System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及花椒检测,尤其涉及一种花椒产地识别方法。
技术介绍
1、花椒是一种常见的调味品,其复杂的风味和多样化的应用吸引着烹饪爱好者和研究人员。花椒的产地较多,不同的地域环境对于花椒的品质有一定的影响,花椒与众不同的感官体验和烹饪价值在很大程度上受到其原产地的影响。随着人们对农产品真实性和质量保证的要求越来越高,准确区分产地变得至关重要。
2、目前,花椒产地识别主要基于气相色谱-质谱(gc-ms)、高效液相色谱(hplc)的化学指纹图谱,及其电感耦合等离子体质谱(icp-ms)的元素指纹图谱。然而,这些方法也有一些缺点,如检测成本高昂,检测操作复杂耗时,检测准确度欠佳等。
技术实现思路
1、本专利技术为了解决上述技术问题,提供了一种花椒产地识别方法,其提高了花椒产地识别的准确度,操作简单,检测时间短,成本较低。
2、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:
3、本专利技术的一种花椒产地识别方法,包括以下步骤:
4、s1:采集多个地区的花椒,提取每个地区的花椒对应的特征数据集;
5、s2:将每个地区的花椒对应的特征数据集输入机器学习分类模型进行训练,得到训练完成的花椒产地识别模型;
6、s3:提取待测花椒对应的特征数据集,将待测花椒对应的特征数据集输入花椒产地识别模型,花椒产地识别模型输出待测花椒的产地信息。
7、作为优选,所述提取花椒对应的特征数据集的方法包括以下步骤:
9、n2:将检测容器挥发的气体送入电子鼻装置,电子鼻装置每隔0.1秒采样一次,得到1200个响应值;
10、n3:根据1200个响应值计算出特征数据集。
11、作为优选,所述步骤n3包括以下步骤:
12、n31:对1200个响应值进行多项式曲线拟合,得到拟合曲线y(t),
13、y(t)=α0+α1t+α2t2+α3t3+α4t4,
14、其中,t为采样时间,y(t)为t时刻的响应值,α0、α1、α2、α3、α4为系数;
15、n32:将α0、α1、α2、α3、α4进行归一化处理,归一化到[0,1]区间内,得到对应的归一化数据β0、β1、β2、β3、β4,计算出特征值a0、a1、a2、a3、a4,ai=αi+βi,0≤i≤4;
16、n33:将拟合曲线y(t)上第10*(j+1)秒的响应值进行归一化处理,j=0、1、2……11,归一化到[0,1]区间内,得到对应的归一化数据aj;
17、n34:计算拟合曲线y(t)上第10*j至10*(j+1)秒的积分值sj,将积分值sj进行归一化处理,归一化到[0,1]区间内,得到对应的归一化数据bj;
18、n35:将拟合曲线y(t)上第1、2、3……120秒的响应值组成数据集合e,e=[y(1)、y(2)、y(3)、……y(120)],将数据集合e进行希尔伯特变换得到数据集合f,f=[w(1)、w(2)、w(3)、……w(120)],将数据集合f中的数据w(10*(j+1))进行归一化处理,归一化到[0,1]区间内,得到对应的归一化数据ci;
19、n36:计算出特征值bj,bj=aj+bj+cj,将特征值bj进行归一化处理,归一化到[0,1]区间内,得到对应的归一化数据cj;
20、n37:将a0、a1、a2、a3、a4、c0、c1、c2、c3、……、c11组成特征数据集。
21、a0、a1、a2、a3、a4中包含了原有的响应值的参数信息,并增强了五个参数之间的关系信息;由于不同的花椒由于环境因素导致同一产地的花椒气体含量有所差异,但不同成分的比例却具有不变规律,因此步骤n33使用归一化凸显特征;c 0、c1、c2、c3、……、c11包含着面积变化、响应变化以及希尔伯特变化的叠加信息。本方法将拟合曲线y(t)转换为结构化的特征数据集,便于后续模型训练。
22、作为优选,所述步骤n31中采用最小二乘法对1200个响应值进行多项式曲线拟合,得到拟合曲线y(t)。
23、作为优选,所述步骤n34中计算积分值sj的公式如下:
24、
25、作为优选,所述机器学习分类模型为svm模型。
26、作为优选,所述svm模型的c值为10,gamma值为1,学习率或权重增长率为1。
27、作为优选,所述步骤n2中将检测容器挥发的气体以400ml/min的受控流速送入电子鼻装置。
28、本专利技术的有益效果是:提高了花椒产地识别的准确度,检测准确率高,操作简单,检测时间短,成本较低。
本文档来自技高网...【技术保护点】
1.一种花椒产地识别方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种花椒产地识别方法,其特征在于,所述提取花椒对应的特征数据集的方法包括以下步骤:
3.根据权利要求2所述的一种花椒产地识别方法,其特征在于,所述步骤N3包括以下步骤:
4.根据权利要求3所述的一种花椒产地识别方法,其特征在于,所述步骤N31中采用最小二乘法对1200个响应值进行多项式曲线拟合,得到拟合曲线y(t)。
5.根据权利要求3所述的一种花椒产地识别方法,其特征在于,所述步骤N34中计算积分值Sj的公式如下:
6.根据权利要求1或2或3或4或5所述的一种花椒产地识别方法,其特征在于,所述机器学习分类模型为SVM模型。
7.根据权利要求6所述的一种花椒产地识别方法,其特征在于,所述SVM模型的c值为10,gamma值为1,学习率或权重增长率为1。
8.根据权利要求2所述的一种花椒产地识别方法,其特征在于,所述步骤N2中将检测容器挥发的气体以400mL/min的受控流速送入电子鼻装置。
【技术特征摘要】
1.一种花椒产地识别方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种花椒产地识别方法,其特征在于,所述提取花椒对应的特征数据集的方法包括以下步骤:
3.根据权利要求2所述的一种花椒产地识别方法,其特征在于,所述步骤n3包括以下步骤:
4.根据权利要求3所述的一种花椒产地识别方法,其特征在于,所述步骤n31中采用最小二乘法对1200个响应值进行多项式曲线拟合,得到拟合曲线y(t)。
5.根据权利要求3所述的一种花椒产地...
【专利技术属性】
技术研发人员:连俊博,竺婷,吴昕灿,马玲,曾雅典,韩文慧,解雅萍,郑越,徐宇轩,李欣霖,吕琦,叶谦胜,惠国华,周厚奎,
申请(专利权)人:浙江农林大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。