[发明专利]一种基于光谱信息的红薯粉明矾含量检测方法

权利要求书

1.一种基于光谱信息的红薯粉明矾含量检测方法，其特征在于，包括以下步骤：

S1：通过光谱仪得到红薯粉的可见-近红外光谱信息；

S2：获取多个红薯粉样本，并通过光谱仪得到所述样本的近红外光谱信息；

S3：将所述可见-近红外光谱信息和所述近红外光谱信息合称为光谱信息，对所述光谱信息进行预处理得到预处理信息；

S4：对所述预处理信息进行数据降维得到最终降维数据；

S5：根据所述最终降维数据进行建模得到明矾检测模型。

2.根据权利要求1所述的基于光谱信息的红薯粉明矾含量检测方法，其特征在于：

步骤S3具体包括：

S31：对所述光谱信息进行小波滤波得到初次降噪信息；

S32：通过Savitzky-Golay平滑算法遍历所述预处理信息得到三次降噪的预处理信息。

S33：对所述初次降噪信息进行归一化处理，得到预处理信息。

3.根据权利要求1所述的基于光谱信息的红薯粉明矾含量检测方法，其特征在于：

步骤S4具体包括：

S41：去除预处理信息的光谱数据中方差最小的70％的波段得到初次降维数据；

S42：通过下列经验公式对所述初次降维数据中的每个波段进行计算得到二次降维数据：

lg1/x，

其中x为光谱数据某一波段的数值；

对预处理信息进行近邻成分分析得到初步分析结果；

S43：对所述初步分析结果进行主成分分析得到降维数据，并得到5个潜变量。

4.根据权利要求1所述的基于光谱信息的红薯粉明矾含量检测方法，其特征在于：

步骤S5具体为：

S51：将每个所述样本的最终降维数据按照样本的明矾含量梯度分为训练样本和预测样本，每个明矾含量梯度中的样本随机挑选5个作为训练样本；

S52：建立神经网络模型，所述神经网络模型包括输出层、输入层、隐藏层1和隐藏层2，所述输入层有17个神经单元，所述隐藏层1有10个神经元，传输函数为“tansig”，所述隐藏层2有1个神经元，传输函数为“tansig”，所述输出层有1个神经元，传输函数为“purelin”；

S53：根据所述训练样本和预测样本训练所述神经网络模型得到明矾检验模型。