The invention discloses a method based on two dimensional correlation spectroscopy invariant feature discrimination with urea, which comprises the following steps: 1) for pure milk and adulterated milk as training samples, obtained training samples with near infrared correlation spectra; 2) according to the theory of moment invariants, moment invariant feature extraction step 1) two-dimensional near-infrared relevant spectra; 3) analysis of the 2 steps of using principal components) income optimize moment invariants, obtain optimal invariant feature; 4) to establish the model of support vector machine, support vector machine method using two-dimensional sample training on the classification of near infrared correlation spectra; 5) the optimization of two-dimensional unknown species of milk near infrared correlation spectra of the invariant feature input step 4) support vector machine model after training, can identify the species of unknown species of milk. This method can realize the simultaneous processing of large amounts of data, and the discrimination efficiency is high.
【技术实现步骤摘要】
基于二维近红外相关光谱不变矩特征判别掺杂尿素牛奶的方法
本专利技术属于牛奶检测
,具体来说涉及一种基于二维近红外相关光谱不变矩特征判别掺杂尿素牛奶的方法。
技术介绍
牛奶中含有人体所需的蛋白质、脂肪、乳糖、无机盐和钙等各种营养物质,随着人们生活水平的提高,对乳制品的需求量也越来越大。不法商贩在利益的驱使下向牛奶中掺杂大豆蛋白、水、乳清、三聚氰胺等物质,以降低生产成本,从而导致牛奶安全问题频出,对消费者的身体健康造成很大影响。传统的奶制品质量检测主要是采用一些物理化学方法,这些方法虽然结果比较准确,但其过程一般比较复杂,对实验人员有一定的要求,且耗时费力,有时还需要特定的试剂,对样本具有破坏性,不适合于原料奶收购中质量的及时控制。红外光谱分析技术其过程简单,对实验人员要求不高,成本低,且无需对样品处理就可实现对样品的无损检测,适合对乳制品中掺杂物质的检测。目前二维相关光谱技术的应用主要是科研人员针对研究对象和特定外扰,构建等高线形式的同步谱和异步谱,结合相应读谱规则进行定性分析。随着科学技术的不断进步,二维相关光谱技术正向着与化学计量学模式识别、人工智能相结合,实现自动识别的道路。中国专利技术专利公开号CN104316491A公开了一种基于同步-异步二维近红外相关谱检测掺尿素牛奶的方法,该方法直接将同步-异步二维近红外相关谱矩阵与多维化学计量学集合实现掺尿素牛奶的定性判别。虽然其分析结果较好,但同步-异步二维近红外相关谱矩阵是三维矩阵,包含大量的数据,需要多维化学计量学来进行建模,模型复杂,计算时间长,效率低。本专利技术所提出掺尿素牛奶的判别方法是建立 ...
【技术保护点】
一种基于二维相关光谱不变矩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)准备纯牛奶和掺杂牛奶作为训练样品,通过扫描得到所述训练样品的一维近红外光谱,并通过Noda理论进行相关谱计算,得到每一个训练样品的同步—异步二维近红外光谱矩阵,并将所得到的同步—异步二维近红外光谱矩阵转化成二维近红外相关光谱图;2)根据不变矩理论,提取步骤1)所得二维近红外相关光谱图的不变矩特征;3)利用主成分分析法对步骤2)所得不变矩特征进行优选,得到优选不变矩特征;4)建立支持向量机模型,采用支持向量机法对所述训练样品的二维近红外相关光谱图进行分类识别,输入为步骤3)所得的优选不变矩特征,输出为训练样品的种类:纯牛奶或掺杂牛奶,其中,调用支持向量机模型的训练函数Svmtrain对所述训练样本进行训练;5)将未知种类牛奶的二维近红外相关光谱图的优选不变矩特征输入步骤4)中训练后的支持向量机模型中,即可判别所述未知种类牛奶的种类。
【技术特征摘要】
1.一种基于二维相关光谱不变矩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)准备纯牛奶和掺杂牛奶作为训练样品,通过扫描得到所述训练样品的一维近红外光谱,并通过Noda理论进行相关谱计算,得到每一个训练样品的同步—异步二维近红外光谱矩阵,并将所得到的同步—异步二维近红外光谱矩阵转化成二维近红外相关光谱图;2)根据不变矩理论,提取步骤1)所得二维近红外相关光谱图的不变矩特征;3)利用主成分分析法对步骤2)所得不变矩特征进行优选,得到优选不变矩特征;4)建立支持向量机模型,采用支持向量机法对所述训练样品的二维近红外相关光谱图进行分类识别,输入为步骤3)所得的优选不变矩特征,输出为训练样品的种类:纯牛奶或掺杂牛奶,其中,调用支持向量机模型的训练函数Svmtrain对所述训练样本进行训练;5)将未知种类牛奶的二维近红外相关光谱图的优选不变矩特征输入步骤4)中训练后的支持向量机模型中,即可判别所述未知种类牛奶的种类。2.根据权利要求1所述的方法,其特征在于,在所述步骤1)中,所述同步—异步二维近红外光谱矩阵转化成二维近红外相关光谱图的方法为:将所述同步—异步二维近红外光谱矩阵的数据归一化至0-255之间,通过matlab软件的image命令得到所述二维近红外相关光谱图。3.根据权利要求2所述的方法,其特征在于,采用离差标准化对所述同步—异步二维近红外光谱矩阵的数据进行归一化,离差标准化的转换公式为:新数据=(原数据-原数据的极小值)*255/(原数据的极大值-原数据的极小值)(1)其中,原数据为未归一化的同步—异步二维近红外光谱矩阵的数据,新数据为归一化后的同步—异步二维近红外光谱矩阵的数据。4.根据权利要求3所述的方法,其特征在于,在所述步骤2)中,提取不变矩特征的方法为:①根据公式(2)和(3)计算m×n的所述二维近红外相关光谱图的二维矩阵f(x,y)的p+q阶中心矩upq:其中,p和q均为整数,p、q=0、1、2和3,f(x,y)为所述同步—异步二维近红外光谱矩阵按照权利要求3所述归一化方法转化后的二维矩阵,M00为所述二维近红外相关光谱图的二维矩阵f(x,y)的零阶矩,M10和M01均为所述二维近红...
【专利技术属性】
技术研发人员:单慧勇,曹燕,张海洋,杨仁杰,刘海学,赵辉,杨延荣,卫勇,
申请(专利权)人:天津农学院,
类型:发明
国别省市:天津,12
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。