[发明专利]一种红枣品种快速鉴定方法

摘要

本发明公开了一种红枣品种快速鉴定方法，包括如下步骤：对每一个红枣分别选取上、下、左、右、中5个感兴趣区域的高光谱数据，然后求5个感兴趣区域的平均光谱作为该样本的光谱数据；经MYD64A1测量光幕对红枣长、宽、高的最大尺寸进行测量，得红枣的近似体积；选择最佳二维小波基对二维相关光谱进行多尺度分解并各层分别重构；对重构的每一层相关光谱进行建模预测并得到交叉验证的均方根误差；通过计算出的权值进行子模型融合；通过预测均方根误差和相关系数对多尺度‑二维相关光谱模型的结果和性能进行评价。本发明基于光幕法实现了对红枣长、宽、高的最大尺寸进行测量，并利用其体积差异和光谱数据的差异，实现了红枣品种的快速识别。

主权项

1.一种红枣品种快速鉴定方法，其特征在于，包括如下步骤：S1、对每一个红枣分别选取上、下、左、右、中5个感兴趣区域的高光谱数据，然后求5个感兴趣区域的平均光谱作为该样本的光谱数据；S2、经MYD64A1测量光幕对红枣长、宽、高的最大尺寸进行测量，得红枣的近似体积；S3、采用Kennard‑Stone算法对步骤S1采集的光谱进行优选，剔除掉样品光谱中异常样品光谱；S4、生成步骤S3采集所得光谱的二维相关光谱；S5、结合二维小波变换和二维相关光谱的特性，选择最佳小波基对二维相关光谱进行二维小波多尺度分解，得二维小波系数；S6、对步骤S5所得的二维小波系数进行图像重构，然后选择并设定训练集和测试集；S7、使用训练集的光谱与步骤S2采集的红枣的近似体积，建立基于偏最小二乘法和留一法交叉验证的预测模型，然后将测试集的光谱输入该模型得到预测结果，并得到每个预测模型的交叉验证均方根误差RMSECV；S8、通过交叉验证均方根误差计算步骤S7所得的预测模型的权值，使用权值将所有的步骤S7所得的预测模型进行模型融合，并计算RMSEP值和相关系数来评价模型传递效果。