茶叶近红外光谱分析中谱图基线校正方法、系统、检测方法技术方案

本发明专利技术公开了茶叶近红外光谱分析中谱图基线校正方法、系统及茶叶检测方法，包括：获取原始数据并进行初始化，拟合基线；计算原始数据和拟合基线之间的差值，得到校正误差；根据校正误差大小确定基线区间和特征区间；根据权重函数计算指数权重，基于误差导数计算变化趋势，并结合平衡系数确定更新权重系数；根据所计算的权重系数进行基线更新；计算原始数据和拟合基线的相对拟合误差及当前迭代次数，如果相对拟合误差小于设定误差系数δ或当前迭代次数大于设定迭代次数T,则转输出，否则循环。自适应导数加权函数能够同时分析校正误差大小及变化趋势，因此能够根据误差自身特性进行权重更新，从而能够避免权重更新不及时、不准确等问题。

Baseline correction, system and detection method of tea near infrared spectrum analysis

【技术实现步骤摘要】
茶叶近红外光谱分析中谱图基线校正方法、系统、检测方法
本专利技术属于光谱分析基线校正领域，具体内容涉及茶叶近红外光谱分析中谱图基线校正方法、系统、检测方法。
技术介绍
茶叶目前是我国最重要的饮品之一。茶叶品质等级划分与其内含的茶多酚、咖啡碱、氨基酸等多种指标相关。长期以来，人们对于茶叶加工中各个工序质量的掌握主要依赖感官审评，缺乏量化的加工评价标准，对于加工后产品质量的判别主要是采用感官审评的方法，缺乏一种对主要化学成分和外部形态特点兼顾的、数字化快速评价方法。随着我国进出口贸易的不断开展及人民物质需求的不断提高，对于产业等级划分和品质鉴别提出更加精细的分析要求，现有的基于经验的鉴别方法已经不适用大规模、高精度的分析要求。近红外光谱作为光谱学的一个重要分支，具有检测过程无污染、成本低、检测周期短等特点，已在茶叶相关产业分析中得到广泛应用，但在实际分析过程中，由于检测环境、仪器性能及人为操作等因素产的干扰，使获得所采集的光谱数据存在基线。根据比尔-朗伯定律，分析模型的性能取决于建模数据的有效性，基线的存在将破坏数据特征，因此在定量分析之前需要对光谱数据进行必要的基线校正操作。目前应用较广的基线校正方法主要有导数、多项式拟合、稀疏表示和惩罚最小二乘方法。其中应用最广的是基于惩罚最小法的基线校正方法，该方法虽然能够逐点迭代更新权值，但并未考虑迭代过程中的误差变化趋势，并且当被校正基线含有多个相连特征峰时，容易产生由权重更新不及时而导致的欠拟合现象，从而导致校正结果不准确。针对含有多个重叠峰的茶叶近红外光谱数据，如何有效地移除基线对于茶叶定性、定量分析过程至关重要。
技术实现思路
本专利技术所要解决的技术问题在于针对含有多个重叠峰的茶叶近红外光谱数据，如何有效地移除基线对于茶叶定性、定量分析的影响。本专利技术通过以下技术手段实现解决上述技术问题：茶叶近红外光谱分析中谱图基线校正方法，包括以下步骤：步骤一：采集茶叶样本，获取茶叶近红外光谱数据，形成原始数据；步骤二：数据获取及参数初始化模块；获取原始数据，并初始化自适应导数加权惩罚最小二乘基线校正方法参数，所需初始化参数包含：平滑系数λ，迭代次数T,平衡系数α，拟合基线差分矩阵D，权重系数W，以及相对拟合误差系数δ；步骤三：计算拟合基线；根据惩罚最小二乘法，基于权重系数计算拟合基线；步骤四：校正误差；计算原始数据和拟合基线之间的差值，得到校正误差；步骤五：区间确认；根据校正误差大小确定基线区间和特征区间，差值小于等于0区间为特征区间，大于0的区间为基线区间；步骤六：计算权重系数；根据权重函数计算指数权重，基于误差导数计算趋势变化，并结合平衡系数确定更新权重系数；步骤七：更新拟合基线；根据所计算的权重系数进行基线更新；步骤八：终止条件判断；计算原始数据和拟合基线的相对拟合误差及当前迭代次数，如果相对拟合误差小于设定误差系数δ或当前迭代次数大于设定迭代次数T，则转至步骤九，否则转至步骤三；步骤九：输出校正数据；利用拟合基线，确定最终的茶叶校正数据。相比于其它基于惩罚最小二乘的基线校正方法，本专利技术同时考虑了校正误差大小及其变化趋势，因此在迭代校正过程中能够基于校正误差及其变化趋势准确地更新权重系数，从而实现快速、精确的基线校正分析。进一步的，所述步骤二中的自适应导数加权惩罚小二乘法如下：J＝(y-z)TW(y-z)+λzTDTDz(1)其中，差分矩阵D一般取二阶差分，表示为:所述校正基线z的计算公式如下：z＝(W+λDTD)-1Wy(2)。进一步的，所述步骤六中的加权函数表示如下：所述式(3)中表示基于校正误差的指数权重，d-表示校正误差中所有负数变量之和，表示第i个变量的校正误差，α为平衡系数，表示第i个变量的校正误差导数。进一步的，所述步骤八中的相对拟合误差判断条件表示如下：所述式(4)中y表示原始茶叶数据，zt-1表示经过t-1次迭代后获得拟合基线，δ表示设定的相对误差系数。相对应的，本专利技术还提供了茶叶近红外光谱分析过程中的谱图基线校正系统，包括茶叶样本采集模块：采集茶叶样本，获取茶叶近红外光谱数据，形成原始数据；数据获取及参数初始化模块：获取原始数据，并对自适应导数加权惩罚最小二乘基线校正方法参数进行初始化，所需初始化参数包含：平滑系数λ，迭代次数T，平衡系数α，拟合基线差分矩阵D，权重系数W，以及相对拟合误差系数δ；计算拟合基线模块：根据惩罚最小二乘法，基于权重系数计算拟合基线；校正误差模块：计算原始数据和拟合基线之间的差值，得到校正误差；区间确认模块：根据校正误差大小确定基线区间和特征区间；计算权重系数模块：根据权重函数计算指数权重，基于误差导数计算变化趋势，并结合平衡系数确定更新权重系数；更新拟合基线模块：根据所计算的权重系数进行基线更新；终止条件判断模块：计算原始数据和拟合基线的相对拟合误差及当前迭代次数，如果相对拟合误差小于设定误差系数δ或当前迭代次数大于设定迭代次数T，则重新判断，否则重新调用计算拟合基线模块进行拟合基线计算；输出校正数据模块：利用拟合基线，确定最终的茶叶校正数据。进一步的，所述自适应导数加权惩罚小二乘法如下：J＝(y-z)TW(y-z)+λzTDTDz(5)其中y表示原始茶叶光谱数据，z为拟合基线，W表示权重系数，(·)T表示转置，λ表示平滑系数，差分矩阵D一般取二阶差分，表示为：所述校正基线z的计算公式如下：z＝(W+λDTD)-1Wy(6)进一步的，所述加权函数表示如下：所述式(7)中表示基于校正误差的指数权重，d-表示校正误差中所有负数变量之和，表示第i个变量的校正误差，α为平衡系数，表示第i个变量的校正误差导数。进一步的，所述步骤七中的相对误差判断条件表示如下：所述式(8)中y表示原始茶叶数据，zt-1表示经过t-1次迭代后获得拟合基线，δ表示设定的相对误差系数。相对应的，本专利技术还提供一种茶叶糖分预测方法，基于上述的茶叶校正数据，对茶叶进行糖分预测；具体为，当采用airPLS时，权重更新公式可表示为：其中dt表示校正误差中所有负数变量之和；当采用arPLS时，权重更新公式可表示为：其中m-和σ-分别表示校正误差中所有负数变量之和dt的均值和标准差；糖分预测定量分析指标为决定系数，具体表示为：其中，yi表示真实值，表示预测值，为样本均值，np表示预测集样本数。本专利技术的优点在于：1)自适应导数加权函数能够同时分析校正误差大小及变化趋势，因此能够根据误差自身特性进行权重更新，从而能够避免权重更新不及时、不准确等问题；2)平衡参数α的引入能够提供更加广泛的参数选择，因而能够减少平滑参数寻优过程；3)基于误差本文档来自技高网...

【技术保护点】
1.茶叶近红外光谱分析中谱图基线校正方法，其特征在于：包括以下步骤：/n步骤一：采集茶叶样本，获取茶叶近红外光谱数据，形成原始数据；/n步骤二：数据获取及参数初始化；获取原始数据并对自适应导数加权惩罚最小二乘基线校正方法参数进行初始化，所需初始化参数包含：平滑系数λ，迭代次数T,平衡系数α，拟合基线差分矩阵D，权重系数W及相对拟合误差系数δ；/n步骤三：计算拟合基线；根据惩罚最小二乘法，基于权重系数计算拟合基线；/n步骤四：校正误差；计算原始数据和拟合基线之间的差值，得到校正误差；/n步骤五：区间确认；根据校正误差大小确定基线区间和特征区间；/n步骤六：计算权重系数；根据权重函数计算指数权重，基于误差导数计算变化趋势，并结合平衡系数确定更新权重；/n步骤七：更新拟合基线；根据所计算的权重系数进行基线更新；/n步骤八：终止条件判断；计算原始数据和拟合基线的相对拟合误差及当前迭代次数，如果相对拟合误差小于设定误差系数δ或当前迭代次数大于设定迭代次数T,则转至步骤九，否则转至步骤三；/n步骤九：输出校正数据；利用拟合基线，确定最终的茶叶校正数据。/n

【技术特征摘要】
1.茶叶近红外光谱分析中谱图基线校正方法，其特征在于：包括以下步骤：
步骤一：采集茶叶样本，获取茶叶近红外光谱数据，形成原始数据；
步骤二：数据获取及参数初始化；获取原始数据并对自适应导数加权惩罚最小二乘基线校正方法参数进行初始化，所需初始化参数包含：平滑系数λ，迭代次数T,平衡系数α，拟合基线差分矩阵D，权重系数W及相对拟合误差系数δ；
步骤三：计算拟合基线；根据惩罚最小二乘法，基于权重系数计算拟合基线；
步骤四：校正误差；计算原始数据和拟合基线之间的差值，得到校正误差；
步骤五：区间确认；根据校正误差大小确定基线区间和特征区间；
步骤六：计算权重系数；根据权重函数计算指数权重，基于误差导数计算变化趋势，并结合平衡系数确定更新权重；
步骤七：更新拟合基线；根据所计算的权重系数进行基线更新；
步骤八：终止条件判断；计算原始数据和拟合基线的相对拟合误差及当前迭代次数，如果相对拟合误差小于设定误差系数δ或当前迭代次数大于设定迭代次数T,则转至步骤九，否则转至步骤三；
步骤九：输出校正数据；利用拟合基线，确定最终的茶叶校正数据。


2.根据权利要求1所述的茶叶近红外光谱分析中谱图基线校正方法，其特征在于：所述步骤二中的自适应导数加权惩罚小二乘法如下：
J＝(y-z)TW(y-z)+λzTDTDz(1)
其中,y为采集的茶叶光谱数据；()T为矩阵的转置；差分矩阵D一般取二阶差分，表示为:



所述校正基线z的计算公式如下：
z＝(W+λDTD)-1Wy(2)。


3.根据权利要求1所述的茶叶近红外光谱分析中谱图基线校正方法，其特征在于：所述步骤六中的加权函数表示如下：



所述式(3)中表示基于校正误差的指数权重，d-表示校正误差中所有负数变量之和，表示第i个变量的校正误差，α为平衡系数，表示第i个变量的校正误差导数。


4.根据权利要求1至3任一所述的茶叶近红外光谱分析中谱图基线校正方法，其特征在于：所述步骤八中的相对拟合误差判断条件表示如下：



式中y表示所采集的茶叶光谱数据，zt-1表示经过t次迭代获得的基线，δ表示用户设定的相对误差系数。


5.茶叶近红外光谱分析过程中的谱图基线校正系统，其特征在于：包括：
茶叶样本采集模块：采集茶叶样本，获取茶叶近红外光谱数据，形成原始数据；
数据获取及参数初始化模块：获取原始数据并对自适应导数加权惩罚最小...

【专利技术属性】
技术研发人员：潘天红，李鱼强，陈琦，宁井铭，
申请(专利权)人：安徽大学，
类型：发明
国别省市：安徽;34