[发明专利]当归和酒当归的近红外定性鉴别模型的构建方法及鉴别方法

权利要求书

1.一种当归和酒当归的近红外定性鉴别模型的构建方法，其特征在于，包括如下步骤：

采集当归和酒当归的近红外光谱，将当归的近红外光谱分为参考光谱集I和测试光谱集I，将酒当归的近红外光谱分为参考光谱集II和测试光谱集II；

以所述参考光谱集I和参考光谱集II作为总参考光谱集，以所述测试光谱集I和测试光谱集II作为总测试光谱集；

在近红外光谱范围，采用预选处理方法对所述总参考光谱集的近红外光谱进行预处理，采用因子化法，构建当归和酒当归的近红外定性预选鉴别模型；

将所述总参考光谱集和总测试光谱集的近红外光谱导入所述当归和酒当归的近红外定性预选鉴别模型，以所述总参考光谱集和总测试光谱集的识别准确率为指标，选择预处理的方法以及近红外光谱范围，确定所述当归和酒当归的近红外定性鉴别模型；

其中，所述预选处理方法选自二阶导数、矢量归一化和平滑处理中的一种或多种组合；

所述近红外光谱范围选自12007.0cm^-1～4000.0cm^-1中的一段范围或几段范围。

2.根据权利要求1所述的构建方法，其特征在于，所述总参考光谱集与总测试光谱集中的近红外光谱数的比值为(1.5～2.5):1。

3.根据权利要求1所述的构建方法，其特征在于，所述识别准确率≥80％。

4.根据权利要求1所述的构建方法，其特征在于，所述预处理的方法为二阶导数和平滑处理的组合；或者

所述预处理的方法为矢量归一化、二阶导数和平滑处理的组合。

5.根据权利要求1所述的构建方法，其特征在于，所述平滑处理的平滑点数为9～13。

6.根据权利要求1～5任一项所述的构建方法，其特征在于，所述预处理的方法为二阶导数和平滑处理的组合，所述平滑处理的平滑点数为9～13，所述近红外光谱范围为12007.0cm^-1～4000.0cm^-1。

7.根据权利要求6所述的构建方法，其特征在于，所述预处理的方法为二阶导数和平滑处理的组合，所述平滑处理的平滑点数为13，所述近红外光谱范围为12007.0cm^-1～4000.0cm^-1。

8.根据权利要求6所述的构建方法，其特征在于，所述预处理的方法为二阶导数和平滑处理的组合，所述平滑处理的平滑点数为9，所述近红外光谱范围为12007.0cm^-1～4000.0cm^-1。

9.根据权利要求1～5任一项所述的构建方法，其特征在于，所述预处理的方法为矢量归一化、二阶导数和平滑处理的组合，所述平滑处理的平滑点数为9～13，所述近红外光谱范围为12007.0cm^-1～4000.0cm^-1、10000.0cm^-1～4000.0cm^-1或9000.0cm^-1～4000.0cm^-1。

10.根据权利要求9所述的构建方法，其特征在于，所述预处理的方法为矢量归一化、二阶导数和平滑处理的组合，所述平滑处理的平滑点数为13，所述近红外光谱范围为12007.0cm^-1～4000.0cm^-1。

11.根据权利要求9所述的构建方法，其特征在于，所述预处理的方法为矢量归一化、二阶导数和平滑处理的组合，所述平滑处理的平滑点数为9，所述近红外光谱范围为12007.0cm^-1～4000.0cm^-1。