[发明专利]基于二维相关近红外光谱灰度共生矩阵判别掺杂尿素牛奶的方法

摘要

本发明公开了一种基于二维相关近红外光谱灰度共生矩阵判别掺杂尿素牛奶的方法，包括以下步骤：获得纯牛奶和不同浓度的掺杂尿素牛奶的二维相关近红外光谱，作为训练样本，将训练样本的二维相关近红外光谱图进行灰度量化，计算其灰度共生矩阵特征参数的均值和标准差，并将均值和标准差作为二维相关近红外光谱图的纹理特征参数，将纹理特征参数归一化处理，得到归一纹理特征参数；建立支持向量机模型，将每个训练样本的8个归一纹理特征参数分别代入支持向量机模型中，得到训练好的支持向量机模型；将待测试样本的归一纹理特征参数代入训练好的支持向量机模型，判别待测试样本是否掺杂。本发明的方法判别效率高，可快速、大量的识别掺杂尿素牛奶。

主权项

1.一种基于二维相关近红外光谱灰度共生矩阵判别掺杂尿素牛奶的方法，其特征在于，包括以下步骤：1)准备纯牛奶和不同浓度的掺杂尿素牛奶作为训练样本，通过扫描得到所述训练样本的一维近红外光谱，并通过Noda理论进行相关谱计算，得到每一个训练样本的二维相关近红外光谱矩阵，在matlab环境中，将所得到的二维相关近红外光谱矩阵转化成二维相关近红外光谱图；2)在matlab环境中，将所述二维相关近红外光谱图进行灰度量化，提取水平、对角线、垂直和反对角线方向上的灰度共生矩阵：角二阶矩、熵、主对角线惯性矩和相关系数，计算所述灰度共生矩阵的均值和标准差，并将该均值和标准差作为所述二维相关近红外光谱图的纹理特征参数，将所述纹理特征参数进行归一化处理，得到归一纹理特征参数；3)在matlab环境中，建立支持向量机模型，选取径向基函数K(x,xi)＝exp(‑λ||x‑xi||2)作为该支持向量机模型的核函数，其中，xi为归一纹理特征参数，i＝1、2……8，x为中心向量，λ为径向基函数的中心宽度参数，将每个所述训练样本的8个归一纹理特征参数分别代入所述支持向量机模型中，得到训练好的支持向量机模型；4)准备待测试样本，将待测试样本的归一纹理特征参数代入步骤3)所得训练好的支持向量机模型，判别待测试样本是否掺杂，其中，在matlab环境中，对待测试样本进行识别。