[发明专利]一种中药材道地性的鉴别方法、系统及计算机可读介质

权利要求书

1.一种中药材道地性的鉴别方法，其特征在于，所述方法包括：

根据产品的样本原始光谱、明场光谱及暗场光谱计算生成样本反射谱数据；

将样本反射谱数据按比例分为训练集与测试集，对训练集和测试集中的数据进行预处理；

构建卷积神经网络模型，通过预处理后的训练集与测试集生成卷积神经网络溯源模型；

将待检测样本数据输入卷积神经网络模型，得到产地分类的预测结果及相关概率。

2.根据权利要求1所述的中药材道地性的鉴别方法，其特征在于，所述生成样本反射谱数据的计算方法为：

样本反射谱数据＝(样本原始光谱-暗场光谱)/(明场光谱-暗场光谱)。

3.根据权利要求1所述的中药材道地性的鉴别方法，其特征在于，所述对训练集和测试集中的数据进行预处理步骤包括：

对训练集数据、测试集数据进行去噪音处理，并为训练集数据添加标签；

对训练集数据与测试集数据进行过采样，并对所述标签的值进行独热编码。

4.根据权利要求3所述的农产品产地溯源的鉴别方法，其特征在于，所述去噪音处理为归一化、傅里叶变换、小波变换、多元散射校正、标准正态变量变换与主成分分析中的至少一种。

5.根据权利要求1所述的农产品产地溯源的鉴别方法，其特征在于，还包括：

所述卷积神经网络模型包含三个卷积层，一个最大池化层以及三个全连接层；

所述卷积层激活函数为ReLU激活函数；

所述全连接层输出激活函数为softmax激活函数；

所述卷积神经网络模型损失函数为交叉熵损失函数。

6.根据权利要求1所述的中药材道地性的鉴别方法，其特征在于，所述生成卷积神经网络溯源模型包括：

将训练集数据输入卷积神经网络模型进行训练，获得训练模型；

将测试集数据输入训练模型进行测试；

判断训练模型是否过拟合，若是，则对参数进行优化并重新训练卷积神经网络模型，若否，则保存该训练模型为卷积神经网络溯源模型。

7.根据权利要求7所述的中药材道地性的鉴别方法，其特征在于，所述对参数进行优化方法为增加训练集数据、在网络层加入BN层、dropout层与分批次训练中的一种或多种。

8.一种中药材道地性的鉴别系统，其特征在于，所述系统包括：

光谱转换单元：用于生成样本反射谱数据，并对样本反射谱数据进行分类及预处理；

调参训练单元：用于生成卷积神经网络溯源模型；

鉴别输出单元：用于得出产地分类的预测结果及相关概率。

9.一种计算机可读介质，其特征在于，所述计算机可读介质存储有机器可执行指令，所述机器可执行的指令执行时实现权利要求1至8中任一项所述的应用于农产品产地溯源的鉴别方法。