[发明专利]基于多源光谱特征融合的食用油种类快速鉴别方法

摘要

本发明公开了一种基于多源光谱特征融合的食用油种类快速鉴别方法，包括如下步骤：选取待鉴别的未知种类的食用油样品；采集拉曼光谱图和近红外光谱图；分别对采集的拉曼光谱图和近红外光谱图进行预处理，得到预处理拉曼光谱图和预处理近红外光谱图；分别对预处理拉曼光谱图和预处理近红外光谱图进行特征提取，得到拉曼特征变量和近红外特征变量；将拉曼特征变量和近红外特征变量进行光谱特征融合，得到特征融合光谱图；采用优化定性模型对所述未知种类的食用油样品进行种类鉴别。本发明提供的基于多源光谱特征融合的食用油种类快速鉴别方法，安全快速、检测便捷，鉴别准确率高，具有较强的实用价值和推广价值。

主权项

1.一种基于多源光谱特征融合的食用油种类快速鉴别方法，其特征在于，包括如下步骤：步骤一、样品选取：选取待鉴别的未知种类的食用油样品；步骤二、光谱采集：采集步骤一中选取的未知种类的食用油样品的拉曼光谱图和近红外光谱图；步骤三、光谱预处理：分别对步骤二中采集的未知种类的食用油样品的拉曼光谱图和近红外光谱图进行预处理，对采集的未知种类的食用油样品的拉曼光谱图依次采用移动平均11点平滑法消除光谱噪声、采用自适应迭代重加权惩罚最小二乘算法进行基线校正、采用以1454cm‑1处的特征峰强度为基准进行归一化处理，得到未知种类的食用油样品的预处理拉曼光谱图；对采集的未知种类的食用油样品的近红外光谱图依次采用标准正态变量变化和去趋势技术联用算法进行预处理，得到未知种类的食用油样品的预处理近红外光谱图；步骤四、光谱特征提取：分别对步骤三中得到的未知种类的食用油样品的预处理拉曼光谱图和预处理近红外光谱图进行特征提取，得到未知种类的食用油样品的拉曼特征变量和近红外特征变量；步骤五、光谱特征融合：将步骤四中得到的未知种类的食用油样品的拉曼特征变量和近红外特征变量的横坐标首尾相接融合，并共用同一纵坐标，得到未知种类的食用油样品的特征融合光谱图；步骤六、种类鉴别：根据步骤五中得到的未知种类的食用油样品的特征融合光谱图，采用优化定性模型对所述未知种类的食用油样品进行种类鉴别；优化定性模型的建立方法如下：收集若干不同已知种类的食用油样品，所述不同已知种类的食用油样品包括：大豆油、花生油、菜籽油、茶籽油、稻米油、玉米油、葵花籽油、橄榄油；采集若干不同已知种类的食用油样品的拉曼光谱图和近红外光谱图，光谱采集条件如步骤二中所述；分别对采集的若干不同已知种类的食用油样品的拉曼光谱图和近红外光谱图进行预处理，得到若干不同已知种类的食用油样品的预处理拉曼光谱图和预处理近红外光谱图，光谱预处理方法如步骤三中所述；分别对若干不同已知种类的食用油样品的预处理拉曼光谱图和预处理近红外光谱图进行特征提取，得到若干不同已知种类的食用油样品的拉曼特征变量和近红外特征变量，光谱特征提取方法如步骤四中所述；其中，采用竞争性自适应重加权采样和连续投影算法联用对预处理拉曼光谱图进行特征提取：首先采用竞争性自适应重加权采样方法对预处理拉曼光谱图进行一次拉曼特征变量提取，选择波长变量子集时采用10折偏最小二乘法交叉验证建模，设置蒙特卡罗采样次数为1～100次，当蒙特卡罗采样次数为第33次时，偏最小二乘法交叉验证模型的均方根误差值最小为1.0801，一次提取的拉曼特征变量为136个；然后采用连续投影方法对一次提取得到的136个拉曼特征变量进行二次拉曼特征变量提取，得到当均方根误差值最小为0.19047时，二次提取的拉曼特征变量为121个，所述121个拉曼特征变量即为最终提取的拉曼特征变量；采用竞争性自适应重加权采样和连续投影算法联用对预处理近红外光谱图进行特征提取：首先采用竞争性自适应重加权采样方法对预处理近红外光谱图进行一次近红外特征变量提取，选择波长变量子集时采用10折偏最小二乘法交叉验证建模，设置蒙特卡罗采样次数为1～100次，当蒙特卡罗采样次数为第39次时，偏最小二乘法交叉验证模型的均方根误差值最小为1.4839，一次提取的近红外特征变量为56个；然后采用连续投影方法对一次提取得到的136个近红外特征变量进行二次近红外特征变量提取，得到当均方根误差值最小为0.65427时，二次提取的近红外特征变量为44个，所述44个近红外特征变量即为最终提取的近红外特征变量；将若干不同已知种类的食用油样品的拉曼特征变量和近红外特征变量的横坐标首尾相接融合，并共用同一纵坐标，得到若干不同已知种类的食用油样品的特征融合光谱图；将若干不同已知种类的食用油样品的特征融合光谱图作为定性模型的输入变量，通过支持向量机分类方法建立若干不同已知种类的食用油样品的定性模型，并采用粒子群优化算法对定性模型中的惩罚因子C和核函数参数g进行优化，得到优化定性模型；优化时，参数设置如下：最大进化代数设为150，初始种群数目设为25，学习因子初始值设定为C1＝2，C2＝2，进化速度初始值设为0.8，进化速度更新弹性系数初始值设为1，种群更新速度弹性系数初始值设为1，交互验证参数V设为10，惩罚因子C和核函数参数g的范围均设为2‑10～210，优化得到当惩罚因子C＝4.0298且核函数参数g＝30.4039时，优化定性模型的鉴别准确率为100％。