The invention discloses a method for identification of Cuiguan pear maturity method of near infrared spectroscopy PSO based on RICAELM, which comprises the following steps: (1) collect samples, samples obtained sample spectrum, near infrared diffuse reflectance spectroscopy data, the spectral data of two order derivative processing, and using discrete wavelet transform to compress the original nearly infrared spectral data; (2) the spectral data compression of robust independent component analysis for decomposition, extraction of basic components of the spectral matrix and corresponding approximate concentration matrix; (3) the approximate concentration matrix as the model input, the corresponding maturity as output, using particle swarm optimization algorithm, the establishment of PSO RICAELM model; (4) the quality evaluation model of the maturity of the samples. The invention can rapidly distinguish the ripeness of the crown pear and enrich the chemometrics method, and has a good application prospect.
【技术实现步骤摘要】
基于PSO-RICAELM的近红外光谱分析鉴别翠冠梨成熟度的方法
本专利技术涉及红外无损检测
,尤其涉及一种PSO-RICAELM的近红外光谱分析鉴别翠冠梨成熟度的方法。
技术介绍
现代近红外光谱分析法是一种快速无损的检测方法,其原理为对有机物中的含氢基团X-H的倍频合频产生吸收,通过化学计量方法测得有机物的理化指标,用有效的数学算法将理化指标与光谱建立函数关系,与传统的方法相比更加快速方便,节约时间,已经被广泛应用于多个方面的分析中。但是目前存在的基于近红外光谱分析的水果成熟度鉴别方法中,例如BP神经网络,在训练过程中会出现收敛速度慢,进入局部最小值而训练失败等情况;由于支持向量机(SVM)对大规模训练难以实施,所以,解决多分类有很大的困难,具有鲁棒性小等缺点。因此为解决建模所需样品基数大、训练时间久,不稳定等问题,急需一种普适性较强的模型,能有效的鉴别翠冠梨的成熟度。传统的分解降维方法如PCA、SVD等,只能分解出不相关的各分量,并不能保证这些分量互相独立,这就缺少实际意义,降低了所提取特征的典型性。极限学习机(ELM)是一种新型的神经网络,随机给予输入层权值和隐含层偏差,但是这样容易造成模型泛化能力差,精度不够高。
技术实现思路
本专利技术的目的在于针对现有技术的不足,提供一种基于PSO-RICAELM的近红外光谱分析鉴别翠冠梨成熟度的方法。ICA输出的是非高斯信号,提高了模型的准确率,本文所提出的稳健性独立分量分析算法是ICA的一种,减少了迭代次数并且有更快的收敛速度,可以提取出所有不为0的基本成分光谱矩阵。将经过稳健性独立分量分析算法处理的光谱 ...
【技术保护点】
一种基于PSO‑RICAELM的近红外光谱分析鉴别翠冠梨成熟度的方法,其特征在于,包括以下步骤:(1)收集样品;在样品成熟期前一周开始采摘样品,每隔n(4<n<10)天采摘一次样品,至少采摘三次;用近红外光谱仪对样品进行多次扫描,多次扫描后取平均值,得到不同成熟度的样品近红外光谱;并对近红外光谱进行二阶导数和离散小波变换处理,得到压缩后的近红外光谱数据矩阵;(2)将步骤(1)得到的压缩后的近红外光谱数据矩阵运用稳健性独立分量分析分解,得到近似浓度矩阵;建立校正集模型,将实际已知成熟度及近似浓度矩阵作为初始模型输入,得到RICAELM模型;用粒子群算法寻优RICAELM模型,得到最佳翠冠梨成熟度鉴别模型;(3)将预测集样品的近似浓度矩阵输入最佳翠冠梨成熟度鉴别模型,得到预测集样品的成熟度。
【技术特征摘要】
1.一种基于PSO-RICAELM的近红外光谱分析鉴别翠冠梨成熟度的方法,其特征在于,包括以下步骤:(1)收集样品;在样品成熟期前一周开始采摘样品,每隔n(4<n<10)天采摘一次样品,至少采摘三次;用近红外光谱仪对样品进行多次扫描,多次扫描后取平均值,得到不同成熟度的样品近红外光谱;并对近红外光谱进行二阶导数和离散小波变换处理,得到压缩后的近红外光谱数据矩阵;(2)将步骤(1)得到的压缩后的近红外光谱数据矩阵运用稳健性独立分量分析分解,得到近似浓度矩阵;建立校正集模型,将实际已知成熟度及近似浓度矩阵作为初始模型输入,得到RICAELM模型;用粒子群算法寻优RICAELM模型,得到最佳翠冠梨成熟度鉴别模型;(3)将预测集样品的近似浓度矩阵输入最佳翠冠梨成熟度鉴别模型,得到预测集样品的成熟度。2.根据权利要求1所述的基于PSO-RICAELM的近红外光谱分析鉴别翠冠梨成熟度的方法,其特征在于,所述步骤(1)具体实现如下:在样品成熟期前一周开始采摘样品,每隔n(4<n<10)天采摘一次样品,至少采摘三次;使用近红外光谱仪对不同成熟度的样品进行扫描,得到样品的近红外光谱,将不同成熟度的样品随机分为校正集样品和预测集样品,其中,校正集样品用于模型训练,预测集样品用于模型的质量评价;将样品的近红外光谱进行二阶导数和离散小波变换处理,离散小波变换选择小波母函数为dbn,n为消失矩,得到压缩后的近红外光谱数据矩阵。3.根据权利要求1所述的基于PSO-RICAELM的近红外光谱分析鉴别翠冠梨成熟度的方法,其特征在于,所述步骤(2)具体实现如下:将处理后的数据作为输入进行稳健性独立分量分析运算,在光谱成分独立性的前提下,将光谱分解成不同的成分,输出是...
【专利技术属性】
技术研发人员:黄咏梅,张瑜,林敏,刘辉军,
申请(专利权)人:中国计量大学,
类型:发明
国别省市:浙江,33
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。