[发明专利]基于高光谱图像技术的窖泥总酸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总酸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；具体地，设置高光谱近红外相机下的标定板为米黄色，设置高光谱可见光相机下的标定板为灰色；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、电动载物台移动速度；

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电动载物台中心位置，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，计算感兴趣区域每个像素点的平均光谱反射率，分别得到近红外波段和可见光波段的光谱反射率曲线；

步骤三、总酸含量的测定：使用GB/T 12456-2008中的pH电位法，对样品总酸进行检测；为提高模型预测效果，总酸的测定区域与手动选择的感兴趣区域对应；

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：将经过SNV预处理的光谱数据以及未经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算法分别在经过SNV预处理的光谱数据以及未经SNV预处理的光谱数据中筛选出与总酸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，分别利用近红外及可见光波段、未经SNV预处理及经SNV预处理、全光谱及特征光谱的光谱数据结合窖泥总酸实测值建立PLSR、LS-SVM、BP三种模型，共计获得24个模型，通过比较各模型训练集和测试集的决定系数和均方根误差，筛选出最优的窖泥总酸预测模型。

2.如权利要求1所述的基于高光谱图像技术的窖泥总酸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。