[发明专利]葡萄酒产地智能识别方法及系统

权利要求书

1.葡萄酒产地智能识别方法，其特征在于：所述识别方法包括以下步骤：

S1：收集不同产地的葡萄酒样品，通过螺旋下降的方式随机采集葡萄酒样品的至少三个光谱数据，并绘制光谱图，对光谱图进行预处理后，利用识别模型对光谱图进行特征变量提取和预测分类，生成溯源光谱图；

S2：通过螺旋下降的方式随机采集待识别葡萄酒样品的至少三个光谱数据，并绘制光谱图，对所述光谱图进行预处理，生成待识别光谱图；

S3：待识别光谱图输入预先训练好的识别模型，识别模型将待识别光谱图与溯源光谱图进行比对，根据比对数据输出得到识别结果。

2.根据权利要求1所述的葡萄酒产地智能识别方法，其特征在于：三个光谱数据分别为葡萄酒瓶的上、中、下三个层次区域，上层为葡萄酒以及密度小于葡萄酒的漂浮物，中层为葡萄酒，下层为葡萄酒以及密度大于葡萄酒的沉淀物，对葡萄酒瓶的上、中、下三个区域划分方式为：以葡萄酒瓶的整体高度除以三得到。

3.根据权利要求2所述的葡萄酒产地智能识别方法，其特征在于：步骤S3中，将待识别光谱图与溯源光谱图进行比对包括以下步骤：

S3.1：设三个待识别光谱数据分别为A₁、A₂、A₃，溯源光谱数据为B₁、B₂、B₃、C₁、C₂、C₃......}；

S3.2：将偏差在0.5％内的溯源光谱数据与待识别光谱数据选出；

S3.3：A₁、A₂、A₃与C₁、C₂、C₃的单独光谱数据对比偏差小于0.5％，再将A₁、A₂、A₃与C₁、C₂、C₃依次对比，产生九组对比数据；

S3.4：取九组对比数据的平均值，平均值小于1％确定待识别葡萄酒的产地。

4.根据权利要求3所述的葡萄酒产地智能识别方法，其特征在于：还包括

S3.5：待识别光谱数据与溯源光谱数据对比偏差均大于0.5％，识别模型将该葡萄酒的光谱图进行特征变量提取和预测分类。

5.根据权利要求4所述的葡萄酒产地智能识别方法，其特征在于：所述光谱图进行预处理包括降维和去噪，对光谱图去噪包括以下步骤：

设窗口大小为5，即每次取5个点，包括自身和前后2个点；

把光谱一段区间的波长间隔的5个点记为X集合；

通过在波长点为X_k-2,X_k-1,X_k,X_k+1,X_k+2的数据的多项式拟合值来取代X_k，k表示轨迹点上的第k个点；

依次移动，直到把光谱遍历完。

6.根据权利要求5所述的葡萄酒产地智能识别方法，其特征在于：对光谱图降维包括以下步骤：

通过最小化目标函数进行变量选择；

构建稀疏字典；

将实时深度学习模型引入到光谱特征领域中。

7.根据权利要求6所述的葡萄酒产地智能识别方法，其特征在于：所述识别模型结合支持向量机分析、多层RBM串联和BP神经网络三种技术共同训练得到，对RBM的结构进行改进包括以下步骤：

预训练单层RBM，多层叠加形成网络；

在网络的最后一层设置BP网络，接收RBM的输出特征向量作为它的输入特征向量，有监督地训练实体关系分类器；

将模型算法与SVM+Boosting算法融合。