[发明专利]基于二维相关近红外光谱灰度统计特征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统计特征判别尿素掺杂牛奶的方法，该方法通过提取纯牛奶和掺杂尿素牛奶二维相关近红外光谱灰度图的灰度统计特征，运用主成分分析法对灰度统计特征进行优选，可得到优选灰度统计特征。采用最小错误率贝叶斯决策分类器对训练样品进行判别，可以实现尿素掺杂牛奶的自动客观判别，说明基于二维相关近红外光谱灰度统计特征判别尿素掺杂牛奶的方法是可行的，本发明的方法克服了谱图用人眼直接比对存在主观误判和无法大量谱图同时比对的缺点，判别效率和正确率高，具有深入研究的意义和价值，可在判别牛奶中得到良好的应用。

主权项

1.一种基于二维相关近红外光谱灰度统计特征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品，通过扫描得到所述训练样品的一维近红外光谱，在matlab环境中，通过Noda理论进行相关谱计算，得到每一个训练样品的二维相关近红外光谱矩阵，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灰度图；2)提取步骤1)所得二维相关近红外光谱灰度图的灰度统计特征，其中，所述灰度统计特征由一阶熵、平均值、方差、偏度、峰度、一阶能量、二阶熵、自相关、二阶能量、惯性矩和绝对值组成；3)利用主成分分析法对步骤2)中所述灰度统计特征进行优选，得到优选灰度统计特征；4)建立判别模型，所述判别模型为最小错误率贝叶斯决策分类器。5)将步骤3)得到训练样品的优选灰度统计特征代入步骤4)所建立的判别模型中并进行训练，得到训练好的判别模型；6)准备待测试样品，将待测试样品的优选灰度统计特征代入步骤5)所得训练好的判别模型，判定待测试样品是否为掺杂尿素牛奶。