农业投入品复合品质评价方法技术

本发明专利技术提供一种农业投入品复合品质评价方法，包括：采集样品光谱数据，用参考方法获取样品多品质指标参考值；在剔除异常值和数据分集后，基于校正集建立样品多品质校正模型，对外部验证集预测并计算相对预测性能指数；对公共预测集进行预测并计算标准化预测值、预测值变异系数；根据多品质参考值主成分分析结果计算归一化贡献率；根据标准化预测值、相对预测性能指数、预测值变异系数、归一化贡献率，结合修正系数计算公共预测集复合品质加权综合指数；统计复合品质加权综合指数频次，设定分级阈值，根据复合品质加权综合指数和分级阈值对样品进行复合品质分级。本发明专利技术提供的农业投入品复合品质评价方法可为农业投入品复合品质评价提供技术支持。

【技术实现步骤摘要】
农业投入品复合品质评价方法
本专利技术涉及光谱分析领域，具体地说，涉及一种农业投入品复合品质评价方法。
技术介绍
饲料品质对畜牧业生产具有重要意义。对饲料品质的无损快速检测一直以来是饲料行业重要的质量控制环节。然而，饲料品质指标繁多，基于复合品质检测结果对饲料进行品质分级一直以来是困扰该行业的难题。目前针对饲料多品质指标的无损快速检测，除传统分析方法，近红外光谱技术以其无损、快速、高效的优势正在成为饲料快速分析领域的首选方法。然而，面对繁多的品质指标，传统的近红外光谱单一指标模型难以实现对饲料复合品质的品质分级。然而，面对饲料多指标数据，哪个数据占主导及其根据尚未形成定论，主要问题涉及以下四个方面：1)校正模型的准确程度；2)数据本身数值大小；3)数据统计学性质；4)各项指标数据在全部指标数据中的权重。因此，采用一种合理有效的方式综合上述各方面因素形成复合指标从而对饲料复合品质进行快速评价并制定分级方案成为当前亟待解决的难题。
技术实现思路
本专利技术针对农业投入品多品质指标的复合品质评价和分级的难题，综合校正模型的本文档来自技高网...

【技术保护点】
1.农业投入品复合品质评价方法，其特征在于，包括以下步骤：/nA、针对待测农业投入品，选择至少两个或两个以上的品质指标；/nB、采集待测农业投入品样品的光谱数据，并基于步骤A中所选品质指标，采用参考方法测定各品质指标的参考值；剔除异常值后，将数据分为校正集和外部验证集，所述校正集和所述外部验证集的各对应的品质指标具有相似的统计学性质；以校正集光谱数据作为自变量，各品质指标的参考值作为因变量，结合数据预处理针对各品质指标分别建立校正模型，并采用外部验证集对所建各校正模型进行验证；根据所建模型，计算各校正模型的相对预测性能指数；/nC、对校正集的各品质指标数据进行主成分分析，计算主成分权重值，并对...

【技术特征摘要】
1.农业投入品复合品质评价方法，其特征在于，包括以下步骤：
A、针对待测农业投入品，选择至少两个或两个以上的品质指标；
B、采集待测农业投入品样品的光谱数据，并基于步骤A中所选品质指标，采用参考方法测定各品质指标的参考值；剔除异常值后，将数据分为校正集和外部验证集，所述校正集和所述外部验证集的各对应的品质指标具有相似的统计学性质；以校正集光谱数据作为自变量，各品质指标的参考值作为因变量，结合数据预处理针对各品质指标分别建立校正模型，并采用外部验证集对所建各校正模型进行验证；根据所建模型，计算各校正模型的相对预测性能指数；
C、对校正集的各品质指标数据进行主成分分析，计算主成分权重值，并对主成分权重值进行归一化处理，求得归一化权重值；
D、采用步骤B中针对各品质指标所建校正模型对公共预测集进行预测，得到基于公共预测集的预测值；对公共预测集的预测值进行统计分析，计算各品质指标的预测值变异系数；并根据公共预测集的预测值进一步计算得到标准化预测值；
其中，所述公共预测集是独立于校正集和外部验证集样品之外且其各品质指标值与校正集样品对应的各品质指标值具有相似统计学性质的同种农业投入品样品，对公共预测集采集光谱数据的实验条件和测定各品质指标的参考值的方法与校正集、外部验证集样品相同；
E、根据相对预测性能指数、标准化预测值、归一化权重值、各品质指标的预测值变异系数，结合修正系数计算公共预测集农业投入品样品的复合品质加权综合指数；统计复合品质加权综合指数频次，设定分级阈值，然后基于所设分级阈值，根据复合品质加权综合指数的大小对样品进行复合品质分级。


2.根据权利要求1所述的方法，其特征在于，步骤B中采用预测残差、光谱杠杆值或预测残差结合光谱杠杆值的方法剔除异常值；和/或
采用含量梯度法、SPXY算法或KS算法进行数据分集；和/或
数据预处理的方法选自平滑、导数、基线校正、标准化、多元散射校正、去趋势、标准正态变量变换中的至少一种；和/或
采用回归算法建立校正模型，所述回归算法选自一元线性回归、多元线性回归、主成分回归、偏最小二乘回归或支持向量回归；和/或
采用全交互验证或外部验证，对所建各校正模型进行验证。


3.根据权利要求2所述的方法，其特征在于，步骤B中各校正模型的相对预测性能指数的计算公式如式(1)所示：



式(1)中，RPD为相对预测性能指数，Std为外部验证集样本标准差，RMSEP为外部验证均方根误差。


4.根据权利要求1所述的方法，其特征在于，步骤C进行主成分分析的方法选自特征值法、非线性迭代偏最小二乘法、协方差矩阵法或奇异值分解法。


5.根据权利要求4所述的方法，其特征在于，步骤C中所述主成分权重值的计算如式(2)所示：



式(2)中，W为主成分权重值，n为主成分个数，p为主成分载荷值，λ为主成分贡献率，i为第i个主成分，1≤i≤n；
所述归一化权重值的计算如式(3)所示：



式(3)中...

【专利技术属性】
技术研发人员：王冬，韩平，马智宏，
申请(专利权)人：北京农业质量标准与检测技术研究中心，
类型：发明
国别省市：北京;11