一种通过近红外光谱辨别亳州芍药的方法技术

本发明专利技术属于光谱检测领域，具体涉及一种通过近红外光谱辨别亳州芍药的方法，包括如下步骤：S1、构建人工神经网络模型，通过训练集训练此人工神经网络模型，得到亳州芍药的辨别模型；S2、将预测集、既待辨认产地的芍药采用与S1中相同的方法，得到前10主成分的光谱数据，输入到训练好的人工神经网络模型，根据输出结果判断是否为亳州芍药。本发明专利技术选择采用主成分分析法对光谱数据进行降维，除去冗余信息，提高所建模型的稳定性。在构建亳州芍药产地辨别的人工神经网络模型前，校正样品近红外漫反射光谱数据的维数被降为10个主成分，减少模型的计算复杂度，提高了模型的预测精度；能够快速实现鉴别亳州芍药的真伪，预测集判别正确率为100％。100％。100％。

【技术实现步骤摘要】
一种通过近红外光谱辨别亳州芍药的方法


[0001]本专利技术属于光谱检测领域，具体涉及一种通过近红外光谱辨别亳州芍药的方法。

技术介绍

[0002]芍药(学名：Paeonia lactiflora)是一种芍药科芍药属的著名草本花卉。原产中国以及亚洲北部。被列为中国六大名花之一。芍药不仅有极高的观赏价值，更有相当重要的药用价值。芍药因其花形妩媚，花色艳丽，故占得形容美好容貌的“婥约”之谐音，名为“芍药”，亳州芍药质量相对较好，市场上以次充好、假冒伪劣现象时有发生，为有效识别亳州产地的芍药，保护消费者的权益，建立高效的亳州芍药识别技术势在必行。
[0003]傅里叶变换红外光谱法是一种主要研究物质分子中代表性官能团的振动及转动光谱，红外光谱制样简单快速、重复性好、对样品没有损坏、信息量大。利用傅里叶变换红外光谱漫反射方法(FTIR
‑
DR)采集光谱图，并结合化学计量学方法，建立主成分分析(PCA)模型，基于主成分分析(PCA)模型结合人工神经网络算法鉴别芍药产地的方法在专利文献尚未见报道。

技术实现思路

[0004]为了解决上述问题，本专利技术提供一种通过近红外光谱辨别亳州芍药的方法。
[0005]本专利技术提供了如下的技术方案：
[0006]一种通过近红外光谱辨别亳州芍药的方法，包括如下步骤：
[0007]S1、构建人工神经网络模型，通过训练集训练此人工神经网络模型，得到亳州芍药的辨别模型；
[0008]所述训练集通过如下方式获取：
[0009]S11、获得若干份亳州芍药、非亳州芍药10000
‑
4000cm
‑1范围内近红外漫反射光谱；
[0010]S12、使用TQ Analyst 8.0软件，采用Savitzky
‑
Golay平滑、Norris平滑对4200
‑
9800cm
‑1范围内的光谱数据进行预处理，用于消除噪声；
[0011]S13、采用主成分分析法对所述若干份近红外漫反射光谱数据进行降维，除去冗余信息，加快建模速度，提高所建模型的稳定性，获得前10主成分光谱数据，前10主成分的累积贡献率为99.8％
[0012]S2、将预测集、既待辨认产地的芍药采用与S1中相同的方法，得到前10主成分的光谱数据，输入到训练好的人工神经网络模型，根据输出结果判断是否为亳州芍药。
[0013]优选的，所述人工神经网络模型包括输入层、隐含层和输出层，
[0014]所述输入层节点数为10个，输入层与隐含层的传递函数为tansig；
[0015]所述输出层节点数为6个，隐含层与输出层的传递函数为trainlm；
[0016]所述输出层的节点为两个，节点“1”代表产地为亳州，节点“0”代表产地为非亳州。
[0017]优选的，所述S1中的具体方法为，将亳州芍药烘干粉碎，过60
‑
80目筛子，放入样品池内，在分辨率为4cm
‑1，扫描次数为64次条件下测量。
[0018]优选的，所述近红外漫反射光谱由傅里叶红外光谱仪进行检测，所述傅里叶红外光谱仪包括机体外壳(1)和样品池部件，所述机体外壳(1)的侧壁设有干燥组件(2)，所述机体外壳(1)的上端面设有引风机(3)，所述机体外壳(1)的内底部设有样品池部件，样品池部件包括样品检测圆盘(5)；
[0019]所述样品检测圆盘(5)的上端面设置有偶数个限位滑槽(51)，限位滑槽(51)均匀分布，且对称设置的限位滑槽(51)相连通；限位滑槽(51)内滑动设有定位滑块(54)，定位滑块(54)的侧壁水平连接有电动推杆(511)。
[0020]优选的，所述定位滑块(54)的上端面设有固定板(53)，固定板(53)的上端面安装有安装底板(55)，安装底板(55)的底部四周分别设有定位块(58)，定位块(58)的底部设有第一磁片(59)；
[0021]所述固定板(53)的上端面设有与定位块(58)对应的定位槽，定位槽内设有与第一磁片(59)对应的第二磁片(510)。
[0022]优选的，所述安装底板(55)的上端固定设置有样品载板(56)，样品载板(56)的侧壁开设有放置样品的槽口，样品通过压合片(57)进行压合固定。
[0023]优选的，所述定位滑块(54)的底部设有刚性滚珠，刚性滚珠与限位滑槽(51)的底部贴合。
[0024]优选的，所述干燥组件(2)包括风扇(21)、滤网(22)和加热组件(23)，所述滤网(22)设置于干燥组件(2)的外侧壁，加热组件(23)设置于干燥组件(2)的内侧壁，风扇(21)设置于滤网(22)和加热组件(23)之间。
[0025]优选的，所述机体外壳(1)的外壁一侧活动连接有密封门(4)，密封门(4)的边框处设有一层密封胶条；
[0026]所述固定板(53)的底部与样品检测圆盘(5)的上端面贴合，且固定板(53)的底部宽度大于定位滑块(54)的宽度。
[0027]优选的，所述样品检测圆盘(5)的底部通过转轴连接有伺服电机(6)，伺服电机(6)安装于机体外壳(1)的底部。
[0028]本专利技术的有益效果是：
[0029]1、本专利技术建立了一种快速、高效的辨认亳州芍药的方法，准确率达到了100％。
[0030]2、本专利技术选择光谱范围4200
‑
9800cm
‑1，该区间的包含了芍药主要近红外吸收的特征峰，对芍药光谱进行Savitzky
‑
Golay平滑、Norris平滑的预处理，消除了光散射及仪器噪声等干扰因素的影响，提高神经网络模型的预测精度和稳定性；采用主成分分析法对光谱数据进行降维，以压缩数据，除去冗余信息，加快建模速度，提高所建模型的稳定性。在构建亳州芍药产地辨别的人工神经网络模型前，校正样品近红外漫反射光谱数据的维数被降为10个主成分，减少模型的计算复杂度，提高了模型的预测精度；能够快速实现鉴别亳州芍药的真伪，预测集判别正确率为100％。
[0031]3、本申请中通过在样品检测圆盘上设置多个样品载板，能够一次性放置多个样品待检测，大大提高了工作效率；
[0032]4、本申请通过设置干燥组件和引风机，能够保持红外光谱仪内部具有一定的干燥度，大大减少外界含有水分的空气进入机体外壳，提升干燥效果和检测精度；
[0033]5、本申请在安装样品载板时，方便快捷，易操作，且定位效果好，实用性更强。
附图说明
[0034]图1为本专利技术亳州芍药辨认的流程图；
[0035]图2为本专利技术傅里叶红外光谱仪的立体结构示意图；
[0036]图3为本专利技术傅里叶红外光谱仪的内部结构示意图；
[0037]图4为本专利技术样品检测圆盘的安装结构示意图；
[0038]图5为本专利技术A结构放大示意图；
[0039]图6为本专利技术品检测圆盘的俯视图。
[0040]附图中标记的含义如下：机体外壳1本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种通过近红外光谱辨别亳州芍药的方法，其特征在于，包括如下步骤：S1、构建人工神经网络模型，通过训练集训练此人工神经网络模型，得到亳州芍药的辨别模型；所述训练集通过如下方式获取：S11、获得若干份亳州芍药、非亳州芍药10000
‑
4000cm
‑1范围内近红外漫反射光谱；S12、使用TQ Analyst 8.0软件，采用Savitzky
‑
Golay平滑、Norris平滑对4200
‑
9800cm
‑1范围内的光谱数据进行预处理，用于消除噪声；S13、采用主成分分析法对所述若干份近红外漫反射光谱数据进行降维，除去冗余信息，加快建模速度，提高所建模型的稳定性，获得前10主成分光谱数据，前10主成分的累积贡献率为99.8%；S2、将预测集、既待辨认产地的芍药采用与S1中相同的方法，得到前10主成分的光谱数据，输入到训练好的人工神经网络模型，根据输出结果判断是否为亳州芍药。2.根据权利要求1所述的一种通过近红外光谱辨别亳州芍药的方法，其特征在于，所述人工神经网络模型包括输入层、隐含层和输出层，所述输入层节点数为10个，输入层与隐含层的传递函数为tansig；所述输出层节点数为6个，隐含层与输出层的传递函数为trainlm；所述输出层的节点为两个，节点“1”代表产地为亳州，节点“0”代表产地为非亳州。3.根据权利要求1所述的一种通过近红外光谱辨别亳州芍药的方法，其特征在于，所述S1中的具体方法为，将亳州芍药烘干粉碎，过60
‑
80目筛子，放入样品池内，在分辨率为4cm
‑1，扫描次数为64次条件下测量。4.根据权利要求1所述的一种通过近红外光谱辨别亳州芍药的方法，其特征在于，所述近红外漫反射光谱由傅里叶红外光谱仪进行检测，所述傅里叶红外光谱仪包括机体外壳（1）和样品池部件，所述机体外壳（1）的侧壁设有干燥组件（2），所述机体外壳（1）的上端面设有引风机（3），所述机体外壳（1）的内底部设有样品池部...

【专利技术属性】
技术研发人员：许雯婷，刘磊，李天理，刘松亭，陈桂娟，张晓晴，
申请(专利权)人：安徽职业技术学院，
类型：发明
国别省市：