[发明专利]一种基于特征峰及算法参数选取的奶粉品牌快速鉴别方法

摘要

本发明公开了一种基于特征峰及算法参数选取的奶粉品牌快速鉴别方法，首先采集奶粉样品的拉曼光谱谱图数据，选取奶粉拉曼光谱特征成分对应的特征峰；然后采用SVM分类算法对奶粉样品的拉曼光谱谱图数据进行分析，使用网格搜索法寻找算法最佳的参数，建立最佳的分类识别模型；最后，对奶粉品牌进行识别。本发明采用特征峰及经过网格搜索确定的最佳SVM分类识别模型对奶粉品牌进行鉴别，创造性地将奶粉的特征指纹图谱技术和网格搜索法寻参技术应用在奶粉质量评价上，并具有操作简单、分析速度快、识别率高等优点，对奶粉质量安全控制具有较大意义。

主权项

1.一种基于特征峰及算法参数选取的奶粉品牌快速鉴别方法，其特征在于，包括以下步骤：(1)采集奶粉样品的拉曼光谱谱图；(2)对拉曼光谱谱图进行前处理，包括以下步骤：a.构建原始拉曼光谱数据矩阵X；b.采用小波函数对矩阵X进行小波降噪处理得到矩阵D；c.对矩阵D进行[0,1]区间归一化，得到矩阵Y：其中，min(D)为矩阵D的最小值，max(D)为矩阵的最大值；(3)采用SVM分类器对奶粉样品的拉曼光谱谱图数据进行分析，建立奶粉品牌鉴别的最佳特征峰，包括以下步骤：A.将301cm‑1–1800cm‑1波段的奶粉拉曼光谱对应的矩阵Y取80％作为训练集、20％作为测试集，建立SVM分类器模型；对矩阵Y进行K‑CV交叉验证，通过网格搜索得到最佳惩罚函数参数c和核函数参数g；B.将301cm‑1–1800cm‑1波段的奶粉拉曼光谱等间距分成若干段，每个波段对应的矩阵Y分别取80％作为训练集，20％作为测试集，用步骤A中确定的最佳惩罚函数参数c和核函数参数g，建立SVM分类器模型；C.对若干段矩阵Y分别进行100次SVM分类识别测试，得到平均识别率>80％的矩阵Y对应的特征波段；D.将步骤C中得到的所有特征波段进行组合，用步骤A中确定的最佳惩罚函数参数c和核函数参数g，建立SVM分类器模型，再次进行分类识别，得到最佳识别率对应的特征波段组合，即最佳特征波段组合；(4)对步骤D中确定的最佳特征波段组合，重新进行100次网格搜索，寻找特征波段组合对应的最佳惩罚函数参数c和核函数参数g，进行SVM分类识别测试，得到识别率为100％测试下出现频率最高的惩罚函数参数和核函数参数，即最佳算法参数；(5)在步骤D中得到的最佳特征波段组合和步骤(4)得到的最佳算法参数下，进行奶粉品牌识别。