[发明专利]基于光谱波长优选的水果糖度和酸度无损检测方法

权利要求书

1.一种基于光谱波长优选的水果糖度和酸度无损检测方法，其特征在于，包括如下步骤：

步骤一、采集水果样本数据，并构成标注样本集合；所述标注样本集合由两部分组成，分别是水果样本原始近红外光谱数据、水果实际的糖度和酸度数据；

步骤二、数据预处理

对所述水果样本原始近红外光谱数据进行预处理，得到校正集光谱数据矩阵和预测集光谱数据矩阵；步骤三、特征波长选择

利用竞争自适应重加权采样算法分别基于水果实际的糖度和酸度数据对校正集光谱数据矩阵进行特征波长选择，得到糖度特征波长数据矩阵和酸度特征波长数据矩阵；

步骤四、特征波长优选

基于波长优选法对所述糖度特征波长数据矩阵和酸度特征波长数据矩阵进行整合并筛选，从而得到同时对糖度和酸度预测有效的优选波长数据矩阵；

所述特征波长优选按如下子步骤进行：

步骤4.1、令建模波长数据矩阵A为所述糖度特征波长数据矩阵和酸度特征波长数据矩阵的并集；

步骤4.2、定义变量i；

步骤4.3、根据建模波长数据矩阵A建立偏最小二乘PLS模型，并计算偏最小二乘PLS模型的总体误差E0；

步骤4.4、定义误差阈值为e，且满足e＜E0；

步骤4.5、初始化i＝1；

步骤4.6、从建模波长数据矩阵A中删除第i个波长变量λi，得到第i次更新后的建模波长数据矩阵Ai；根据第i次更新后的建模波长数据矩阵Ai建立第i个偏最小二乘PLS模型，并计算第i个偏最小二乘PLS模型的总体误差Ei；

步骤4.7、将i+1赋值给i后，返回步骤4.6执行，直到i＝k为止，从而得到由各偏最小二乘PLS模型的总体误差组成的集合{E1,E2,…,Ek}，其中，k表示建模波长数据矩阵A中波长变量的个数；从集合{E1,E2,…,Ek}选出最小值Ep；

步骤4.8.判断Ep＞e是否成立，若是，则将最小值Ep所对应波长变量λp从建模波长数据矩阵A中删除，从而得到更新后的建模波长数据矩阵，并赋值给A，而后返回步骤4.5继续执行，直至A为空为止；否则，算法终止，并得到同时对糖度和酸度预测有效的优选波长数据矩阵；

步骤五、以所述优选波长数据矩阵作为输入，以所述糖度和酸度数据作为输出，建立偏最小二乘PLS模型，从而实现同时对水果糖度和酸度的高精度无损检测。

2.根据权利要求1所述的基于光谱波长优选的水果糖度和酸度无损检测方法，其特征在于：

所述预处理包括：

a、剔除异常光谱，剔除谱线两端的噪声，保留波长范围475-925mm的光谱，得到样本集光谱数据矩阵；

b、对样本集光谱数据矩阵进行矢量归一化处理，再进行三次多项式窗口大小为5的卷积平滑处理，得近红外吸光度光谱数据矩阵；

c、样本划分，得到校正集和预测集

采用SPXY法，首先选择欧氏距离最远的两个样本进入校正集，然后计算剩余的每一个样本到校正集内每一个已知样本的欧氏距离，将拥有最大的最小距离的待选样本放入校正集，依次类推，直到找到所要求的样本数目；

步骤c得到校正集光谱数据矩阵和预测集光谱数据矩阵。

3.根据权利要求1所述的基于光谱波长优选的水果糖度和酸度无损检测方法，其特征在于，所述步骤一包括如下步骤：

步骤1.1、水果样本原始近红外光谱数据的采集：

选取水果样本，对每个水果样本在赤道上均匀分布的四个部位依次编号并标记；

使用光谱仪和光纤采样附件采集水果样本各标记点区域的近红外漫反射光谱；

将采集到的近红外漫反射光谱转换为吸光度光谱，并作为水果样本原始近红外光谱数据；

步骤1.2、样本标签的采集：

利用水果糖酸一体机测定各标记点区域的水果实际的糖度和酸度数据。

4.根据权利要求3所述的基于光谱波长优选的水果糖度和酸度无损检测方法，其特征在于，所述偏最小二乘PLS模型的总体误差是利用式(1)计算得到：

(1)

式(1)中，E为偏最小二乘PLS模型的总体误差，和分别表示偏最小二乘PLS模型对糖度的预测决定系数和对酸度的预测决定系数。