[发明专利]一种基于信息融合技术的苹果鉴别系统及方法

权利要求书

1.一种基于信息融合技术的苹果鉴别系统及方法，其特征在于，所述系统具体包括：

样本剔除模块，用于获取各苹果的光谱数据和理化值数据，并剔除异常样本；其中，所述理化值数据包括PH值、可溶性固形物、硬度和水分：

预处理模块，用于对所述光谱数据进行预处理，得到预处理后的数据；根据所述理化值数据对预处理后的数据进行特征波段筛选，得到筛选后的数据；

模型建立模块，用于基于原始光谱数据、预处理光谱数据以及筛选后的光谱数据分别建立品种分类模型、产地识别模型；

融合模块，用于融合所述品种分类模型和产地识别模型，得到苹果身份融合模型。

2.根据权利要求1所述的基于信息融合技术的苹果鉴别系统及方法，其特征在于，所述样本剔除模块具体包括：

马氏距离计算单元，用于读取获取到的光谱数据，计算各苹果光谱数据之间的马氏距离；

比对单元，用于将计算出的马氏距离与预设的阈值之间进行比对，并根据比对结果剔除异常样本；其中，所述阈值e=1.5,1.75,2,2.5,3,3.5；

处理执行单元，用于对剔除异常样本后的光谱数据建立PLSR理化值预测模型，并根据所述PLSR理化值预测模型剔除理化值数据中的异常样本。

3.根据权利要求2所述的基于信息融合技术的苹果鉴别系统及方法，其特征在于，所述处理执行单元具体包括：

模型读取子单元，用于读取根据不同阈值建立的PLSR理化值预测模型；

择优子单元，用于根据相关系数确定最优预测模型；

建模分析子单元，用于通过最优预测模型对所述理化值数据进行建模分析；

箱型图分析子单元，用于对建模分析结果进行箱型图分析，剔除理化值数据中的异常样本。

4.根据权利要求1所述的基于信息融合技术的苹果鉴别系统及方法，其特征在于，所述预处理模块用于读取剔除异常样本后的光谱数据，并对其进行光谱预处理；所述光谱预处理的流程包括标准化、Savitzky-Golay5点平滑、标准正态变量变换、多元散射校正、一阶导数、二阶导数以及联合预处理MSC-SG、MSC-SD、SNV-SG、SNV-SD。

5.根据权利要求4所述的基于信息融合技术的苹果鉴别系统及方法，其特征在于，所述预处理模块还包括：

波段筛选单元，用于读取预处理后的理化数据，根据SPA算法和/或CARS算法分别针对SSC、PH、水分、硬度进行特征波段筛选；

其中，所述CARS算法采用PLSR进行波长权重评估；所述CARS算法采用随机采样法，随机对波段进行采样评估。

6.根据权利要求1-5任一所述的基于信息融合技术的苹果鉴别系统及方法，其特征在于，所述品种分类模型为PLSDA建模算法，所述产地识别模型为KNN建模算法；所述PLSDA建模算法和所述KNN建模算法的输入变量包括原始光谱、经过预处理的光谱数据、特征波段筛选后的光谱数据。

7.一种基于信息融合技术的苹果鉴别方法，其特征在于，所述方法包括：

获取各苹果的光谱数据和理化值数据，并剔除异常样本；其中，所述理化值数据包括PH值、可溶性固形物、硬度和水分：

对所述光谱数据进行预处理，得到预处理后的数据；根据所述理化值数据对预处理后的数据进行特征波段筛选，得到筛选后的数据；

基于原始光谱数据、预处理光谱数据以及筛选后的光谱数据分别建立品种分类模型、产地识别模型；

融合所述品种分类模型和产地识别模型，得到苹果身份融合模型。