[发明专利]苹果身份识别模型建立方法及系统、身份识别方法及系统

权利要求书

1.一种苹果身份识别模型建立方法，其特征在于，包括：

A1、选取样本并获取样本表面的初始光谱信息；

A2、预处理所述初始光谱信息以提取所述样本对应的有用光谱信息；

A3、提取所述有用光谱信息中满足预设要求的光谱特征参数为有效光谱特征参数；

A4、建立初始利用粒子群优化支持向量机PSO-SVM模型，并任选部分有效光谱特征参数；

A5、通过所述部分有效光谱特征参数对该初始PSO-SVM模型进行训练，并根据训练结果获取惩罚参数c和核参数g的最佳参数值，根据所述最佳参数值获取初始预测模型；

A6、通过所述初始预测模型对剩余有效光谱特征参数进行预测以获取预测结果，判断所述预测结果是否准确，若是，则执行步骤A7，若否，则执行步骤A5；

A7、将所述初始预测模型作为最终预测模型以用于对待测样品进行识别。

2.根据权利要求1所述的苹果身份识别模型建立方法，其特征在于，在所述步骤A1中，所述样本包括：

与目标身份一致的第一样本和/或与所述目标身份不一致的第二样本；和/或

所述步骤A2中，所述预处理所述初始光谱信息以提取所述样本对应的有用光谱信息包括：

通过标准正态变量变换算法SNV处理所述初始光谱信息以得到所述有用光谱信息。

3.根据权利要求1所述的苹果身份识别模型建立方法，其特征在于，在所述步骤A1中，所述获取样本表面的初始光谱信息包括：

获取每一所述样品表面的的高光谱图像，

基于所述高光谱图像对每一所述样本表面均选取若干ROI区域以分别获取所述ROI区域的高光谱信息；

获取同一所述样本表面的所有ROI区域对应的高光谱信息的平均值为所述样本表面的初始光谱信息。

4.根据权利要求3所述的苹果身份识别模型建立方法，其特征在于，所述方法还包括：

对所述高光谱图像进行黑白校正。

5.根据权利要求1所述的苹果身份识别模型建立方法，其特征在于，在所述步骤A2中，所述提取所述有用光谱信息中满足预设要求的光谱特征参数为有效光谱特征参数；包括：

通过连续投影算法SPA对所述有用光谱信息的全波段进行迭代计算，以减少所述全波段中的冗余信息，获取冗余信息减少至满足预设要求的特定波长为所述有效光谱特征参数。

6.根据权利要求5所述的苹果身份识别模型建立方法，其特征在于，所述特定波长的个数获取方法包括：

在通过所述SPA的迭代计算过程中，建立所述特定波长的多元线性回归模型，并获取该多元线性回归模型的均方根误差RMSE；

获取所述RMSE满足预设值时对应的所述特定波长的个数，并基于所述特定波长的个数获取对应的所述特定波长。

7.根据权利要求1所述的苹果身份识别模型建立方法，其特征在于，所述训练结果包括：与所述样本分别对应的判断准确率、查全率、查准率和评价模型结果；

在所述步骤A5中，通过所述部分有效光谱特征参数对该初始PSO-SVM模型进行训练，并根据训练结果获取惩罚参数c和核参数g的最佳参数值，包括：

分别设定所述惩罚参数c的搜索范围和所述核参数g的搜索范围，以及所述PSO-SVM模型的粒子群最大优化迭代次数；

依照预设步进分别调整所述惩罚参数c和所述核参数g并分别进行所述最大优化迭代次数的训练以获取所述训练结果；

获取所述判断准确率最大时所对应的惩罚参数c和核参数g为所述最佳参数值；和/或

所述初始PSO-SVM模型的核函数为sigmoid。