基于模糊聚类的水果近红外光谱分类方法技术

本发明专利技术公开一种基于模糊聚类的水果近红外光谱分类方法，对水果样本的近红外光谱进行特征排序的降维处理，用特征提取方法对降维后的近红外光谱数据进行鉴别信息的提取，用一种快速模糊聚类方法进行水果品质的分类，具有检测速度快，分类准确率高，分类效率高，对水果不造成损坏等优点，可实现同一品种不同内部品质的水果分类，以及同一类不同品种水果的分类。

【技术实现步骤摘要】

本专利技术涉及一种水果分类方法，具体涉及一种基于模糊聚类方法和近红外光谱技术的水果内部品质分类方法.
技术介绍
水果分类是水果采收后水果商品化处理的关键环节，分类的核心是水果品质的检测。水果的内部品质检测主要是对水果内部的糖度、酸度和可溶性固形物等进行检测。水果的内部品质受水果的品种、产地、培养条件和气候等影响。近红外光谱技术是一种利用物质对光的吸收、散射、反射和透射等特性来确定其成分含量的非破坏性检测技术。近红外光谱技术具有非破坏性检测、检测速度快、可同时检测多种成分等优点。近红外光谱射向水果后得到漫反射光谱，在不同品种(或不同品质)的水果上获得的漫反射光谱是不同的，利用这个原理，可以将不同品种(或不同品质)的水果区分开来，即实现不同品种(或不同品质)水果的分类。模糊聚类是一种无监督的学习方法。其中最著名的模糊聚类算法是由Bezdek提出的模糊C-均值聚类(FCM)。但是FCM建立在可能性约束条件基础上，对噪声敏感。为了克服FCM的这个缺点,Krishnapuram和Keller放弃了 FCM的可能性约束条件,提出了可能性C-均值聚类(PCM)。PCM能够聚类包含噪声的数据，但是本文档来自技高网...

【技术保护点】
一种基于模糊聚类的水果近红外光谱分类方法，其特征是包括如下步骤：（1）获取不同品质等级的水果样本的近红外漫反射光谱信息，将近红外光谱信息采用主成分分析方法得到一组特征向量?和一组特征值，计算，为第k个特征向量，为第k个特征值，T表示矩阵转置运算，为样本类间散射矩阵，为样本类内散射矩阵，为Fisher比值计算值；将特征值和归一化处理，以构成筛选特征向量的条件，若>则第k个特征向量比第k个特征向量含有更多的特征信息，将特征向量按照的结果排序，从排序后的向量中选取前几个特征向量降维；（2）用特征提取方法对降维后的近红外光谱数据进行鉴别信息的提取：?（3）用以下模糊聚类方法进行水果分类：(i)?初始化...

【技术特征摘要】
1.一种基于模糊聚类的水果近红外光谱分类方法，其特征是包括如下步骤 (1)获取不同品质等级的水果...

【专利技术属性】
技术研发人员：武小红，孙俊，武斌，
申请(专利权)人：江苏大学，
类型：发明
国别省市：