【技术实现步骤摘要】
一种粒子群模糊聚类的苹果近红外光谱分类方法
[0001]本专利技术涉及食品科学与技术和人工智能领域，具体涉及一种粒子群模糊聚类的苹果近红外光谱分类方法，应用于苹果品种分类。
技术介绍
[0002]苹果是中国最常见的水果，也是世界四大水果之一。苹果富含营养，如多酚、有机酸、蛋白质和抗氧化剂。具有抗衰老和预防心血管疾病的功效；对肺癌有有效的预防作用。质量好的苹果在市场上的价格比较高，由于一些不同的苹果在成熟时具有相似的表面特征，有时优质苹果会被普通和低价苹果所取代，然后一些非法企业可能从中获利。因此，探索一种快速、方便、无损的苹果品种识别方法，对于促进苹果产业的发展具有十分重要的意义。
[0003]近红外光(Near Infrared，NIR)是介于可见光(VIS)和中红外光(MIR)之间的电磁波，按ASTM(美国试验和材料检测协会)定义是指波长在780～2526nm范围内的电磁波。近红外反射光谱是农业质量检测领域的有效工具，具有快速、无损、精度高、操作简单等优点。果实成分中含有H基团，这与近红外组合频率和倍频吸收区频率...
【技术保护点】
【技术特征摘要】
1.一种粒子群模糊聚类的苹果近红外光谱分类方法，其特征在于，包括如下步骤：S1，苹果样本近红外光谱采集；用傅里叶近红外光谱仪对苹果样本进行检测，获取苹果样本近红外漫反射光谱数据；S2，采用多元散射校正(MSC)对苹果近红外光谱数据进行预处理；S3，对苹果样本近红外光谱进行降维处理，利用主成分分析(PCA)将S2中预处理后的苹果近红外光谱数据进行压缩；S4，对预处理后的苹果近红外光谱数据采用一种基于相似度粒子群算法结合可能模糊C均值算法进行苹果品种分类。2.根据权利要求1所述的一种粒子群模糊聚类的苹果近红外光谱分类方法，其特征在于，所述S1的具体过程如下：环境温度和相对湿度保持不变，Antaris II近红外光谱分析仪开机预热1个小时，采用反射积分球模式采集苹果近红外光谱，近红外光谱分析仪扫描每个样品32次以获取样品的漫反射光谱均值，光谱扫描的波数为10000～4000cm
‑1，扫描间隔为3.857cm
‑1，采集到每个苹果样品的光谱是1557维的数据，每个样本采样3次，取其平均值作为后续模型建立的数据。3.根据权利要求1所述的一种粒子群模糊聚类的苹果近红外光谱分类方法，其特征在于，所述S3的实现包括：将S2中的光谱用主成分分析计算特征值和特征向量，将特征值从大到小排列，取前4个最大特征值对应的4个特征向量，将200个苹果样本的近红外光谱数据投影到这4个特征向量上，从而将近红外光谱从1557维压缩到4维。4.根据权利要求1所述的一种粒子群模糊聚类的苹果近红外光谱分类方法，其特征在于，所述S4的具体过程包括如下：S4.1初始化：设置苹果训练样本数为N；权重指数m；类别数c；最大迭代次数max_iter；其中m＞1；设置粒子群种群大小popusize，加速系数c1，加速系数c2，种群位置矩阵种群速度矩阵个体最优解全局最优解相似度系数a；S4.2，更新粒子群的飞行速度与空间位置，计算方法分别如下：粒子群飞行速度更新公式为：上式中，为第k次迭代的速度矩阵，为第k+1次迭代的速度矩阵，为粒子群种群数据，c1为自加速系数，c2为全局加速系数，rand是在范围[0，1]内取值的随机函数值，为第k次迭代粒子的个体最优解，第k次迭代粒子的全局最优解；粒子群位置更新公式为：即每个新的粒子种群位置，都是通过将上一轮迭代时的粒子种群位置与本轮迭代的粒子飞跃速度相加得到的；S4.3计算更新后的粒子种群与全局最优粒子之间的相似度，两个粒子间相似度
计算方法如下：上式中d(i，j)表示粒子i与粒子在空间中的距离，本算法中采用Euclid距离去计算参数d
min
与参数d
max
是正常数，可以根据目标函数的搜索区域确定。α也是一个正常数，初步可设置为1，如果两个粒子靠的越近，则粒子相似度值越大似，反之如果两个粒子靠的越远则粒子相似度值越小；对任何粒子i和j，有S4.4计算粒子种群的聚集度，如果有粒子符合条件则变异粒子，粒子种群的的聚集度C(t)计算方法如下：上式中m为粒子群的种群规模数，为两个粒子间的的相似度，C(t)可以表示第t代粒子群的聚集度，如果某个粒子符合条件：即随机数若小于聚集度与常数α以及该粒子的相似度三者的乘机则变异该粒子，变异规则为x
id
＝random(l
d
，u
d
)上式中，random用...
【专利技术属性】
技术研发人员：武小红，许沁雨，武斌，齐祖旋，张霆飞，孙俊，
申请(专利权)人：江苏大学，
类型：发明
国别省市：
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。