[发明专利]一种近红外光谱判别不同栽培环境同一品种茶鲜叶的方法

摘要

一种近红外光谱判别不同栽培环境同一品种茶鲜叶的方法，应用近红外光谱仪扫描获得不同栽培环境同一品种茶鲜叶样品近红外光谱，然后对鲜叶样品光谱进行主成分分析，再以主成分为输入值建立多种信息传递方式的人工神经网络预测模型，具体包括以下步骤：鲜叶样品采集与分类，光谱采集，光谱预处理，鲜叶光谱主成分分析，人工神经网络预测模型建立以及模型验证。实现了不同栽培环境同一品种茶鲜叶的快速、无损、准确的判定；研究结果为探讨茶树与当地栽培生态环境间的互相作用关系提供了一种新思路。

主权项

1.一种近红外光谱判别不同栽培环境同一品种茶鲜叶的方法，其特征在于，扫描获得不同栽培环境的同一品种鲜叶样品近红外光谱，然后对鲜叶样品光谱进行主成分分析，再以主成分为输入值建立多种信息传递方式的不同栽培环境鲜叶的人工神经网络预测模型判定鲜叶的不同栽培环境，具体包括以下步骤：步骤一、鲜叶样品采集与分类分别采集两种不同栽培环境的同一品种茶鲜叶样品，依据栽培环境不同，将样品随机划分为校正集和验证集2个集合，采摘的鲜叶样品为芽，第一叶、第二叶、第三叶、一芽一叶、一芽二叶和一芽三叶；步骤二、光谱采集应用傅里叶型近红外光谱仪扫描获得全部鲜叶样品的近红外光谱，该傅里叶型近红外光谱仪为用美国赛默飞·世尔AntarisⅡ型傅里叶近红外光谱仪，光谱扫描范围4000‑10000cm^‑1，分辨率8cm^‑1，检测器为InGaAs，每个样品采集10次光谱，每次扫描64次，取10次采集光谱的平均值作为该样品的最终光谱；步骤三、光谱预处理应用化学计量学软件对全部鲜叶样品的近红外光谱进行求导和平滑预处理，然后将鲜叶样品光谱转化为成对的数据点；步骤四、鲜叶样品光谱主成分分析应用Matlab软件对全部鲜叶样品的光谱数据进行主成分分析，求得全部鲜叶样品光谱数据的得分Score1值和Score2值，主成分数及其贡献率；步骤五、建立人工神经网络预测模型以校正集样品光谱的前3个主成分为输入值，以两种不同栽培环境的同一品种茶鲜叶样品为输出值，经过反复优化，建立standard nets、jump connection nets和Jordan‑Elman nets三种信息传递方式鲜叶不同栽培环境人工神经网络预测模型，比较该三种模型相关系数R和交互验证均方根方差RMSECV值，其中相关系数R公式为：交互验证均方根方差RMSECV公式为：式中，R为相关系数，n表示样本数，y_i和y_i^’分别为样品集中第i个样品的栽培环境实测值和栽培环境预测值，为样品集中第i个样品的实测值的平均值，式中i≤n，其中以相关系数R最大和交互验证均方根方差RMSECV最小的模型为最佳模型，经比较后得到最佳校正集模型；步骤六、模型验证为避免出现过度拟合现象，应用验证集样品对得到的三种校正集模型预测效果进行检验，所得结果用相关系数R和验证集均方差RMSEP表示，其中相关系数R越大和验证集均方差RMSEP越小则表示检验效果越好，此时若得到的近红外光谱的栽培环境预测值与栽培环境实测值基本一致，则表示对验证集样品的预测效果很好，最佳校正集模型可以准确的预测鲜叶样品的不同栽培环境，其中验证集均方差RMSEP公式为：式中，n表示样本数，y_i和y_i’分别为样品集中第i个样品的栽培环境实测值和栽培环境预测值，式中i≤n。