【技术实现步骤摘要】
一种模糊非相关线性鉴别分析的茶叶品种分类方法
本专利技术涉及模式识别和人工智能领域，具体涉及一种模糊非相关线性鉴别分析的茶叶品种分类方法。
技术介绍
茶叶作为一种绿色保健饮品，不但与咖啡、可可并称为世界三大饮料；并且随着社会的进步和现代食品工业的快速发展，茶叶系列产品备受广大消费者的青睐。茶叶中富含的咖啡碱、儿茶素、氨基酸和微量元素等成分，具有安神明目、生津止渴、清热消暑、消食醒酒、利尿解毒等功效。目前，茶叶市场上不同品种茶叶的单价差异巨大，且部分品种因其保存期较短，导致同一品种茶叶的价格随季节的波动也很大。因而茶叶市场存在巨大的暴利空间，也因此，一些不法商人用低端、劣质茶叶冒充高端、优质茶叶的行为屡见不鲜。出于规范茶叶市场和保护消费者利益的考虑，建立一种简单、快速、准确、无损的茶叶品种鉴别方法是十分必要的。近红外光谱技术具有快速、无损、无污染、无需前处理、分析成本低等特点，在许多领域均有应用，尤其是近几年在食品研究领域应用广泛。近红外光谱是指波长在780～2526nm范围内的电磁辐射波，能够反映分子基团倍频、合频振动的信息，实现特征组分的定量和定性分析。如今，利...
【技术保护点】
1.一种模糊非相关线性鉴别分析的茶叶品种分类方法，其特征在于，包括如下步骤：步骤1、获取茶叶样本的近红外漫反射光谱数据；步骤2、预处理茶叶样本的近红外漫反射光谱；步骤3、采用模糊非相关线性鉴别分析的方法提取茶叶近红光谱鉴别信息；步骤4、采用一种Gath‑Geva模糊聚类方法进行茶叶品种分类。
【技术特征摘要】
1.一种模糊非相关线性鉴别分析的茶叶品种分类方法，其特征在于，包括如下步骤：步骤1、获取茶叶样本的近红外漫反射光谱数据；步骤2、预处理茶叶样本的近红外漫反射光谱；步骤3、采用模糊非相关线性鉴别分析的方法提取茶叶近红光谱鉴别信息；步骤4、采用一种Gath-Geva模糊聚类方法进行茶叶品种分类。2.根据权利要求1所述的一种模糊非相关线性鉴别分析的茶叶品种分类方法，其特征在于，所述步骤1的实现方法：通过使用AntarisII傅立叶变换近红外光谱分析仪的积分球漫反射模式采集茶叶样本的近红外漫反射光谱数据；具体地：第一，将AntarisII傅立叶变换近红外光谱分析仪开机预热1个小时；第二，设置光谱扫描的波数范围、扫描间隔、扫描次数分别为10000cm-1～4000cm-1、3.857cm-1、32；第三，采用AntarisII傅立叶变换近红外光谱分析仪的积分球漫反射模式获取茶叶样本的近红外漫反射光谱数据，所获得的茶叶光谱数据为1557维的高维数据。3.根据权利要求2所述的一种模糊非相关线性鉴别分析的茶叶品种分类方法，其特征在于，尽可能确保采集时的温度、湿度稳恒。4.根据权利要求1所述的一种模糊非相关线性鉴别分析的茶叶品种分类方法，其特征在于，所述步骤2的实现方法：采用Savitzky-Golay一阶导数对收集到的茶叶样本的近红外漫反射光谱数据进行预处理，再将预处理后的茶叶样本数据分为训练样本集和测试样本集。5.根据权利要求1所述的一种模糊非相关线性鉴别分析的茶叶品种分类方法，其特征在于，所述步骤3的实现方法：对经步骤2预处理后的茶叶近红外漫反射光谱数据进行降维处理和分类鉴别信息提取。6.根据权利要求5所述的一种模糊非相关线性鉴别分析的茶叶品种分类方法，其特征在于，所述步骤3的具体步骤包括：3.1，给定一个有标签的训练样本矩阵p1为样本维数，n为样本数量，Sft，Sfb，Sfw分别定义为该训练样本集的模糊总体散射矩阵，模糊类间散射矩阵和模糊类内散射矩阵：式中，c为类别数，η为权重指数，xi为第i个茶叶近红外漫反射光谱训练样本，为训练样本集的总体样本均值，uij为样本xi属于第j类的模糊隶属度，vj为样本集中第j类样本的样本均值(j＝1,2,3,4)；3.2，构造矩阵Hft，Hfb，Hfw，并使其满足3.3，计算矩阵Hft的奇异值分解，Hft＝G∑ST，其中，矩阵G＝[G1G2]，矩阵p1为样本维数，t＝rank(Hft)；3.4，令其中，矩阵为矩阵∑t的逆矩阵，矩阵为矩阵G1的转置矩阵。并计算矩阵B的奇异值分解，B＝PA...
【专利技术属性】
技术研发人员：武小红，周晶，武斌，孙俊，陈勇，傅海军，
申请(专利权)人：江苏大学，
类型：发明
国别省市：江苏,32
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。