基于茶叶产地与时间因素耦合关系的茶叶溯源方法及系统技术方案

本申请涉及一种基于茶叶产地与时间因素耦合关系的茶叶溯源方法及系统，通过接收茶叶样品近红外特征光谱数据，对每一份接收到的光谱数据分别采取不同的数据处理算法进行处理，选择不同的数据处理算法得到茶叶样品近红外特征光谱图，对茶叶样品近红外特征光谱图获取特征光谱信号，利用获取的特征光谱信号，求取对应数据处理算法下同一产地的各个时间段内茶叶样品的近红外特征光谱数据图像中特征光谱信号与原产地因素耦合关系，基于耦合关系在全卷积神经网络深度学习算法下建立基于茶叶样品近红外特征光谱数据图像中特征光谱信号的鉴别模型。该鉴别模型解决了传统检测方法受限于茶叶产地与时间因素耦合关系，且鉴别的准确度较高。确度较高。确度较高。

【技术实现步骤摘要】
基于茶叶产地与时间因素耦合关系的茶叶溯源方法及系统


[0001]本申请涉及质量检测
，特别是涉及一种基于茶叶产地与时间因素耦合关系的茶叶溯源方法及系统。

技术介绍

[0002]各个正品茶叶生产、销售和检测机构急需改变目前不利状况。然而，目前茶叶品质鉴定技术主要包括光谱法、色谱法、稳定同位素标记法、多矿物元素检测法与滋味因子法、质谱法等。光谱法、色谱法、稳定同位素标记法、多矿物元素检测法鉴别方法费时费力且设备成本较高，不利于大面积推广使用。滋味因子法或质谱法对于同一批次或同一年份的茶叶，在建立模型后准确度较高，但是对于不同批次或不同年份的茶叶鉴别的准确度较低。为了解决滋味因子法或质谱法受限于茶叶产地与时间因素耦合关系，鉴别茶叶产地准确度较低的缺陷，本申请提出一种基于茶叶产地与时间因素耦合关系的茶叶溯源方法。

技术实现思路

[0003]为了解决滋味因子法或质谱法受限于茶叶产地与时间因素耦合关系，鉴别茶叶产地准确度较低的缺陷，本申请提出一种基于茶叶产地与时间因素耦合关系的茶叶溯源方法。
[0004]本申请提供一种基于茶叶产地与时间因素耦合关系的茶叶溯源方法，包括：
[0005]选取一个产地；
[0006]接收同一个时间段内的同一产地的多份茶叶样品的茶叶样品近红外特征光谱数据；
[0007]对每一份茶叶样品的茶叶样品近红外特征光谱数据分别使用不同的数据处理算法进行去噪处理；
[0008]提取每一份去噪后的茶叶样品近红外特征光谱图中的特征光谱信号；
[0009]接收另一个时间段的同一产地的多份茶叶样品的茶叶样品近红外特征光谱数据，返回所述对每一份茶叶样品的茶叶样品近红外特征光谱数据分别使用不同的数据处理算法进行去噪处理，直至该产地的所有时间段内的茶叶样品近红外特征光谱图中的特征光谱信号均被采集；
[0010]切换另一个产地，返回所述接收同一个时间段内的同一产地的多份茶叶样品的茶叶样品近红外特征光谱数据，直至各个不同产地的各个时间段内的茶叶样品近红外特征光谱图中的特征光谱信号被采集；
[0011]对各个产地的各个时间段内的使用不同的数据处理算法的茶叶样品近红外特征光谱图中特征光谱信号分别进行分析，求每一种数据处理算法下的同一产地的各个时间段内茶叶样品的近红外特征光谱图中特征光谱信号与原产地因素的耦合关系；
[0012]利用茶叶样品的近红外特征光谱图中特征光谱信号与原产地因素的耦合关系，在全卷积神经网络深度学习算法下建立基于茶叶样品近红外特征光谱图中特征光谱信号的
鉴别模型；
[0013]将一个产地的不同时间段茶叶分梯度融合入该原产地年份为0年的茶叶样本池，对每一个原产地茶叶建立样本池，利用原产地茶叶样本池对基于茶叶样品近红外特征光谱图中特征光谱信号的鉴别模型进行训练；
[0014]对比每一种数据处理算法下的同一产地的基于茶叶样品近红外特征光谱图中特征光谱信号的鉴别模型的准确度，选择准确度最高的数据处理算法下的同一产地的基于茶叶样品近红外特征光谱图中特征光谱信号的鉴别模型为最终鉴别模型；
[0015]接收待检测的茶叶样本的近红外特征光谱数据；
[0016]将待检测的茶叶样本的近红外特征光谱数据导入最终鉴别模型，并输出检测的茶叶样本关于各个原产地可信度数值比例表。
[0017]本申请提供一种基于茶叶产地与时间因素耦合关系的茶叶溯源方法的系统，包括：
[0018]上位机，用于执行基于茶叶产地与时间因素耦合关系的茶叶溯源方法；
[0019]近红外检测仪，用于扫描茶叶样品，获取茶叶样品近红外特征光谱数据，且与所述上位机通信连接。
[0020]本申请涉及一种基于茶叶产地与时间因素耦合关系的茶叶溯源方法及系统，通过接收茶叶样品近红外特征光谱数据，对每一份接收到的光谱数据分别采取不同的数据处理算法进行去噪处理和融合处理，选择不同的数据处理算法得到茶叶样品近红外特征光谱图，对茶叶样品近红外特征光谱图获取特征光谱信号，利用获取的特征光谱信号，求取对应数据处理算法下同一产地的各个时间段内茶叶样品的近红外特征光谱数据图像中特征光谱信号与原产地因素耦合关系，基于耦合关系在全卷积神经网络深度学习算法下建立基于茶叶样品近红外特征光谱数据图像中特征光谱信号的鉴别模型。该鉴别模型解决了传统检测方法受限于茶叶产地与时间因素耦合关系，并且鉴别茶叶产地准确度较高。
附图说明
[0021]构成本申请的一部分的附图用来提供对本申请的进一步理解，使得本申请的其它特征、目的和优点变得更明显。本申请的示意性实施例附图及其说明用于解释本申请，并不构成对本申请的不当限定。
[0022]图1为本申请一实施例提供的一种基于茶叶产地与时间因素耦合关系的茶叶溯源方法的流程图。
[0023]图2为本申请一实施例提供的一种基于茶叶产地与时间因素耦合关系的茶叶溯源方法的系统的模块连接图。
[0024]附图标记：
[0025]100
‑
上位机；200
‑
近红外检测仪。
具体实施方式
[0026]为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
[0027]本申请提供一种基于茶叶产地与时间因素耦合关系的茶叶溯源方法及系统。
[0028]如图1所示，在本申请的一实施例中，一种基于茶叶产地与时间因素耦合关系的茶叶溯源方法，包括：
[0029]S100，选取一个产地。
[0030]S200，接收同一个时间段内的同一产地的多份茶叶样品的茶叶样品近红外特征光谱数据，对每一份茶叶样品的茶叶样品近红外特征光谱数据分别使用不同的数据处理算法进行去噪处理，提取每一份去噪后的茶叶样品近红外特征光谱图中的特征光谱信号。
[0031]S300，接收另一个时间段的同一产地的多份茶叶样品的茶叶样品近红外特征光谱数据，返回所述对每一份茶叶样品的茶叶样品近红外特征光谱数据分别使用不同的数据处理算法进行去噪处理，直至该产地的所有时间段内的茶叶样品近红外特征光谱图中的特征光谱信号均被采集。
[0032]S400，切换另一个产地，返回所述接收同一个时间段内的同一产地的多份茶叶样品的茶叶样品近红外特征光谱数据，直至各个不同产地的各个时间段内的茶叶样品近红外特征光谱图中的特征光谱信号被采集。
[0033]S500，对各个产地的各个时间段内的使用不同的数据处理算法的茶叶样品近红外特征光谱图中特征光谱信号分别进行分析，求每一种数据处理算法下的同一产地的各个时间段内茶叶样品的近红外特征光谱图中特征光谱信号与原产地因素的耦合关系。
[0034]S600，利用茶叶样品的近红外特征光谱图中特征光谱信号与原产地因素的耦合关系，在全卷积神经网络深度学习算法下建立基于茶叶样品近红外特征光谱图中特征光谱信号的鉴别模型。
[0035]S700本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于茶叶产地与时间因素耦合关系的茶叶溯源方法，其特征在于，包括：选取一个产地；接收同一个时间段内的同一产地的多份茶叶样品的茶叶样品近红外特征光谱数据；对每一份茶叶样品的茶叶样品近红外特征光谱数据分别使用不同的数据处理算法进行去噪处理；提取每一份去噪后的茶叶样品近红外特征光谱图中的特征光谱信号；接收另一个时间段的同一产地的多份茶叶样品的茶叶样品近红外特征光谱数据，返回所述对每一份茶叶样品的茶叶样品近红外特征光谱数据分别使用不同的数据处理算法进行去噪处理，直至该产地的所有时间段内的茶叶样品近红外特征光谱图中的特征光谱信号均被采集；切换另一个产地，返回所述接收同一个时间段内的同一产地的多份茶叶样品的茶叶样品近红外特征光谱数据，直至各个不同产地的各个时间段内的茶叶样品近红外特征光谱图中的特征光谱信号被采集；对各个产地的各个时间段内的使用不同的数据处理算法的茶叶样品近红外特征光谱图中特征光谱信号分别进行分析，求每一种数据处理算法下的同一产地的各个时间段内茶叶样品的近红外特征光谱图中特征光谱信号与原产地因素的耦合关系；利用茶叶样品的近红外特征光谱图中特征光谱信号与原产地因素的耦合关系，在全卷积神经网络深度学习算法下建立基于茶叶样品近红外特征光谱图中特征光谱信号的鉴别模型；将一个产地的不同时间段茶叶分梯度融合入该原产地年份为0年的茶叶样本池，对每一个原产地茶叶建立样本池，利用原产地茶叶样本池对基于茶叶样品近红外特征光谱图中特征光谱信号的鉴别模型进行训练；对比每一种数据处理算法下的同一产地的基于茶叶样品近红外特征光谱图中特征光谱信号的鉴别模型的准确度，选择准确度最高的数据处理算法下的同一产地的基于茶叶样品近红外特征光谱图中特征光谱信号的鉴别模型为最终鉴别模型；接收待检测的茶叶样本的近红外特征光谱数据；将待检测的茶叶样本的近红外特征光谱数据导入最终鉴别模型，并输出检测的茶叶样本关于各个原产地可信度数值比例表。2.根据权利要求1所述的基于茶叶产地与时间因素耦合关系的茶叶溯源方法，其特征在于，所述对每一份茶叶样品的茶叶样品近红外特征光谱数据分别使用不同的数据处理算法进行去噪处理步骤，包括：将每一份茶叶样品近红外特征光谱数据映射为一个茶叶样品近红外特征光谱图；利用Savitzky
‑
Golay卷积平滑算法对每一个茶叶样品近红外特征光谱图进行平滑处理，得到多个第一图像；利用多元散射校正算法对每一个茶叶样品近红外特征光谱图进行平滑处理，得到多个第二图像；利用标准正态变换算法对每一个茶叶样品近红外特征光谱图进行平滑处理，得到多个第三图像；利用二阶导数算法对每一个茶叶样品近红外特征光谱图进行平滑处理，得到多个第四
图像。3.根据权利要求2所述的基于茶叶产地与时间因素耦合关系的茶叶溯源方法，其特征在于，所述对每一份茶叶样品的茶叶样品近红外特征光谱数据分别使用不同的数据处理算法进行去噪处理步骤，还包括：利用Savitzky
‑
Golay卷积平滑和多元散射校正算法对每一个茶叶样品近红外特征光谱图进行平滑处理，得到多个第五图像；利用Savitzky
‑
Golay卷积平滑和标准正态变换算法对每一个茶叶样品近红外特征光谱图进行平滑处理，得到多个第六图像；利用二阶导数和多元散射校正算法对每一个茶叶样品近红外特征光谱图进行平滑处理，得到多个第七图像；利用二阶导数和标准正态变换算法对每一个茶叶样品近红外特征光谱图进行平滑处理，得到多个第八图像。4.根据权利要求3所述的基于茶叶产地与时间因素耦合关系的茶叶溯源方法，其特征在于，所述对比每一种数据处理算法下的同一产地的基于茶叶样品近红外特征光谱图中特征光谱信号的鉴别模型的准确度，选择准确度最高的数据处理算法下的同一产地的基于茶叶样品近红外特征光谱图中特征光谱信号的鉴别模型为最终鉴别模型步骤，还包括：获取计算利用各个时间段内的同一产地的每一...

【专利技术属性】
技术研发人员：付贤树，白雪，孙敏，吴诗雯，张明洲，俞晓平，叶子弘，邱雨楼，
申请(专利权)人：中国计量大学，
类型：发明
国别省市：