[发明专利]农业投入品复合品质评价方法

权利要求书

1.农业投入品复合品质评价方法，其特征在于，包括以下步骤：

A、针对待测农业投入品，选择至少两个或两个以上的品质指标；

B、采集待测农业投入品样品的光谱数据，并基于步骤A中所选品质指标，采用参考方法测定各品质指标的参考值；剔除异常值后，将数据分为校正集和外部验证集，所述校正集和所述外部验证集的各对应的品质指标具有相似的统计学性质；以校正集光谱数据作为自变量，各品质指标的参考值作为因变量，结合数据预处理针对各品质指标分别建立校正模型，并采用外部验证集对所建各校正模型进行验证；根据所建模型，计算各校正模型的相对预测性能指数；

C、对校正集的各品质指标数据进行主成分分析，计算主成分权重值，并对主成分权重值进行归一化处理，求得归一化权重值；

D、采用步骤B中针对各品质指标所建校正模型对公共预测集进行预测，得到基于公共预测集的预测值；对公共预测集的预测值进行统计分析，计算各品质指标的预测值变异系数；并根据公共预测集的预测值进一步计算得到标准化预测值；

其中，所述公共预测集是独立于校正集和外部验证集样品之外且其各品质指标值与校正集样品对应的各品质指标值具有相似统计学性质的同种农业投入品样品，对公共预测集采集光谱数据的实验条件和测定各品质指标的参考值的方法与校正集、外部验证集样品相同；

E、根据相对预测性能指数、标准化预测值、归一化权重值、各品质指标的预测值变异系数，结合修正系数计算公共预测集农业投入品样品的复合品质加权综合指数；统计复合品质加权综合指数频次，设定分级阈值，然后基于所设分级阈值，根据复合品质加权综合指数的大小对样品进行复合品质分级。

2.根据权利要求1所述的方法，其特征在于，步骤B中采用预测残差、光谱杠杆值或预测残差结合光谱杠杆值的方法剔除异常值；和/或

采用含量梯度法、SPXY算法或KS算法进行数据分集；和/或

数据预处理的方法选自平滑、导数、基线校正、标准化、多元散射校正、去趋势、标准正态变量变换中的至少一种；和/或

采用回归算法建立校正模型，所述回归算法选自一元线性回归、多元线性回归、主成分回归、偏最小二乘回归或支持向量回归；和/或

采用全交互验证或外部验证，对所建各校正模型进行验证。

3.根据权利要求2所述的方法，其特征在于，步骤B中各校正模型的相对预测性能指数的计算公式如式(1)所示：

式(1)中，RPD为相对预测性能指数，Std为外部验证集样本标准差，RMSEP为外部验证均方根误差。

4.根据权利要求1所述的方法，其特征在于，步骤C进行主成分分析的方法选自特征值法、非线性迭代偏最小二乘法、协方差矩阵法或奇异值分解法。

5.根据权利要求4所述的方法，其特征在于，步骤C中所述主成分权重值的计算如式(2)所示：

式(2)中，W为主成分权重值，n为主成分个数，p为主成分载荷值，λ为主成分贡献率，i为第i个主成分，1≤i≤n；

所述归一化权重值的计算如式(3)所示：

式(3)中，WN为归一化权重值，W为主成分权重值，m为品质指标个数，j为第j个品质指标，1≤j≤m；

且n≤m。

6.根据权利要求1所述的方法，其特征在于，步骤D中各品质指标的预测值变异系数的计算如式(4)所示：

式(4)中，CV为预测值变异系数，Std为公共预测集预测值的样本标准差，Ave是公共预测集预测值的平均值；

所述标准化预测值的计算如式(5)所示：

式(5)中，PR为标准化预测值，pr为公共预测集针对其中一个品质指标的预测值，pr_ave为公共预测集针对其中一个品质指标的预测值的平均值，pr_std为公共预测集针对其中一个品质指标的预测值的标准差。