用于预测饲料和/或饲料原料的方法技术

本发明专利技术涉及用于预测饲料和/或饲料原料的计算机实现的方法，该方法包括以下步骤：a)提供未知饲料原料和/或饲料的样品的近红外(NIR)光谱；b)转换步骤a)的光谱中的波长或波数的吸收强度以给出查询向量，c)提供已知饲料原料和/或饲料的光谱群的数据库向量集合，其中步骤c)的已知饲料和/或饲料原料的光谱群包括每种饲料和/或饲料原料来自每一个其全球生长区的样品的至少50个光谱，d)分析步骤b)的查询向量和步骤c)的数据库向量集合之间的相似性，包括步骤d1)计算步骤c)的每个数据库向量和步骤b)的查询向量之间的相似性度量和/或距离度量，以给出每个数据库向量与查询向量的相似性值，d2)当在步骤d1)中计算相似性度量时，以降序或升序对在步骤d1)中获得的相似性值进行排序，当在步骤d1)中计算距离度量时，其中排名最高的数据库向量与查询向量具有最大的相似性，d3)计算在步骤d2)的排序中排名最高的数据库向量中每种饲料原料和/或饲料的出现次数，其中所述出现次数由变量N表示，d4)对每种饲料原料和/或饲料根据其在步骤d2)的排序中的位置的前N个相似性值进行加权，以给出每种饲料原料和/或饲料的加权排名位置，d5)形成步骤d4)对每种饲料原料和/或饲料的加权排名位置求和以给出每种饲料原料和/或饲料的分数，和e)向步骤a)的样品分配具有最高分数的数据库向量的饲料原料和/或饲料。库向量的饲料原料和/或饲料。

【技术实现步骤摘要】
【国外来华专利技术】用于预测饲料和/或饲料原料的方法


[0001]本专利技术涉及通过近红外光谱和相似性分析预测未知类型的饲料原料和/或饲料的方法。

技术介绍

[0002]动物饲料通常包含多种不同的饲料和/或饲料原料。因此，有必要尽可能精确和快速地知道饲料和/或饲料原料的特性和类型。特别是当不同的饲料和/或饲料原料应混合以产生具有特定物种的特定组成的饮食时，这一点尤为重要。饲料和饲料原料的定性分析方法原则上允许精确鉴定未知类型的饲料和/或饲料原料，即未知的特性、来源等。然而，这些方法需要高成本和维护工作量大的实验室设备。这些方法的其它缺点是其所需时间的高标准以及操作人员的专业知识和经验。原则上，近红外光谱将是用于鉴定和测定饲料和/或饲料原料的合适方法。文章“Near
‑
infrared Spectroscopy in Food Analysis”(Osborne B.G.,Encyclopedia of Analytical Chemistry,Wiley&Sons,2006,第1
‑
14页)给出了关于近红外(NIR)光谱在该领域中的应用的综述。该文章认为，由于样品呈现技术的不同，NIR在食品分析中的广泛应用是可能的。存在可用于任何类型的液体、浆料、粉末或固体样品的技术。然而，当用作常规方法时，近红外光谱需要饲料和/或饲料原料的特性和类型的信息。然而，在饲料和/或饲料原料的选择中的人为错误可能已经导致饲料和/或饲料原料关于其特性和存在形式的不正确分类。基于不正确的分类，将选择错误的校准方法用于饲料和/或饲料原料中成分及其特定量的近红外分析。因此，从不正确校准的NIR光谱仪获得的数据将是错误的。因此，这些数据将误导对于其中涉及相应饲料原料和/或饲料的任何其它操作步骤。
[0003]克服该问题的一种选择是对样品物质的近红外光谱与参考光谱进行相似性分析以识别匹配，从而确定样品物质是什么。这种方法的一般原理描述于WO 2016/141198 A1和文章“Algorithms,Strategies and Application Process of Spectral Searching Methods”(Chu X.
‑
L.,Li J.
‑
Y.,Chen P.,Xu Y.
‑
P.,Chinese Journal of Analytical Chemistry,2014,42(9),1379
‑
1386)中。具体地，相似性分析涉及计算样品物质的光谱与参考光谱之间的相似性度量或距离度量。样品的光谱和参考光谱之间的相似性度量的高值指示样品物质与相应参考光谱的参考物质的高相似性。通过比较，当相似性分析涉及距离度量时，低相似性值指示样品物质与相应参考谱的参考物质的高相似性。在相似性分析中获得的相似性值通常用与样品物质具有最大相似性的最高排序条目的参考物质来排序。
[0004]文章“Spectral Library Searching:Mid
‑
Infrared Versus Near
‑
Infrared Spectra for Classification of Powdered Food Ingredient”(Reeves J.B.et al.,Applied Spectroscopy,1999,vol.53,no.7,第836
‑
844页)公开了一种用于预测食品成分的方法，其包括提供粉状食品成分的样品的近红外(NIR)光谱的步骤，基于全光谱算法(full spectrum algorithms)构建和搜索光谱库。各种搜索的结果表示为未知或测试样品与所述算法库中的样品之间的距离。当离测试样品最近的样品(最小距离)是来自相同组的
样品时，认为匹配是成功的。
[0005]然而，当假阳性条目在相似性值的排序的顶部时，现有技术的方法非常容易受到错误确定或预测的影响。在所述排序中假阳性条目的原因可能是将光谱错误地分配给错误的参考物质或错误的参考物质类别，光谱被记录的参考物质类别的异质性或混乱，或一些参考物质彼此的相似性，这使得精确匹配相当困难。这些情况中的任何一种都难以或不可能使样品物质的样品的光谱与参考物质的光谱精确、可靠地匹配。
[0006]文章“Novel Search Algorithms for a Mid
‑
Infrared Spectral Library of Cotton Contaminants”(Loudermilk J.B.et al,Applied Spectroscopy,June 2008,vol.62,no.6,第661
‑
670页)公开了在棉花污染物的MIR库搜索中使用的投票机制算法(voting scheme algorithms)。在所谓的“组”算法中进行计数，例如在命中列表中出现物质/类别“种皮”的次数。“加权频率”算法对单个谱及其在多个搜索算法的命中列表中的出现情况进行排序，然后求和得到一个分数。因此，所述“加权频率”算法适用于单个光谱的多个搜索算法。

技术实现思路

[0007]根据本专利技术，解决这一问题的方法是，首先进行相似性分析，然后在相似性值的排序中对饲料原料和/或饲料的出现进行计数。接下来，对因此确定的饲料原料和/或饲料的相似性值的数量根据其排序位置进行加权以给出加权的排序位置，由加权的排序位置求和，得到饲料原料和/或饲料的分数，并且最高分数表示与样品物质具有最大相似性的饲料原料和/或饲料。
[0008]因此，本专利技术的目的是用于预测饲料和/或饲料原料的计算机实现的方法，该方法包括以下步骤：
[0009]a)提供未知饲料原料和/或饲料的样品的近红外(NIR)光谱，
[0010]b)将步骤a)光谱中波长或波数的吸收强度转换为查询向量，
[0011]c)提供已知饲料原料和/或饲料的光谱群的数据库向量集合，其中步骤c)的已知饲料和/或饲料原料的光谱群包括每种饲料和/或饲料原料来自每一个其全球生长区的样品的至少50个光谱，
[0012]d)分析步骤b)的查询向量与步骤c)的数据库向量集合之间的相似性，包括以下步骤：
[0013]d1)计算步骤c)的每个数据库向量与步骤b)的查询向量之间的相似性度量和/或距离度量，以给出每个数据库向量与查询向量的相似性值，
[0014]d2)当在步骤d1)中计算相似性度量时以降序对在步骤d1)中获得的相似性值排序，或者当在步骤d1)中计算距离度量时以升序排序，其中排名最前的数据库向量与查询向量具有最大的相似性，
[0015]d3)对在步骤d2)的排序中每种饲料原料和/或饲料在排名靠前的数据库向量中的出现次数进行计数，其中出现次数由变量N表示，
[0016]d4)对每种饲料原料和/或饲料根据其在步骤d2)的排序中的位置的前N个相似性值进行加权，以给出每种饲料原料和/或饲料的加权排名位置，
...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.用于预测饲料和/或饲料原料的计算机实现的方法，其包括以下步骤：a)提供未知饲料原料和/或饲料的样品的近红外(NIR)光谱，b)转换步骤a)的光谱中的波长或波数的吸收强度以给出查询向量，c)提供已知饲料原料和/或饲料的光谱群的数据库向量集合，其中步骤c)的已知饲料和/或饲料原料的光谱群包括每种饲料和/或饲料原料来自每一个其全球生长区的样品的至少50个光谱，d)分析步骤b)的所述查询向量和步骤c)的所述数据库向量集合之间的相似性，包括以下步骤：d1)计算步骤c)的每个数据库向量与步骤b)的所述查询向量之间的相似性度量和/或距离度量，以给出每个数据库向量与所述查询向量的相似性值，d2)当在步骤d1)中计算相似性度量时以降序对在步骤d1)中获得的相似性值排序，或者当在步骤d1)中计算距离度量时以升序排序，其中排名最前的数据库向量与所述查询向量具有最大的相似性，d3)对在步骤d2)的排序中每种饲料原料和/或饲料在排名靠前的数据库向量中的出现次数进行计数，其中所述出现次数由变量N表示，d4)对每种饲料原料和/或饲料根据其在步骤d2)的排序中的位置的前N个相似性值进行加权，以给出每种饲料原料和/或饲料的加权排名位置，d5)形成步骤d4)中每种饲料原料和/或饲料的加权排名位置的总和，以给出每种饲料原料和/或饲料的分数，及e)将具有最高分的数据库向量的饲料原料和/或饲料分配给步骤a)的样品。2.根据权利要求1所述的计算机实现的方法，其中步骤b)和c)中的向量是多维向量，其中每个维度对应于特定波长或波数的吸收强度。3.根据权利要求1或2所述的计算机实现的方法，其中在1,100至2,500nm的范围内记录步骤a)和/或步骤c)中的光谱。4.根据权利要求1至3之一所述的计算机实现的方法，其中转换光谱中等距波长和/或波数的吸收强度，以给出步骤a)和/或步骤b)的光谱的向量。5.根据权利要求1至4之一所述的计算机实现的方法，其中在步骤b)中被变换为向量的吸收...

【专利技术属性】
技术研发人员：I，
申请(专利权)人：赢创运营有限公司，
类型：发明
国别省市：