心位置，在设置好的参数下，分别采集n份窖泥样本在近红外波段和可见光波段的高光谱原始图像信息；通过ENVI软件进行黑白校正，并通过ENVI软件手动选择感兴趣区域，计算感兴趣区域的每个像素点的平均光谱反射率，分别得到近红外波段及可见光波段的光谱反射率曲线；

步骤三、水分含量的测定：使用GB 5009.3-2016中的直接干燥法对窖泥样品进行水分含量检测；为提高模型预测效果，水分含量的测定区域与提取的感兴趣区域对应；

步骤四、预处理：将步骤二提取出的光谱反射率曲线进行SNV预处理，同时保留未经SNV预处理的光谱反射率曲线，得到用于后续分析的光谱数据；

步骤五、数据分集：将经SNV预处理以及未经SNV预处理的光谱数据分别通过K-S算法分为训练集和测试集；

步骤六、筛选特征光谱：运用SPA算法分别在经SNV预处理以及未经SNV预处理的光谱数据中筛选出与水分含量表征指标紧密相关的特征光谱，同时保留未筛选特征光谱的全光谱数据；

步骤七、建模：为获得最佳预测模型，分别将近红外波段及可见光波段、未经SNV预处理及经SNV预处理、特征光谱及全光谱的光谱数据结合窖泥水分含量实测值建立 PLSR、LS-SVM、BP三种模型，共计获得24个模型，通过比较模型的训练集和测试集的决定系数和均方根误差，筛选出最优的窖泥水分含量预测模型。

2.如权利要求1所述的基于高光谱图像技术的窖泥水分预测模型的建立方法，其特征在于，对于近红外波段的光谱数据，训练集的样本个数为72个，测试集的样本个数为33个；对于可见光波段的光谱数据，训练集的样本个数为72个，测试集的样本个数为36个。