产地鉴别的方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术公开了产地鉴别的方法、装置、电子设备及存储介质，包括：获取待测农产品的高光谱数据，将待测农产品的高光谱数据输入至训练好的产地鉴别模型，得到待测农产品的产地鉴别结果。其中，训练好的产地鉴别模型为利用与不同产地的农产品对应的高光谱数据进行训练后得到。本发明专利技术通过建立产地鉴别模型降低了人工识别成本，提高了鉴别的效率、准确性。准确性。准确性。

【技术实现步骤摘要】
产地鉴别的方法、装置、电子设备及存储介质


[0001]本专利技术涉及计算机
，具体涉及产地鉴别的方法、装置、电子设备及存储介质。

技术介绍

[0002]农产品的品种繁多，随着农产品市场需求的不断增加，目前市场上的农产品品质参差不齐且仅凭外形易造成产地混淆，以次充好、产地造假现象时有发生。
[0003]在市场交易的过程中，人工鉴别农产品误差大且可信度较低，化学、生物鉴别农产品的传统方法操作复杂且周期长，因此不能普及。
[0004]综上，目前亟需一种产地鉴别的技术，用于解决上述现有技术存在的问题。

技术实现思路

[0005]由于现有方法存在上述问题，本专利技术提供产地鉴别的方法、装置、电子设备及存储介质。
[0006]第一方面，本专利技术提供了产地鉴别的方法，包括：
[0007]获取待测农产品的高光谱数据；
[0008]将所述待测农产品的高光谱数据输入至训练好的产地鉴别模型，得到所述待测农产品的产地鉴别结果；
[0009]其中，所述训练好的产地鉴别模型为利用与不同产地的农产品对应的高光谱数据进行训练后得到。
[0010]进一步地，在所述将所述待测农产品的高光谱数据输入至训练好的产地鉴别模型，得到所述待测农产品的产地鉴别结果之前，还包括：
[0011]获取多组农产品的高光谱数据以及所述多组农产品的高光谱数据对应的多个产地信息；其中，所述多组农产品的高光谱数据与所述多个产地信息一一对应；
[0012]根据所述高光谱数据确定感兴趣区域平均光谱值；
[0013]根据所述感兴趣区域平均光谱值生成光谱训练集、光谱验证集和光谱测试集；
[0014]根据所述光谱训练集以及所述光谱训练集对应的产地信息对所述产地鉴别模型进行训练，根据所述光谱验证集和所述光谱测试集对所述产地鉴别模型进行调试，得到所述训练好的产地鉴别模型。
[0015]进一步地，所述根据所述高光谱数据确定感兴趣区域平均光谱值，包括：
[0016]根据所述高光谱数据确定相对反射率数据；
[0017]根据所述相对反射率数据确定所述感兴趣区域平均光谱值。
[0018]进一步地，在所述根据所述光谱训练集以及所述光谱训练集对应的产地信息对所述产地鉴别模型进行训练之前，还包括：
[0019]通过多元散射校正对所述光谱训练集、所述光谱验证集和所述光谱测试集进行预处理；
[0020]通过偏最小二乘回归对所述光谱训练集、所述光谱验证集和所述光谱测试集进行降维。
[0021]进一步地，所述根据所述感兴趣区域平均光谱值生成光谱训练集、光谱验证集和光谱测试集，包括：
[0022]按照18:2:5的比例生成所述光谱训练集、所述光谱验证集和所述光谱测试集。
[0023]进一步地，所述农产品为枸杞；所述多个产地信息包含宁夏、青海、内蒙古、新疆、甘肃、河南以及河北。
[0024]第二方面，本专利技术提供了一种产地鉴别的装置，包括：
[0025]获取模块，用于获取待测农产品的高光谱数据；
[0026]处理模块，用于将所述待测农产品的高光谱数据输入至训练好的产地鉴别模型，得到所述待测农产品的产地鉴别结果；其中，所述训练好的产地鉴别模型为利用与不同产地的农产品对应的高光谱数据进行训练后得到。
[0027]进一步地，所述处理模块还用于：
[0028]在所述将所述待测农产品的高光谱数据输入至训练好的产地鉴别模型，得到所述待测农产品的产地鉴别结果之前，获取多组农产品的高光谱数据以及所述多组农产品的高光谱数据对应的多个产地信息；其中，所述多组农产品的高光谱数据与所述多个产地信息一一对应；
[0029]根据所述高光谱数据确定感兴趣区域平均光谱值；
[0030]根据所述感兴趣区域平均光谱值生成光谱训练集、光谱验证集和光谱测试集；
[0031]根据所述光谱训练集以及所述光谱训练集对应的产地信息对所述产地鉴别模型进行训练，根据所述光谱验证集和所述光谱测试集对所述产地鉴别模型进行调试，得到所述训练好的产地鉴别模型。
[0032]进一步地，所述处理模块具体用于：
[0033]根据所述高光谱数据确定相对反射率数据；
[0034]根据所述相对反射率数据确定所述感兴趣区域平均光谱值。
[0035]进一步地，所述处理模块还用于：
[0036]在所述根据所述光谱训练集以及所述光谱训练集对应的产地信息对所述产地鉴别模型进行训练之前，通过多元散射校正对所述光谱训练集、所述光谱验证集和所述光谱测试集进行预处理；
[0037]通过偏最小二乘回归对所述光谱训练集、所述光谱验证集和所述光谱测试集进行降维。
[0038]进一步地，所述处理模块具体用于：
[0039]按照18:2:5的比例生成所述光谱训练集、所述光谱验证集和所述光谱测试集。
[0040]进一步地，所述处理模块具体用于：
[0041]所述农产品为枸杞；所述多个产地信息包含宁夏、青海、内蒙古、新疆、甘肃、河南以及河北。
[0042]第三方面，本专利技术还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面所述的产地鉴别的方法。
[0043]第四方面，本专利技术还提供了一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面所述的产地鉴别的方法。
[0044]由上述技术方案可知，本专利技术提供的产地鉴别的方法、装置、电子设备及存储介质，通过建立产地鉴别模型降低了人工识别成本，提高了鉴别的效率、准确性。
附图说明
[0045]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些图获得其他的附图。
[0046]图1为本专利技术提供的产地鉴别的方法的系统框架；
[0047]图2为本专利技术提供的产地鉴别的方法的流程示意图；
[0048]图3为本专利技术提供的产地鉴别的方法的示意图；
[0049]图4为本专利技术提供的产地鉴别的方法的流程示意图；
[0050]图5为本专利技术提供的产地鉴别的方法的光谱图；
[0051]图6为本专利技术提供的产地鉴别的装置的结构示意图；
[0052]图7为本专利技术提供的电子设备的结构示意图。
具体实施方式
[0053]下面结合附图，对本专利技术的具体实施方式作进一步描述。以下实施例仅用于更加清楚地说明本专利技术的技术方案，而不能以此来限制本专利技术的保护范围。
[0054]本专利技术实施例提供的产地鉴别的方法，可以适用于如图1所示的系统架构中，该系统架构包括高光谱成像仪100、服务器200。
[0055]具体的，高光谱成像仪100用于获本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种产地鉴别的方法，其特征在于，包括：获取待测农产品的高光谱数据；将所述待测农产品的高光谱数据输入至训练好的产地鉴别模型，得到所述待测农产品的产地鉴别结果；其中，所述训练好的产地鉴别模型为利用与不同产地的农产品对应的高光谱数据进行训练后得到。2.根据权利要求1所述的产地鉴别的方法，其特征在于，在所述将所述待测农产品的高光谱数据输入至训练好的产地鉴别模型，得到所述待测农产品的产地鉴别结果之前，还包括：获取多组农产品的高光谱数据以及所述多组农产品的高光谱数据对应的多个产地信息；其中，所述多组农产品的高光谱数据与所述多个产地信息一一对应；根据所述高光谱数据确定感兴趣区域平均光谱值；根据所述感兴趣区域平均光谱值生成光谱训练集、光谱验证集和光谱测试集；根据所述光谱训练集以及所述光谱训练集对应的产地信息对所述产地鉴别模型进行训练，根据所述光谱验证集和所述光谱测试集对所述产地鉴别模型进行调试，得到所述训练好的产地鉴别模型。3.根据权利要求2所述的产地鉴别的方法，其特征在于，所述根据所述高光谱数据确定感兴趣区域平均光谱值，包括：根据所述高光谱数据确定相对反射率数据；根据所述相对反射率数据确定所述感兴趣区域平均光谱值。4.根据权利要求2所述的产地鉴别的方法，其特征在于，在所述根据所述光谱训练集以及所述光谱训练集对应的产地信息对所述产地鉴别模型进行训练之前，还包括：通过多元散射校正对所述光谱训练集、所述光谱验证集和所述光谱测试集进行预处理；通过偏最小二乘回归对所述光谱训练集、所述光谱验证集和所述光谱测试集进行降维。5.根据权利要求2所述的产地鉴别的方法，其特征在于，所述根据所述感兴趣区域平均光谱值生成光谱训练集、光谱验证集...

【专利技术属性】
技术研发人员：高万林，杨扬，杨正洪，王嘉豪，
申请(专利权)人：中国农业大学，
类型：发明
国别省市：