[发明专利]一种基于边界点的抗噪支持向量机的水蜜桃品质分级的方法

说明书

本发明公开了一种基于边界点的抗噪支持向量机的水蜜桃品质分级方法，其步骤如下：(1)采集不同品质等级的水蜜桃可见/近红外光谱数据，并对可见/近红外光谱数据进行预处理和PCA特征提取；(2)将不同品质等级的水蜜桃可见/近红外光谱样本集两两组合，建立多组水蜜桃可见/近红外光谱训练集；(3)使用基于边界点的抗噪支持向量机对训练集进行训练，得到多个水蜜桃品质等级分类器；(4)利用水蜜桃品质等级分类器对待分级的水蜜桃可见/近红外光谱进行检测。本发明使用基于边界点的抗噪支持向量机对水蜜桃的可见/近红外光谱进行检测，具有检测速度快、抗噪能力强、分类准确性高等优点，可实现在噪声检测环境下对水蜜桃品质等级分级。

技术领域

本发明涉及水蜜桃品质等级鉴别领域，具体涉及一种基于边界点的抗噪支持向量机的水蜜桃品质等分级的方法。

背景技术

桃原产于中国，除了具有很好的观赏性外，更具有很有的食用性，桃富含蛋白质、脂肪、糖、钙、磷、铁和多种维生素，特别是铁的含量在水果中名列前茅。特别是水蜜桃，其以果肉柔嫩、甜蜜多汁、香气浓郁而享誉海内外。同时，从国际贸易看，东南亚作为世界两个鲜桃市场之一，其良好的桃消费习惯和广阔的市场成为推进我国水蜜桃产业发展的动力。但是，我国水蜜桃生产技术水平较低，离标准化生产和规范化管理还有很大的距离，水蜜桃的品质分级操作基本通过人工方式处理。然而，由于水蜜桃含粗纤维少肉质细软、个头大、水分足且皮薄绵软，采用人工方式进行品质等级的鉴定存在以下的缺陷：1)人工方法常会在水蜜桃上留下手印子，并由于氧化的缘故，手印处会颜色变深，影响水蜜桃的品相和质量；2)人工品质分级方法主观性强，标准化程度低；3)水蜜桃成熟上市的时间较集中且不易存储，人工品质分级方法耗费时间长，不利于水蜜桃从生产环节到物流环节的流通。因此，研究一种简单、快速、且无损的水蜜桃品质分级的自动鉴定方法不仅具有极大的经济价值,而且对于水蜜桃产业的健康持续发展具有重要的意义。

可见/近红外光谱分析技术是依据某一物质成分对电磁波的吸收特性而进行的定性、定量分析技术，可见/近红外光谱分析具有速度快、效率高、结果稳定、测试重现性好、无破坏等优点。潘磊庆等在《水蜜桃货架期内糖度的近红外光谱检测》(南京农业大学学报，2013年4月)中使用近红外光谱技术和偏最小二乘法建立水蜜桃货架期糖度无损的检测方法；李晓丽等在《基于主成分分析和多类判别分析的可见-红外光谱水蜜桃品种鉴别新方法》(红外与毫米波学报，2009年12月)中使用可见-近红外光谱仪测定水蜜桃的光谱曲线,再用主成分分析法对不同品种样本进行聚类分析,同时结合多类判别分析技术建立水蜜桃品种鉴别的模型。

上述潘磊庆和李晓丽等的水蜜桃鉴别模型均建立在光谱数据无噪声的情况下，不适用于带噪声的水蜜桃光谱数据。然而可见/近红外光谱属于一种绝对测量技术，容易受到噪声的影响，且噪声一般对测量的结果有较大的影响。赵环环等在《噪声对近红外光谱分析的影响及相应的数学处理方法》(光谱学与光谱分析，2013年4月)一文中以玉米籽粒为例，对近红外光谱分析仪进行近红外分析的可行性进行了分析，指出对于信噪比较低的可见/近红外光谱分析仪采集的光谱数据，需要借助一定的软件技术才能用于定量分析。另外，Rukshan Batuwita等人在《FSVM-CIL:Fuzzy Support Vector Machines for ClassImbalance Learning》(IEEE TRANSACTIONS ON FUZZY SYSTEMS，2010年6月)一文中指出真实环境下采集的数据很大程度上或多或少都存在噪声。

针对水蜜桃品质分级方法的现状与诸多不足，以及为了能有效适用于日常生产环节的分级检测，本发明提出了一种基于边界点的抗噪支持向量机的水蜜桃品质分级的方法。

发明内容

本发明的主要目的是为了提供一种无损、易操作、高可靠、高质量的基于边界点的抗噪支持向量机的水蜜桃品质分级的方法，重点缓解因噪声给现有可见/近红外定性分析模型带来的误差的影响，提高水蜜桃品质分级方法的准确性和抗噪性。