葡萄酒产地智能识别方法及系统技术方案

本发明专利技术公开了葡萄酒产地智能识别方法及系统，所述识别方法包括以下步骤：收集不同产地的葡萄酒样品，通过螺旋下降的方式随机采集葡萄酒样品的至少三个光谱数据，并绘制光谱图，对光谱图进行预处理后，利用识别模型对光谱图进行特征变量提取和预测分类，生成溯源光谱图；通过螺旋下降的方式随机采集待识别葡萄酒样品的至少三个光谱数据，并绘制光谱图，对所述光谱图进行预处理，生成待识别光谱图。本发明专利技术通过螺旋下降的方式随机采集葡萄酒样品的至少三个光谱数据绘制光谱图，再通过识别模型将待识别光谱图与溯源光谱图依次对比，识别葡萄酒的产地，通过多参数对比的方式有效提高对葡萄酒产地的识别精度。对葡萄酒产地的识别精度。对葡萄酒产地的识别精度。

【技术实现步骤摘要】
葡萄酒产地智能识别方法及系统


[0001]本专利技术涉及葡萄酒检测
，具体涉及葡萄酒产地智能识别方法及系统。

技术介绍

[0002]随着人民生活水平的提高，葡萄酒的消费量持续增长，由于葡萄酒是一种地域性很强的食品，使得有地理标志的葡萄酒受到市场的广泛认可，为提高地理标志保护葡萄酒的品牌效应和经济效益，维护消费者的合法权益，葡萄酒的原产地智能识别技术至关重要。
[0003]申请公布号CN113361610A的中国专利公开一种葡萄酒产地智能识别方法及系统，该方法包括步骤：采集待检测葡萄酒的光谱数据，并绘制光谱图；对所述光谱图进行预处理，所述预处理包括降维和去噪；利用预先训练好的识别模型从预处理后的光谱图中提取出特征变量，并对提取出的特征变量进行分类，基于各特征变量的分类确定出葡萄酒的产地；所述识别模型为支持向量机分析的RBM串联多层BP 神经元网络模型，所述识别模型通过将多个RBM进行多层串联作为前向算法，后项的更新算法采用BP算法，并融合支持向量机算法而训练得到，与传统的近红外光谱检测不同。
[0004]上述技术存在以下不足本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.葡萄酒产地智能识别方法，其特征在于：所述识别方法包括以下步骤：S1：收集不同产地的葡萄酒样品，通过螺旋下降的方式随机采集葡萄酒样品的至少三个光谱数据，并绘制光谱图，对光谱图进行预处理后，利用识别模型对光谱图进行特征变量提取和预测分类，生成溯源光谱图；S2：通过螺旋下降的方式随机采集待识别葡萄酒样品的至少三个光谱数据，并绘制光谱图，对所述光谱图进行预处理，生成待识别光谱图；S3：待识别光谱图输入预先训练好的识别模型，识别模型将待识别光谱图与溯源光谱图进行比对，根据比对数据输出得到识别结果。2.根据权利要求1所述的葡萄酒产地智能识别方法，其特征在于：三个光谱数据分别为葡萄酒瓶的上、中、下三个层次区域，上层为葡萄酒以及密度小于葡萄酒的漂浮物，中层为葡萄酒，下层为葡萄酒以及密度大于葡萄酒的沉淀物，对葡萄酒瓶的上、中、下三个区域划分方式为：以葡萄酒瓶的整体高度除以三得到。3.根据权利要求2所述的葡萄酒产地智能识别方法，其特征在于：步骤S3中，将待识别光谱图与溯源光谱图进行比对包括以下步骤：S3.1：设三个待识别光谱数据分别为A1、A2、A3，溯源光谱数据为B1、B2、B3、C1、C2、C3......}；S3.2：将偏差在0.5％内的溯源光谱数据与待识别光谱数据选出；S3.3：A1、A2、A3与C1、C2、C3的单独光谱数据对比偏差小于0.5％，再将A1、A2、A3与C1、C2、C3依次对比，产生九组对比数据；S3.4：取九组对比数据的平均值，平均值小于1％确定待识别葡萄酒的产地。4.根据权利要求3所述的葡萄酒产地智能识别方法，其特征在于：还包括S3.5：待识别光谱数据与溯源光谱数据对比偏差均大于0.5％，识别模型将该葡萄酒的光谱图进行特征变量提取和预测分类。5.根据权利要求4所述的葡萄酒产地智能识别方法，其特征在于：所述光谱图进行预处理包括降维和去噪，对光谱图去噪包括以下步骤：设窗口大小为5，即每次取5个点，包括自身和前后2个点；把光谱一段区间的波长间隔的5个点记为X集合；通过在波长点为X
k
‑2,X
k
‑1,X
k
,X
k+1
,X
k+2
的数据的多项式拟合值来取代X
k
，k表示轨迹点上的第k个点；依次移动，直到把光谱遍历完。6.根据权利要求5所述的葡萄酒产地智能识别方法，其特征在于：对光谱图降维包括以下步骤：通过最小化目标函数进行变量选...

【专利技术属性】
技术研发人员：王劲松，王晓静，赵子丹，石欣，开建荣，周丽娜，陈翔，
申请(专利权)人：宁夏农产品质量标准与检测技术研究所宁夏农产品质量监测中心，
类型：发明
国别省市：