基于DS证据理论的小麦品质THz光谱分类方法技术

本发明专利技术公开了一种基于DS证据理论的小麦品质THz光谱分类方法，包括：建立针对不同品质小麦吸收光谱的小麦分类概率输出；建立针对不同品质小麦折射率光谱的小麦分类概率输出；建立DS证据融合规则。本发明专利技术采用多元信息融合技术，将不同品质小麦样品的吸收光谱和折射率光谱信息进行融合，建立基于多源信息融合技术的小麦品质无损检测模型，采用DS证据理论对子分类器的输出结果进行融合，并对其进行验证，用于品质鉴别分析，进而为THz技术应用到储粮品质检测中奠定基础。本发明专利技术提高了对不同品质小麦样品的识别率。

THz spectrum classification method of wheat quality based on DS evidence theory

The invention discloses a wheat quality THz spectral classification method based on DS evidence theory include: the establishment of quality of wheat for different absorption wheat output spectrum classification probability; establish classification probability for winter wheat output of different wheat quality index spectrum; establish DS evidence fusion rules. The invention adopts multi information fusion technology, the quality of wheat samples, the absorption and refractive index spectra information fusion, a nondestructive measurement model of multi-source information fusion technology based on the quality of wheat, the output of the DS evidence theory on the classification results were fused and tested for quality identification, analysis, so as to lay based on the application of THz technology to grain quality detection. The invention improves the recognition rate of wheat samples of different qualities.

【技术实现步骤摘要】
基于DS证据理论的小麦品质THz光谱分类方法
本专利技术涉及小麦品质的检测方法，尤其一种基于DS证据理论的小麦品质THz光谱分类方法。
技术介绍
国内外对仓储小麦品质的检测方法的报道主要有：化学方法(测量主要成分)、电子鼻、机器视觉、光谱检测(红外光谱)等方法，这些方法费时费力，对样品和试剂消耗大，检测能力有限。THz由于其单光子能量低和谱“指纹性”等独特优势，是一种有效的分析物质内部组成信息的非接触测量手段。THz-TDS是目前最具有代表性的THz技术，在生物医学、材料科学、国防安全和质量控制等领域具有重要应用。THz波在物质的定性与定量分析方面，许多学者围绕着物质在THz波段的光学与光谱特征，开展了物质的THz吸收系数、折射率系数的测量与单光学参数的分析工作。Ogawa、Nishikiori、Zhangzhuoyong、Qinjianyuan、GeoffSmith等报道了结合THz光谱和化学计量学方法(主成分分析、偏最小二乘、支持向量机等)实现对物质的定量分析，同时也取得了较好的结果。文献采用THz-TDS技术获得不同小麦样品的THz光学参数，利用PCR、PLS、BP神经网络和PCA-SVM模型对样品进行了识别，使用小麦样品THz吸收光谱建立小麦品质识别模型对不同品质小麦的识别率为分别为50％、58.33％、83.33％和93.33％。正常小麦和发芽小麦的识别率相对比较高，而误判断的样品中大多为发霉小麦和虫蚀小麦，不同模型进行分类识别率差别较大。
技术实现思路
针对上述技术问题，本专利技术设计开发了一种识别精度更高的基于DS证据理论的小麦品质THz光谱分类方法。本专利技术提供的技术方案为：一种基于DS证据理论的小麦品质THz光谱分类方法，所述方法包括：步骤一、建立针对不同品质小麦吸收光谱的小麦分类概率输出：建立不同品质的小麦样品的吸收光谱SVM分类器，从而计算不同品质小麦样品的训练集和测试集的概率输出；步骤二、建立针对不同品质小麦折射率光谱的小麦分类概率输出：建立不同品质的小麦样品的折射率光谱SVM分类器，从而计算不同品质小麦样品训练集和测试集的概率输出；步骤三、建立DS证据融合规则：假设DS融合模型的识别框架为Θ＝{α1,α2,α3,α4,U}，其中α1,α2,α3,α4分别表示不同品质的小麦样品，U表示不确定的小麦，U可以为4种小麦样品中任何一种；设Bel吸收和Bel折射分别表示同一Θ下的小麦样品的吸收光谱SVM分类器对样本集的信任函数以及折射率光谱SVM分类器对样本集的信任函数；m吸收和m折射分别为吸收光谱SVM分类器对小麦样品训练集的基本概率赋值函数以及折射率光谱SVM分类器对小麦样品训练集的基本概率赋值函数；M吸收和M折射分别为吸收光谱SVM分类器对小麦样品测试集的基本概率指派函数和折射率光谱SVM分类器对小麦样品测试集的基本概率指派函数；Mc为吸收光谱SVM分类器和折射率光谱SVM分类器经过DS证据理论融合后的融合概率函数；融合规则如下：M吸收(A)＝m吸收(A)Bel吸收(A)；M折射(A)＝m折射(A)Bel折射(A)；其中，A∈Θ；决策规则为：设并且满足：若满足条件其中ε1和ε2分别表示判定阈值，则可将A1判定为最终的决策结果。优选的是，所述的基于DS证据理论的小麦品质THz光谱分类方法中，所述步骤一中，以前10个主成分特征组合为光谱特征集，以RBF核函数最优参数γ为3.5，C为1.6时的SVM模式识别方式，来建立不同品质的小麦样品的吸收光谱SVM分类器。优选的是，所述的基于DS证据理论的小麦品质THz光谱分类方法中，所述步骤二中，以前8个主成分特征组合为光谱特征集，以RBF核函数最优参数γ为3，C为0.92时的SVM模式识别方式，来建立不同品质的小麦样品的折射率光谱SVM分类器。优选的是，所述的基于DS证据理论的小麦品质THz光谱分类方法中，所述步骤一中，以正常小麦、发芽小麦、发霉小麦和虫蚀小麦这4种小麦样品作为识别对象；所述步骤三中，α1,α2,α3,α4分别表示正常小麦、发芽小麦、发霉小麦和虫蚀小麦。本专利技术所述的基于DS证据理论的小麦品质THz光谱分类方法采用多元信息融合技术，将不同品质小麦样品的吸收光谱和折射率光谱信息进行融合，建立基于多源信息融合技术的小麦品质无损检测模型，采用DS证据理论对子分类器的输出结果进行融合，并对其进行验证，用于品质鉴别分析，进而为THz技术应用到储粮品质检测中奠定基础。本专利技术提高了对不同品质小麦样品的识别率。具体实施方式下面对本专利技术做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。本专利技术提供一种基于DS证据理论的小麦品质THz光谱分类方法，所述方法包括：步骤一、建立针对不同品质小麦吸收光谱的小麦分类概率输出：建立不同品质的小麦样品的吸收光谱SVM分类器，从而计算不同品质小麦样品的训练集和测试集的概率输出；步骤二、建立针对不同品质小麦折射率光谱的小麦分类概率输出：建立不同品质的小麦样品的折射率光谱SVM分类器，从而计算不同品质小麦样品训练集和测试集的概率输出；步骤三、建立DS证据融合规则：假设DS融合模型的识别框架为Θ＝{α1,α2,α3,α4,U}，其中α1,α2,α3,α4分别表示不同品质的小麦样品，U表示不确定的小麦，U可以为4种小麦样品中任何一种；设Bel吸收和Bel折射分别表示同一Θ下的小麦样品的吸收光谱SVM分类器对样本集的信任函数以及折射率光谱SVM分类器对样本集的信任函数；m吸收和m折射分别为吸收光谱SVM分类器对小麦样品训练集的基本概率赋值函数以及折射率光谱SVM分类器对小麦样品训练集的基本概率赋值函数；M吸收和M折射分别为吸收光谱SVM分类器对小麦样品测试集的基本概率指派函数和折射率光谱SVM分类器对小麦样品测试集的基本概率指派函数；Mc为吸收光谱SVM分类器和折射率光谱SVM分类器经过DS证据理论融合后的融合概率函数；融合规则如下：M吸收(A)＝m吸收(A)Bel吸收(A)；(1)M折射(A)＝m折射(A)Bel折射(A)；(2)其中，A∈Θ；决策规则为：设并且满足：若满足条件其中ε1和ε2分别表示判定阈值，则可将A1判定为最终的决策结果。优选的是，所述的基于DS证据理论的小麦品质THz光谱分类方法中，所述步骤一中，以前10个主成分特征组合为光谱特征集，以RBF核函数最优参数γ为3.5，C为1.6时的SVM模式识别方式，来建立不同品质的小麦样品的吸收光谱SVM分类器。优选的是，所述的基于DS证据理论的小麦品质THz光谱分类方法中，所述步骤二中，以前8个主成分特征组合为光谱特征集，以RBF核函数最优参数γ为3，C为0.92时的SVM模式识别方式，来建立不同品质的小麦样品的折射率光谱SVM分类器。优选的是，所述的基于DS证据理论的小麦品质THz光谱分类方法中，所述步骤一中，以正常小麦、发芽小麦、发霉小麦和虫蚀小麦这4种小麦样品作为识别对象；所述步骤三中，α1,α2,α3,α4分别表示正常小麦、发芽小麦、发霉小麦和虫蚀小麦。以下提供一个实施例，说明本专利技术的技术方案的技术效果。以正常小麦、发芽小麦、发霉小麦和虫蚀小麦样品为研究对象，结合小麦样品的吸收光谱和折射率光谱，建立基于DS证据理论的不同品质小麦分类融合模型，训本文档来自技高网...

【技术保护点】
一种基于DS证据理论的小麦品质THz光谱分类方法，其特征在于，所述方法包括：步骤一、建立针对不同品质小麦吸收光谱的小麦分类概率输出：建立不同品质的小麦样品的吸收光谱SVM分类器，从而计算不同品质小麦样品的训练集和测试集的概率输出；步骤二、建立针对不同品质小麦折射率光谱的小麦分类概率输出：建立不同品质的小麦样品的折射率光谱SVM分类器，从而计算不同品质小麦样品训练集和测试集的概率输出；步骤三、建立DS证据融合规则：假设DS融合模型的识别框架为Θ＝{α

【技术特征摘要】
1.一种基于DS证据理论的小麦品质THz光谱分类方法，其特征在于，所述方法包括：步骤一、建立针对不同品质小麦吸收光谱的小麦分类概率输出：建立不同品质的小麦样品的吸收光谱SVM分类器，从而计算不同品质小麦样品的训练集和测试集的概率输出；步骤二、建立针对不同品质小麦折射率光谱的小麦分类概率输出：建立不同品质的小麦样品的折射率光谱SVM分类器，从而计算不同品质小麦样品训练集和测试集的概率输出；步骤三、建立DS证据融合规则：假设DS融合模型的识别框架为Θ＝{α1,α2,α3,α4,U}，其中α1,α2,α3,α4分别表示不同品质的小麦样品，U表示不确定的小麦，U可以为4种小麦样品中任何一种；设Bel吸收和Bel折射分别表示同一Θ下的小麦样品的吸收光谱SVM分类器对样本集的信任函数以及折射率光谱SVM分类器对样本集的信任函数；m吸收和m折射分别为吸收光谱SVM分类器对小麦样品训练集的基本概率赋值函数以及折射率光谱SVM分类器对小麦样品训练集的基本概率赋值函数；M吸收和M折射分别为吸收光谱SVM分类器对小麦样品测试集的基本概率指派函数和折射率光谱SVM分类器对小麦样品测试集的基本概率指派函数；Mc为吸收光谱SVM分类器和折射率光谱SVM分类器经过DS证据理论融合后的融合概...

【专利技术属性】
技术研发人员：葛宏义，蒋玉英，张元，廉飞宇，李智，马海华，李鹏鹏，
申请(专利权)人：河南工业大学，
类型：发明
国别省市：河南,41