[发明专利]基于高光谱图像技术的窖泥水分预测模型建立的方法

摘要

本发明涉及一种基于高光谱图像技术的窖泥水分最优预测模型建立的方法，首先采集近红外以及可见光波段的高光谱图像信息，经过黑白校正以消除光照不均引起的误差，提取感兴趣区域的平均光谱信息，估算出图像中每个像素点的平均光谱反射率，经过未处理以及SNV、不同建模方法，分别建立基于全波段和特征光谱的定量预测模型，通过比较训练集和测试集决定系数和均方根误差的大小，从而筛选出窖泥水分定量预测的最佳模型。为各大白酒酿造企业快速评价窖泥质量，实现人工养窖护窖提供理论依据及技术支持，为白酒酿造产业化的转型升级以及数字化、智能化在线实时监测窖泥发酵状态提供技术保障。

主权项

1.基于高光谱图像技术的窖泥水分预测模型的建立方法，其特征在于，包括以下步骤：步骤一、光谱采样标定：为了消除光照不均匀等因素引起的误差，需要在采样之前，通过标定板对样品光谱数据进行黑白校正；针对近红外和可见光波段的差异，在可见光下选择灰色标定板，近红外光下选择米黄色标定板，同时对两个波段的标定分别进行参数设置，所述参数包括打光峰值、曝光频率、时间、平台移动速度；步骤二、高光谱数据采集：在设置好的参数下，分别采集n份窖泥样本在近红外和可见光波段的全光谱数据，通过ENVI软件进行黑白校正并将原始光谱信息转化成光谱反射率，提取感兴趣区域(ROI)，保证能代表样本绝大部分信息；步骤三、水分含量的测定：参考GB5009.3‑2016中直接干燥法对样品水分进行检测，同时，为提高模型预测效果，水分的测定区域与提取的感兴趣区域对应；步骤四、预处理：将步骤二提取出的光谱信息经过SNV预处理后，得到用于后续分析的数据，同时做未处理对照；步骤五、数据分集：将近红外以及可见光范围内的窖泥样本分别通过K‑S算法分为训练集和测试集；步骤六、筛选特征光谱：运用SPA算法分别从近红外以及可见光的全光谱数据中筛选出与水分这项表征指标紧密相关的特征光谱，同时做全光谱对照；步骤七、建模：选取近红外区域的前180个波长、可见光区域全部波长的光谱信息，分别基于全光谱和特征光谱对训练集样本建立不同的定量预测模型，共计24种模型，通过训练集和测试集的决定系数和均方根误差来评价并筛选出最优预测模型，从而建立一种快速预测窖泥水分含量的方法。