[发明专利]一种基于近红外光谱技术鉴别野生和养殖海鲈鱼的方法

权利要求书

1.一种基于近红外光谱技术鉴别野生和养殖海鲈鱼的方法，其特征在于，所述方法包括以下步骤：

(1)样品的前处理：分别将野生和养殖海鲈鱼去鳞、去皮、去内脏，沿背部采肉，用绞肉机绞碎混匀，装入培养皿中，轻轻压实以排除培养皿底部的气泡；

(2)图谱采集：利用傅里叶变换红外光谱仪，设置扫描波数范围为10000～4000cm^-1，扫描次数64，分辨率8cm^-1，每个样品重复采集3次光谱，取平均光谱作为原始光谱图，构建野生和养殖海鲈鱼的近红外光谱图库；

(3)光谱预处理：光谱预处理方法选自未处理、多元散射校正(MSC)、标准正态变量变换(SNV)、一阶导数(FD)、二阶导数(SD)、平滑中的一种或多种；

(4)主成分分析：将预处理后的光谱数据进行主成分分析，选取前10个主成分的得分值作为支持向量机的输入；

(5)libsvm options参数优化：采用交互验证(cross validation,CV)意义下的网格搜寻(grid search)、遗传算法(genetic algorithm,GA)、粒子群优化算法(particle swarm optimization,PSO)寻找最佳参数c和g；

(6)模型的构建：选取样本数的三分之二作为训练集，剩余三分之一作为预测集进行判别验证，建立野生和养殖海鲈鱼的SVM分类模型。

2.权利要求1所述的方法，其特征在于：所述步骤(3)中的光谱预处理方法具体步骤是：

(1)多元散射校正(MSC)用以消除测试样品因粒径大小以及颗粒分布不均匀产生的散射影响，MSC的具体算法如下：

a.计算平均光谱：

$\stackrel{\‾}{X_i}=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}\frac{X_i}{n}$

b.对平均光谱作线性回归：

$X_i=m_i\stackrel{\‾}{X_i}+b_i$

c.对每一条光谱作MSC校正：

$X_{i\left(MSC\right)}=\frac{(X_i-b_i)}{m_i}$

式中，X_i表示第i个样品的光谱数据；表示平均光谱；m_i表示X_i与的斜率；b_i表示截距；

(2)标准正态变量变换(SNV)用来校正样品间因散射而引起的光谱误差：

$x_{snv}=\frac{x-\stackrel{\‾}{x}}{std\left(x\right)}$

式中：x表示样品光谱值，表示平均光谱，std(x)表示光谱标准偏差；

(3)导数算法用于消除基线偏移或平缓背景干扰的影响，其中一阶导数(FD)用于消除基线平移，二阶导数(SD)可同时消除平移和线性倾斜；对于波长采样点少的近红外光谱，通过Savitzky-Golay卷积求导法计算；

$X\left(i\right)=\frac{x(i+g)-x\left(i\right)}{g}$

$X\left(i\right)=\frac{x(i+g)-2x\left(i\right)+x(i-g)}{g^2}$

式中，x为求导数前的光谱吸光度，g是导数窗口宽度，X为求导数后的光谱吸光度；

(4)平滑是采用Savitzky-Golay法，它是采用最小二乘拟合系数建立滤波函数，是对移动区间内的光谱进行多项式最小二乘拟合。