一种当归片检测方法技术

本发明专利技术公开了一种当归片检测方法。它包括以下步骤：将待测当归片放入遮光罩内，遮光罩内的激光器发射激光到待测当归片，激光照射到待测当归片后产生的漫反射光被遮光罩内的光谱仪的感光纤维探头采集到；激光从初始光谱强度开始递增n次，每次递增的强度都为1000counts，感光纤维探头依次采集到n+1个漫反射光的光谱强度并作为1个检测数据组发送到控制器；重复执行m次上述步骤，控制器得到m个检测数据组，根据m个检测数据组判断待测当归片的真假。本发明专利技术能够快速、无损、准确的检测出当归片的真假。当归片的真假。当归片的真假。

【技术实现步骤摘要】
一种当归片检测方法


[0001]本专利技术涉及药材真假检测
，尤其涉及一种当归片检测方法。

技术介绍

[0002]当归在我国中药材中有着举重若轻的地位，是传统的中药材中最常用的一种，具有补血活血、调经止痛、润肠通便等医疗作用。近年来，有不良商家为谋求利益，运用外观容易混淆的假当归片，甚至通过一些加工手段，把假当归片伪充成真当归片售卖，损害消费者的权益。
[0003]传统的当归片真假检测，主要以人工目测或常规机器分类技术以及化学测试为主，检测过程复杂，费时费力，检测精度不高。因此，探索一种无损、准确性高、低成本、快速且易操作的真假当归片检测方法迫在眉睫。

技术实现思路

[0004]本专利技术为了解决上述技术问题，提供了一种当归片检测方法，其能够快速、无损、准确的检测出当归片的真假。
[0005]为了解决上述问题，本专利技术采用以下技术方案予以实现：
[0006]本专利技术的一种当归片检测方法，包括以下步骤：
[0007]S1：将待测当归片放入遮光罩内，遮光罩内的激光器发射波长为650mm的激光到待测当归片，激光照射到待测当归片后产生的波长为650nm的漫反射光被遮光罩内的光谱仪的感光纤维探头采集到；
[0008]S2：控制器控制激光器发出波长为650nm的激光从初始光谱强度开始递增n次，每次递增的强度都为1000counts，初始光谱强度的激光以及每次强度递增后的激光照射到待测当归片后产生的波长为650nm的漫反射光都被光谱仪的感光纤维探头采集到，感光纤维探头依次采集到n+1个漫反射光的光谱强度，将这n+1个漫反射光的光谱强度作为1个检测数据组发送到控制器；
[0009]S3：重复执行m次步骤S2，控制器得到m个检测数据组；
[0010]S4：控制器将m个检测数据组输入到当归片判别模型中，当归片判别模型对输入的m个检测数据组进行处理，输出待测当归片是否为真当归片的检测结果。
[0011]在本方案中，在待测当归片表面选取一个位置作为激光入射点，调整激光器位置，使激光从激光入射点射入待测当归片，在待测当归片表面选取一个与激光入射点的距离为0.6cm的点作为采样点，将感光纤维探头移至采样点上方2mm处，保证感光纤维探头不与待测当归片接触。位置调整完毕后，罩上遮光罩以创造黑暗环境，防止外来光源对实验环境造成干扰。
[0012]激光器发射波长为650nm、初始光谱强度为8000counts的激光到待测当归片表面，初始光谱强度的激光照射到待测当归片后产生的波长为650nm的漫反射光都被光谱仪的感光纤维探头采集到，之后激光器发射的激光以1000counts强度递增步长，每次激光器发射
的激光增大1000counts，光谱仪的感光纤维探头采集一次当前的漫反射光，激光从初始光谱强度开始递增n次，所以感光纤维探头依次采集到n+1个漫反射光的光谱强度，将这n+1个漫反射光的光谱强度作为1个检测数据组发送到控制器。重复上述步骤得到m个检测数据组，控制器将这m个检测数据组输入到当归片判别模型中，当归片判别模型对输入的m个检测数据组进行处理，输出待测当归片真假的结果。
[0013]作为优选，所述步骤S4中当归片判别模型对输入的m个检测数据组进行处理，输出待测当归片是否为真当归片的检测结果的方法如下：
[0014]当归片判别模型对输入的每个检测数据组进行处理，判断每个检测数据组对应的检测结果，如果检测结果为真的检测数据组数量大于检测结果为假的检测数据组数量，则当归片判别模型输出待测当归片为真当归片的检测结果；如果检测结果为真的检测数据组数量小于或等于检测结果为假的检测数据组数量，则当归片判别模型输出待测当归片为假当归片的检测结果。
[0015]作为优选，所述当归片判别模型对每个检测数据组进行处理，判断每个检测数据组对应的检测结果的方法如下：
[0016]M1：将m个检测数据组依次编号为1、2
……
m，编号为i的检测数据组为X
i
＝{x
i1
、x
i2
、x
i3
…
x
i(n+1)
}，1≤i≤m，n≥3，对每个检测数据组进行优化处理，得到对应的优化数据组，编号为i的检测数据组X
i
对应的优化数据组为Y
i
＝{y
i1
、y
i2
…
y
i(n
‑
1)
}，
[0017][0018]其中，1≤j≤n
‑
1，x
ij
为编号为i的检测数据组X
i
中的第j个数据，y
ij
为优化数据组Y
i
中的第j个数据；
[0019]M2：判断每个检测数据组对应的检测结果；
[0020]判断编号为i的检测数据组X
i
对应的检测结果的方法如下：
[0021]计算编号为i的检测数据组X
i
对应的优化数据组Y
i
与当归片判别模型存储的参考集中的每个参考数据组之间的距离，将参考数据组按照距离从小到大排序，取前k个参考数据组作为支持数据组，k个支持数据组依次记为Z1、Z2…
Z
k
，计算出编号为i的检测数据组X
i
对应的预测值f(X
i
)，如果f(X
i
)＝1，则编号为i的检测数据组X
i
对应的检测结果为真，如果f(X
i
)＝
‑
1，则编号为i的检测数据组X
i
对应的检测结果为假；
[0022]预测值f(X
i
)的公式如下：
[0023][0024]K(Y
i
，Z
r
)＝exp(
‑
gamma
×
M(Y
i
，Z
r
)2)，
[0025]其中，1≤r≤k，α
r
为支持数据组Z
r
的拉格朗日乘子，K(Y
i
，Z
r
)表示优化数据组Y
i
与支持数据组Z
r
之间的核函数值，gamma为核函数系数，M(Y
i
，Z
r
)为优化数据组Y
i
与支持数据组Z
r
的曼哈顿距离，b为偏置值，β
r
为支持数据组Z
r
对应的类别标签值，如果支持数据组Z
r
对应的当归片类别为真，则β
r
＝1；如果支持数据组Z
r
对应的当归片类别为假，则β
r
＝
‑
1。
[0026]作为优选，所述步骤M2中优化数据组Y
i
与当本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种当归片检测方法，其特征在于，包括以下步骤：S1：将待测当归片放入遮光罩内，遮光罩内的激光器发射波长为650mm的激光到待测当归片，激光照射到待测当归片后产生的波长为650nm的漫反射光被遮光罩内的光谱仪的感光纤维探头采集到；S2：控制器控制激光器发出波长为650nm的激光从初始光谱强度开始递增n次，每次递增的强度都为1000counts，初始光谱强度的激光以及每次强度递增后的激光照射到待测当归片后产生的波长为650nm的漫反射光都被光谱仪的感光纤维探头采集到，感光纤维探头依次采集到n+1个漫反射光的光谱强度，将这n+1个漫反射光的光谱强度作为1个检测数据组发送到控制器；S3：重复执行m次步骤S2，控制器得到m个检测数据组；S4：控制器将m个检测数据组输入到当归片判别模型中，当归片判别模型对输入的m个检测数据组进行处理，输出待测当归片是否为真当归片的检测结果。2.根据权利要求1所述的一种当归片检测方法，其特征在于，所述步骤S4中当归片判别模型对输入的m个检测数据组进行处理，输出待测当归片是否为真当归片的检测结果的方法如下：当归片判别模型对输入的每个检测数据组进行处理，判断每个检测数据组对应的检测结果，如果检测结果为真的检测数据组数量大于检测结果为假的检测数据组数量，则当归片判别模型输出待测当归片为真当归片的检测结果；如果检测结果为真的检测数据组数量小于或等于检测结果为假的检测数据组数量，则当归片判别模型输出待测当归片为假当归片的检测结果。3.根据权利要求2所述的一种当归片检测方法，其特征在于，所述当归片判别模型对每个检测数据组进行处理，判断每个检测数据组对应的检测结果的方法如下：M1：将m个检测数据组依次编号为1、2
……
m，编号为i的检测数据组为X
i
＝{x
i1
、x
i2
、x
i3
…
x
i(n+1)
}，1≤i≤m，n≥3，对每个检测数据组进行优化处理，得到对应的优化数据组，编号为i的检测数据组X
i
对应的优化数据组为Y
i
＝{y
i1
、y
i2
…
y
i(n
‑1)}，其中，1≤j≤n
‑
1，x
ij
为编号为i的检测数据组X
i
中的第j个数据，y
ij
为优化数据组Y
i
中的第j个数据；M2：判断每个检测数据组对应的检测结果；判断编号为i的检测数据组X
i
对应的检测结果的方法如下：计算编号为i的检测数据组X
i
对应的优化数据组Y
i
与当归片判别模型存储的参考集中的每个参考数据组之间的距离，将参考数据组按照距离从小到大排序，取前k个参考数据组作为支持数据组，k个支持数据组依次记为Z1、Z2…
Z
k
，计算出编号为i的检测数据组X
i
对应的预测值f(X
i
)，如果f(X
i
)＝1，则编号为i的检测数据组X
i
对应的检测结果为真，如果f(X
i
)＝
‑
1，则编号为i的检测数据组X
i
对应的检测结果为假；预测值f(X
i
)的公式如下：
K(Y
i
，Z
r
)＝exp(
‑
gamma
×
M(Y
i
，Z
r
)2)，其中，1≤r≤k，α
r
为支持数据组Z
r
的拉格朗日乘子，K(Y
i
，Z
r
)表示优化数据组Y
i
与支持数据组Z
r
之间的核函数值，gamma为核函数系数，M(Y
i
，Z
r
)为优化数据组Y
i
与支持数据组Z
r
的曼哈顿距离，b为偏置值，β
r
为支持数据组Z
r
对应的类别标签值，如果支持数据组Z
r
对应的当归片类别为真，则β
r
＝1；如果支持数据组Z
r
对应的当归片类别为假，则β
r
＝
‑
1。4.根据权利要求3所述的一种当归片检测方法，其特征在于，所述步骤M2中优化数据组Y
i
与当归片判别模型存储的参考集中的参考数据组之间的距离为曼哈顿距离或欧式距离。5.根据权利要求1或2或3或4所述的一种当归片检测方法，其特征在于，所述当归片判别模型通过如下方法获得：N1：选取d个当归片样本，d个当归片样本包括d/2个真当归片样本和d/2个假当归片样本，分别对每个当归片样本进行检测，得到每个当归片样本对应的m个检测数据组；对每个检测数据组进行优化处理，得到每个检测数据组对应的优化数据组，共得到d*m个优化数据组，将d*m个优化数据组作为d*m个参考数据组组成当归片判别模型的参考集；N2：建立并初始化SVM模型；N3：建立如下优化方程：K(E
P
，E
q
)＝exp(
‑
gamma
×
M(E
P
，E
q
)2)，1≤p≤d*m，1≤q≤d*m，优化方程满足如下约束条件：0≤α
p
≤D，其中，E
p
表示第p个参考数据组，E
q
表示第q个参考数据组，K(E
P
，E
q
)表示参考数据组E
p
与参考数据组E
q
之间的核函数值，M(E
P
，E<...

【专利技术属性】
技术研发人员：连俊博，刘嘉鹏，马玲，吴昕灿，钟蕾，曾雅典，惠国华，宁景苑，竺婷，包非凡，王子齐，
申请(专利权)人：浙江农林大学，
类型：发明
国别省市：