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() 基于数据融合的面粉蛋白质含量在线监测的方法技术_技高网

基于数据融合的面粉蛋白质含量在线监测的方法技术

技术编号:41087423 阅读:3 留言:0更新日期:2024-04-25 13:48
本发明专利技术属于面粉在线监测应用技术领域,尤其涉及一种基于数据融合的面粉蛋白质含量在线监测的方法。使用光谱技术测定面粉的近红外吸收光谱和中红外吸收光谱结合化学计量学知识,对样品中蛋白质含量进行进行定量分析,具有快速、无损、安全、简便等特点,使用多元散射校正结合标准正态变量变换处理光谱数据能够去除面粉颗粒大小不均匀引起的光散射现象,本发明专利技术提出的改进的主成分分析进行降维,去除了噪音,冗余信息,保留了有效信息。对近红外光谱数据和中红外光谱数据的两组特征变量进行特征集融合,实现了不同波段有效光谱特征的融合,发挥了光谱信息的更大潜力。搭建结合Boosting的PLS算法,实现面粉中蛋白质含量的在线监测,加强了算法的泛化能力。

【技术实现步骤摘要】

本专利技术属于面粉在线监测应用,尤其涉及一种基于数据融合的面粉蛋白质含量在线监测的方法


技术介绍

1、小麦是我国的一种重要粮食产品之一,其主要含有淀粉、蛋白质以及脂肪等物质。面粉中蛋白质含量的高低,既是判断面粉营养价值的一项重要指标,也是影响面粉使用功能、食品品质及市场价值的重要因素。因此,检测面粉中蛋白质含量工作十分重要,但在检测的实际操作过程中,会存在一定的不确定度,致使测定结果产生误差,因此需要对面粉中的蛋白质含量进行实时监测、准确检测,以期能提高面粉中蛋白质含量检测的质量,获得更可靠、更真实的检测数据。


技术实现思路

1、本专利技术针对所存在的技术问题,提出一种设计合理、方法简单、理论性强且能够实现检测的准确性和快速性的基于数据融合的面粉蛋白质含量在线监测的方法。

2、为了达到上述目的,本专利技术采用的技术方案为:一种基于数据融合的面粉蛋白质含量在线监测的方法,包括如下步骤:

3、s1、样本制备,制备不同蛋白质含量的面粉样本;

4、s2、近红外光谱数据采集,取3g面粉样本粉末装入石英样品杯中,平铺均匀平整,采用积分球漫反射方法进行光谱数据采集;

5、s3、中红外光谱数据采集,取3g面粉样本粉末装入石英样品杯中,平铺均匀平整,采用积分球漫反射方法进行光谱数据采集;

6、s4、对近红外光谱数据和中红外光谱数据分别进行预处理,先进行归一化处理,然后使用多元散射校正结合标准正态变量变换处理;

7、s5、对近红外光谱数据和中红外光谱数据分别进行特征提取,基于改进的主成分分析分别得到近红外光谱数据和中红外光谱数据前20个特征变量,所述改进的主成分分析确定个特征变量得分的计算公式为:

8、scorei=αpi+βki+γmici+(1-α-β-γ)rfi

9、其中,scorei表示特征变量得分,pi表示第i个特征变量与蛋白质含量的pearson系数绝对值,ki表示第i个特征变量与蛋白质含量的kendall相关系数绝对值,mici表示第i个特征变量与蛋白质含量的最大互信息系数绝对值,rfi表示第i个特征变量与蛋白质含量的随机森林特征重要度,α、β、γ为决定系数,所述随机森林特征重要度的计算公式为:

10、

11、其中,n表示rf中决策树的个数,表示第j棵决策树中第i个特征变量的袋外错误样本数,表示第j棵决策树中第i个特征变量的进行随机序列改变后重新计算的袋外错误样本数;

12、s6、对近红外光谱数据和中红外光谱数据的两组特征变量进行特征集融合,得到融合特征;

13、s7、搭建结合boosting的pls算法,实现面粉中蛋白质含量的在线监测。

14、作为优选,所述步骤s2步骤近红外光谱数据采集的条件为分辨率8cm-1,扫描波数范围10000-4000cm-1,信号累计扫描64次,每个样本重复扫描3次,取其平均光谱作为样本的近红外光谱数据。

15、作为优选,所述s3步骤中红外光谱数据采集的条件为扫描波数范围4000-450cm-1,分辨率4cm-1,信号扫描累计16次,每个样本重复扫描3次,取其平均光谱作为样本的中红外光谱数据。

16、作为优选,所述步骤4使用多元散射校正结合标准正态变量变换处理为先使用多元散射矫正对近红外光谱数据和中红外光谱数据进行校正,再对校正后的近红外光谱数据和中红外光谱数据使用标准正态变量变换进行二次校正。

17、作为优选,所述步骤7搭建结合boosting的pls算法是计算模型的加权误差以及模型的可信度,通过可信度更新权重,实现模型的学习。

18、与现有技术相比,本专利技术的优点和积极效果在于:

19、本专利技术提供的基于数据融合的面粉蛋白质含量在线监测的方法,使用光谱技术测定面粉的近红外吸收光谱和中红外吸收光谱结合化学计量学知识,对样品中蛋白质含量进行进行定量分析,具有快速、无损、安全、简便等特点。使用多元散射校正结合标准正态变量变换处理光谱数据能够去除面粉颗粒大小不均匀引起的光散射现象。本专利技术提出的改进的主成分分析进行降维,pearson相关系数确定光谱数据与蛋白质含量之间的线性关系,kendall相关系数确定光谱数据与蛋白质含量之间的秩相关系数,最大互信息系数法确定光谱数据与蛋白质含量之间的非线性关系,rf是以特征重要度来表示光谱数据与蛋白质含量之间的相关性,去除了噪音,冗余信息,保留了有效信息。对近红外光谱数据和中红外光谱数据的两组特征变量进行特征集融合,实现了不同波段有效光谱特征的融合,发挥了光谱信息的更大潜力。搭建结合boosting的pls算法,实现面粉中蛋白质含量的在线监测,加强了算法的泛化能力,提升了模型的运算效率、预测能力和稳健性。

本文档来自技高网...

【技术保护点】

1.一种基于数据融合的面粉蛋白质含量在线监测的方法,其特征在于,包括如下步骤:

2.根据权利要求1所述的基于数据融合的面粉蛋白质含量在线监测的方法,其特征在于,所述步骤S2步骤近红外光谱数据采集的条件为分辨率8cm-1,扫描波数范围10000-4000cm-1,信号累计扫描64次,每个样本重复扫描3次,取其平均光谱作为样本的近红外光谱数据。

3.根据权利要求1所述的基于数据融合的面粉蛋白质含量在线监测的方法,其特征在于,所述S3步骤中红外光谱数据采集的条件为扫描波数范围4000-450cm-1,分辨率4cm-1,信号扫描累计16次,每个样本重复扫描3次,取其平均光谱作为样本的中红外光谱数据。

4.根据权利要求1所述的基于数据融合的面粉蛋白质含量在线监测的方法,其特征在于,所述步骤4使用多元散射校正结合标准正态变量変换处理为先使用多元散射矫正对近红外光谱数据和中红外光谱数据进行校正,再对校正后的近红外光谱数据和中红外光谱数据使用标准正态变量变换进行二次校正。

5.根据权利要求1所述的基于数据融合的面粉蛋白质含量在线监测的方法,其特征在于,所述步骤7搭建结合Boosting的PLS算法是计算模型的加权误差以及模型的可信度,通过可信度更新权重,实现模型的学习。

...

【技术特征摘要】

1.一种基于数据融合的面粉蛋白质含量在线监测的方法,其特征在于,包括如下步骤:

2.根据权利要求1所述的基于数据融合的面粉蛋白质含量在线监测的方法,其特征在于,所述步骤s2步骤近红外光谱数据采集的条件为分辨率8cm-1,扫描波数范围10000-4000cm-1,信号累计扫描64次,每个样本重复扫描3次,取其平均光谱作为样本的近红外光谱数据。

3.根据权利要求1所述的基于数据融合的面粉蛋白质含量在线监测的方法,其特征在于,所述s3步骤中红外光谱数据采集的条件为扫描波数范围4000-450cm-1,分辨率4cm-1,信号扫描累计16次...

【专利技术属性】
技术研发人员:曲延鹏武凤磊刘明新刘明喜
申请(专利权)人:冠县新瑞实业有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1