[发明专利]一种基于偏最小二乘判别分析模型的茶叶等级判别方法

说明书

本发明公开了一种基于偏最小二乘判别分析模型的茶叶等级判别方法，该方法直接构建茶叶样本的响应信号向量与茶叶样本的设定标签之间潜在变量从1到20的20个PLS‑DA模型，采用得到的20个PLS‑DA模型分别对每个茶叶样本进行预测并使用预测结果构建茶叶样本的排序差异总和矩阵，然后基于茶叶样本的排序差异总和矩阵构建得到每个茶叶样本的排序差异总和标准参考序列向量以及构建包含20行1列索引值的第一索引值矩阵后，调整排序差异总和矩阵中各行数据的行数构建得到第二索引值矩阵，最后通过计算绝对差值之和确定茶叶样本等级；优点是判别过程简单，且判别精度较高。

技术领域

本发明涉及一种茶叶等级判别方法，尤其是涉及一种基于偏最小二乘判别分析模型的茶叶等级判别方法。

背景技术

茶叶作为一种深受消费者喜爱的饮品，通常根据茶叶色泽、芳香气味、成熟期及各种品质指标将茶叶分成多个等级。为规范茶叶销售市场，保障消费者的合法权益，杜绝茶叶经销商以次级茶充当优级茶进行欺骗性销售，因此常需对茶叶进行品质检测和等级判别。电子舌技术作为一种仿生传感器技术，结合偏最小二乘判别分析(partial leastsquares–discriminant analysis,PLS-DA)模型可以对多等级茶叶样品进行快速分析和识别，从而实现茶叶等级的判别分析。

现有的基于偏最小二乘判别分析模型的茶叶等级判别方法中，为了得到最优分类效果，在采用PLS-DA模型进行判别分析时，通常先需要采用交叉验证计算来确定PLS-DA模型的最优潜在变量值，交叉验证计算不但增加了判别过程的复杂性，而且在交叉验证计算的过程中，通常需要确定交叉验证时取样策略和交叉验证折数，这就意味着不同的取样策略和交叉验证折数可能会得到不同的最优潜在变量值，最终造成PLS-DA模型无法得到最优判别效果，最终导致茶叶等级判别方法的判别精度不高，难以满足精度需求。

发明内容

本发明所要解决的技术问题是提供一种判别过程简单，且判别精度较高的基于偏最小二乘判别分析模型的茶叶等级判别方法。

本发明解决上述技术问题所采用的技术方案为：一种基于偏最小二乘判别分析模型的茶叶等级判别方法，包括以下步骤：

步骤1、获取待判别的m种不同等级的茶叶样本，每种等级的茶叶样本中分别包含n个茶叶样本，获取m种不同等级中每个茶叶样本标注的等级，将第i种等级的茶叶样本标注的等级记为L_i，m为大于等于1的整数，n为大于等于1的整数；为第i种等级中第j个茶叶样本设定标签，将其标签以m位二进制数的形式表示为Y_ij，且m种不同等级的茶叶样本中任意两个茶叶样本的标签均不相同，i＝1,2，…，m，j＝1,2，…，n；

步骤2、分别采集m种不同等级中每个茶叶样本的电子舌响应信号向量，将第i种等级中第j个茶叶样本的响应信号向量记为X_ij；

步骤3、构建m种不同等级中每个茶叶样本的排序差异总和(sum of rankingdifferences,SRD)矩阵，具体构建过程为：

3-1、将第i种等级中第j个茶叶样本的排序差异总和(sum of rankingdifferences,SRD)矩阵记为S_ij；

3-2、建立X_ij与Y_ij之间潜在变量从1到20的20个PLS-DA模型，得到第i种等级中第j个茶叶样本对应的20个PLS-DA模型；

3-3、对第i种等级中第j个茶叶样本分别采用建立的20个PLS-DA模型进行预测，分别得到第i种等级中第j个茶叶样本的20个预测结果，将第i种等级中第j个茶叶样本采用潜在变量为k的PLS-DA模型进行预测得到的预测结果记为S_kij，S_kij为包含1行m列的向量，k＝1，2，…，20；