[发明专利]一种检测稻谷年份的KNN模型的构建方法及应用

权利要求书

1.一种检测稻谷年份的KNN模型的构建方法，包括以下步骤：

1)检测已知多个年份的稻谷的近红外光谱，得到已知年份的稻谷的近红外光谱；

2)采用一阶导数对所述近红外光谱进行光谱预处理，得到预处理后的近红外光谱集；

3)采用KNN分类器对所述预处理后的近红外光谱集进行建模，得到检测稻谷年份的KNN模型。

2.根据权利要求1所述的构建方法，其特征在于，步骤1)中所述近红外光谱的采样方式包括积分球漫反射，扫描范围为4000～12000cm^-1；分辨率为16cm^-1，扫描次数为64次。

3.根据权利要求1所述的构建方法，其特征在于，步骤1)所述已知年份的稻谷包括一年份稻谷、二年份稻谷和三年份稻谷。

4.根据权利要求3所述的构建方法，其特征在于，每个年份的稻谷样品的数量≥70份。

5.根据权利要求4所述的构建方法，其特征在于，每份稻谷样品进行2～3次近红外光谱检测，计算平均近红外光谱。

6.权利要求1～5任意一项所述构建方法构建得到的KNN模型在检测稻谷年份中的应用。

7.根据权利要求6所述的应用，其特征在于，所述应用包括以下步骤：

S1.对待测稻谷进行近红外光谱检测，得到待测稻谷的近红外光谱；

S2.采用一阶导数对所述待测稻谷的近红外光谱进行光谱预处理，得到预处理后的近红外光谱；

S3.将所述预处理后的近红外光谱导入所述KNN模型，判别出待测稻谷的年份。