一种基于高光谱与制造技术

本发明专利技术提出一种基于高光谱与

【技术实现步骤摘要】
一种基于高光谱与X射线技术的人参质量无损评估方法


[0001]本专利技术属于光谱分析
领域，尤其是涉及一种基于高光谱与
X
射线技术的人参质量无损评估方法
。

技术介绍

[0002]目前人参皂苷的含量测定的方法主要是依靠化学分析，包括可见
‑
紫外分光光度法
、
薄层色谱法
、
毛细管电泳法
、
高效液相色谱法和高效液相色谱
‑
质谱法
。
这些化学分析方法虽然可以准确的测定出人参皂苷等化学成分的含量，但是需要消耗大量的时间对样品进行粉碎和成分提取等操作，难以实现对大量样品的实时在线分析
。
此外，成分提取过程需要使用大量的有机试剂，使分析的成本大大增加
。
除此之外，近红外光谱技术也被用于人参总皂苷的含量预测，但是在样品处理过程中，同样不可避免的对样品进行粉碎处理
。
人参作为一种珍贵的草本营养产品和全球消费最广泛的替代药物，目前急需一种快速
、
无损的分析方法对与质量相关的活性成分进行含量预测
。

技术实现思路

[0003]有鉴于此，本专利技术提出一种基于高光谱与
X
射线技术的人参质量无损评估方法，具体为：
[0004]一种基于高光谱与
X
射线技术的人参质量无损评估方法，包括如下步骤：
[0005]获取待检测人参样品的高光谱数据，并对高光谱数据进行信息提取；
[0006]获取待检测人参样品的
X
射线数据，并对
X
射线图像进行信息提取；
[0007]获取待检测人参样品的高效液相色谱数据；
[0008]基于光谱数据，对所述提取得到的光谱数据进行预处理；
[0009]基于光谱数据，对所述预处理后的光谱数据进行特征波长选择；
[0010]基于图像信息，对所述的图像信息进行特征提取；
[0011]基于单一数据建立人参质量评价模型；
[0012]基于集成学习建模方法整合多种模型的预测结果，获得人参的质量信息
。
[0013]进一步的，在所述步骤
S1
中，
[0014]所述人参样品的高光谱数据的获取，包括以下步骤：
[0015]挑选芦头
、
主根和侧根相对完整的人参，并清理表面的泥土，备用；
[0016]高光谱成像光谱仪的采集参数设置为：光圈大小为
f2.8
，曝光时间为
19ms
，光谱仪的镜头与样品之间的距离为
32.5cm
，得到高光谱数据；
[0017]所述的人参样品的高光谱数据的信息提取，包括以下步骤：
[0018]提取高光谱数据中的光谱信息；
[0019]提取高光谱数据中的图像信息，包括颜色信息和纹理特征信息
。
[0020]更进一步的，所述人参样品的颜色信息包括：
[0021]基于
HSV
值计算的一阶颜色矩阵
、
二阶颜色矩阵和三阶颜色矩阵得到的9种颜色信
息；
[0022]所述的人参样品的纹理特征信息包括：
[0023]使用灰度梯度共生矩阵计算得到的小梯度优势，大梯度优势，灰度分布不均匀性，梯度分布不均匀性，能量，灰度平均，梯度平均，灰度方差，梯度方差，相关，灰度熵，梯度熵，混合熵，惯性，逆差矩
15
种纹理特征信息
。
[0024]更进一步的，在所述步骤
S2
中，所述的人参样品的
X
射线数据的获取，包括以下步骤：
[0025]X
射线发射器的发射角为
27.0
°
；
[0026]按照一定的间距将样品放置在传送带上，传送带运行速度为
12.0m/min
；
[0027]同时放置一个已知密度的标准样品，与人参样品共同采集灰度图像
。
[0028]所述的人参样品的
X
射线数据的信息提取，包括以下步骤：
[0029]计算每张
X
光图像上人参样品与标准样品的平均灰度值；
[0030]通过公式
D
i
＝
D
holder
*G
i
/G
holder
将人参的灰度值直接转换为密度值，其中，
D
i
是待测物质的绝对密度值，
D
holder
是标准物质的绝对密度值，
G
i
和
G
holder
分别为待测物质和标准物质的平均灰度值
。
[0031]更进一步的，在所述步骤
S4
中，对所述的光谱数据进行预处理的方法，包括：
[0032]去除噪声数据的处理以及去除测量环境影响数据的处理中的一种或多种处理
。
[0033]更进一步的，在所述步骤
S5
中，对所述的处理后光谱数据进行特征波长选择，包括：
[0034]基于特征变量筛选算法从光谱数据中的所有波段中筛选出特征波长
。
[0035]更进一步的，在所述步骤
S6
中，对所述的图像信息进行特征提取，包括：
[0036]基于特征变量筛选算法从图像信息中筛选出特征图像信息
。
[0037]更进一步的，在所述步骤
S7
中，基于单一数据建立人参质量评价模型，包括：
[0038]基于高光谱数据中的特征波长信息，建立随机森林回归模型；
[0039]基于高光谱数据中的特征图像信息，建立偏最小二乘回归模型；
[0040]基于密度值信息，建立线性回归模型
。
[0041]更进一步的，所述单一数据具体为，高光谱数据中的特征波长信息
、
高光谱数据中的特征图像信息和密度值信息三种数据
。
[0042]更进一步的，在所述步骤
S8
中，基于集成学习建模方法整合多种模型的预测，获得人参的质量信息，包括：
[0043]将预设特征变量的数据集输入至预先训练好的基本模型中；
[0044]采用
Stacking
的集成学习方法组合每个基本模型的预测结果，取待检测人参样品的质量信息
。
[0045]本专利技术所带来的有益效果为：
[0046]本专利技术利用高光谱与
X
射线技术采集完整的人参样品的信息，通过集成学习的建模方法整合来自两个设备的互补信息
。
这项专利技术的优势不仅在于提供准确可靠的结果，更在于其操作的简便性和高效性
。
传统的人参检测方法通常需要复杂本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于高光谱与
X
射线技术的人参质量无损评估方法，其特征在于，包括如下步骤：
S1、
获取待检测人参样品的高光谱数据，并对高光谱数据进行信息提取；
S2、
获取待检测人参样品的
X
射线数据，并对
X
射线数据进行信息提取；
S3、
获取待检测人参样品的高效液相色谱数据；
S4、
基于光谱数据，对所述提取得到的光谱数据进行预处理；
S5、
基于光谱数据，对所述预处理后的光谱数据进行特征波长选择；
S6、
基于图像信息，对所述的图像信息进行特征提取；
S7、
基于单一数据，建立人参质量评价模型；
S8、
基于集成学习建模方法整合多种模型的预测结果，获得人参的质量信息
。2.
根据权利要求1所述的一种基于高光谱与
X
射线技术的人参质量无损评估方法，其特征在于，在所述步骤
S1
中，所述人参样品的高光谱数据的获取，包括以下步骤：挑选芦头
、
主根和侧根相对完整的人参，并清理表面的泥土，备用；高光谱成像光谱仪的采集参数设置为：光圈大小为
f2.8
，曝光时间为
19ms
，光谱仪的镜头与样品之间的距离为
32.5cm
，得到高光谱数据；所述的人参样品的高光谱数据的信息提取，包括以下步骤：提取高光谱数据中的光谱信息；提取高光谱数据中的图像信息，包括颜色信息和纹理特征信息
。3.
根据权利要求2所述的一种基于高光谱与
X
射线技术的人参质量无损评估方法，其特征在于，所述人参样品的颜色信息包括：基于
HSV
值计算的一阶颜色矩阵
、
二阶颜色矩阵和三阶颜色矩阵得到的9种颜色信息；所述的人参样品的纹理特征信息包括：使用灰度梯度共生矩阵计算得到的小梯度优势，大梯度优势，灰度分布不均匀性，梯度分布不均匀性，能量，灰度平均，梯度平均，灰度方差，梯度方差，相关，灰度熵，梯度熵，混合熵，惯性，逆差矩
15
种纹理特征信息
。4.
根据权利要求1所述的一种基于高光谱与
X
射线技术的人参质量无损评估方法，其特征在于，在所述步骤
S2
中，所述的人参样品的
X
射线数据的获取，包括以下步骤：
X
射线发射器的发射角为
27.0
°
；按照一定的间距将样品放置在传送带上，传送带运行速度为
12.0m/min
；同时放置一个已知密度的标准样品，与人参样品共同采集灰度图像
。
...

【专利技术属性】
技术研发人员：刘长青，缪培琪，王苹，郝楠，
申请(专利权)人：天津现代创新中药科技有限公司，
类型：发明
国别省市：