[发明专利]茶叶近红外光谱分析中谱峰自动检测与重构方法及系统

权利要求书

1.茶叶近红外光谱分析中谱峰自动检测与重构方法，其特征在于，包括以下步骤：

步骤一：先采集待检测茶叶样本，再获取茶叶样本的近红外光谱数据，并形成原始数据；

步骤二：先获取原始数据，再初始化包含相关系数γ、迭代次数T、噪声方差λ、对称半正定矩阵A以及相关系数相对误差η的块稀疏贝叶斯学习方法参数；

所述步骤二中，块稀疏贝叶斯学习方法优化函数如下：

L＝log|λI+ΩΣ₀Ω^T|+y^T(λI+ΩΣ₀Ω^T)^-1y

其中，I表示单位矩阵，y表示为经过测量矩阵Ω得到光谱的压缩矩阵，是测量矩阵，是所有块的方差矩阵，表示为：

Σ₀＝diag{γ₁Β₁,…,γ_iΒ_i,…,γ_gΒ_g}

其中，γ_i表示第i个块的块相关系数，B_i表示第i个块的结构矩阵；

步骤三：根据原始数据中的光谱特征，基于一阶偏差和二阶偏差来计算光谱中的吸收峰位置；

步骤四：根据计算得到的吸收峰位置，基于半峰高计算谱峰的峰宽；

步骤五：根据每个块的稀疏度控制系数计算块的对称半正定矩阵、相关性结构矩阵和相关系数；

步骤六：基于代价函数计算原始数据中每个块的误差值，并筛选稀疏块；

步骤七：计算光谱后验概率的期望和方差；

步骤八：利用最小化代价函数求解超参数，并更新初始化参数中的噪声方差λ；

步骤九：计算块相关系数的相对误差及当前迭代次数，若相对误差小于设定误差系数η或当前迭代次数大于设定迭代次数T，则转至步骤十，否则转至步骤五；

步骤十：利用光谱后验概率的期望，确定最终的茶叶稀疏重构数据并输出。

2.根据权利要求1所述的茶叶近红外光谱分析中谱峰自动检测与重构方法，其特征在于：所述步骤三中，谱峰位置确定计算如下：

Δx_j＝x_j-x_j-1

Δ²x_j＝Δx_j-Δx_j-1

s.t.Δx_j＝0andΔ²x_j＜0

其中，Δx_j和Δ²x_j分别是谱峰顶点x_j的一阶偏差和二阶偏差。

3.根据权利要求1所述的茶叶近红外光谱分析中谱峰自动检测与重构方法，其特征在于：所述步骤四中，谱峰宽度的计算表示如下：

其中，n和m分别是x_n和x_m的索引，相对高度差H表示如下：

其中，x_i和x_k分别是谱峰的起始点和终止点。

4.根据权利要求1所述的茶叶近红外光谱分析中谱峰自动检测与重构方法，其特征在于：所述步骤五中，对称半正定矩阵、相关性结构矩阵和相关系数表示如下：

其中，和d_i是第i个块的大小。

5.根据权利要求1所述的茶叶近红外光谱分析中谱峰自动检测与重构方法，其特征在于：所述步骤六中，代价函数误差计算如下：

L＝log|λI+ΩΣ₀Ω^T|+y^T(λI+ΩΣ₀Ω^T)^-1y

其中，是测量矩阵，是所有块的方差矩阵，表示为：

其中，表示第i块在第t步迭代时块的方差矩阵。