[发明专利]一种饲料原料中非法添加物三聚氰胺甲醛树脂的检测方法

摘要

本发明公开了一种饲料原料中非法添加物三聚氰胺甲醛树脂的检测方法，通过利用近红外光谱仪采集饲料原料的光谱，对光谱进行预处理获取训练样本，并采用对类别敏感的iVISSA方法进行波段选择，该方法可以有效地选择三聚氰胺甲醛树脂与其他成分差异性大的特征峰，提高检测效率和准确性。然后选取一定数量的训练样本进行建模，建立模型的方法为信息熵权重局部超平面(Entropy Weight local‑Hyperplane k‑nearest‑neighbor,EWHK)方法作对照实验，实现对掺假样本检测。本发明可以有效提高检测精度，具有检测快速、稳定性强的优点。

主权项

1.一种饲料原料中非法添加物三聚氰胺甲醛树脂的检测方法，其特征在于实现步骤如下：/n步骤101，采用近红外光谱仪采集空白样本以及添加不同浓度三聚氰胺甲醛树脂的掺假样本的近红外光谱数据，所述空白样本包含无添加的饲料样本和添加物三聚氰胺甲醛树脂的纯物质样本；/n步骤102，对采集到的近红外光谱数据进行预处理，以去除噪声、基线的干扰；/n步骤103，对步骤102预处理后得到的数据，选取其中部分三聚氰胺甲醛树脂掺假样本和空白样本作为训练样本，所述空白样本包含无添加的饲料样本和添加物的纯物质样本，并对训练样本的近红外光谱数据进行波段选择，选择出有用波段，选择结果应用于所有数据；/n步骤104，对训练样本进行信息熵权重局部超平面，即EWHK分类模型训练，建立分类模型；/n步骤105，近红外光谱仪采集待测饲料的近红外光谱数据；/n步骤106，对待测样本的近红外光谱数据进行预处理，以去除噪声、基线的干扰，得到待测数据；/n步骤107，将训练样本的波段选择结果应用于步骤106预处理之后的待测样本数据；/n步骤108，将波段选择之后的光谱数据代入步骤104中已建立的分类模型，检测待测样本是否含有三聚氰胺甲醛树脂，实现对非法添加三聚氰胺甲醛树脂样本的检测；/n所述步骤104中，信息熵权重局部超平面方法在计算中引入不同变量的比重综合得到预测样本与超平面的欧式距离，特征权重值是由样本信息熵权决定的，因此能够客观的反映数据信息在分类中的贡献，首先，挑选K个最近邻样本，选用自适应最近邻算法，选择最近邻时不仅通过欧式距离评定，还引入了特征变量权重加以分析，这样选择的最近邻更能够代表样品整体特性；然后，计算样品与该平面的权重欧式距离对样本完成定性鉴别，具体步骤如下：/n设包含m个样本，L个类别的训练集且每个样本包含n个特征，x_i表示第i个光谱样本，记为：x_i＝(x_i1,…,x_in)^T，对应类别为y_i＝c，其中i＝1,…,m且c＝1,…,L，待测样本q，设q＝(q₁,…,q_n)^T；/nStep1:计算训练样本的特征权重w_j：/n /n /n /n其中z_ij为标准化数据；β为调节参数；H_j为样本中第j个特征的信息熵；x_ij为光谱数据的第i个样本的第j个特征；n表示特征个数，m表示样本个数，w_j为训练样本第j个特征的权重值；/nStep2:计算待测样本q与训练样本的权重欧氏距离D(x_i,q)：/n /n其中D(x_i,q)为待测样本与所给定的每个类别的样本之间的权重欧式距离；x_ij为第i个训练样本第j个特征值；q_j为待测样本的像元的光谱向量q＝(q₁,…,q_n)^T的第j个特征值；w_j为训练样本第j个特征的权重值，n表示特征个数；/nStep3:根据D(x_i,q)，得到类c样本中与q最邻近的k个训练样本p_c，并构造超平面集合LH_c(q)：/n /n /nV_.i＝p_ci-m_c/nα＝(α₁,…,α_k)^T/n其中LH_c(q)为所构造的超平面的集合；s为超平面；p_ci为训练样本中属于类别c的近邻；m_c为k个近邻p_ci的平均值；V_.i为近邻与近邻平均值之间的特征差值；α为构造超平面时所选用的拉普拉斯算子向量；α_i为α的分量；k为人为选择，k≥2，并且k不能超过训练样本个数；/nStep4:计算q到类c超平面的最小距离：/n /nW＝diag(w₁,…,w_n)/n其中，J_c(q)为拉格朗日最小距离算子；w_j为训练样本第j个特征的权重值；V_j·为近邻与近邻平均值之间的特征差值的第j个特征值；m_cj为m_c的第j个特征值；q_j为待测样本的第j个特征值；α为构造超平面时所选用的拉普拉斯算子向量；V为所有的近邻与近邻平均值之间的特征差值组成的向量；W为所有训练样本的特征权重组成的对角向量；s为超平面；q为待测样本；w₁,...,w_n为特征权重；λ是一个用于控制α值避免其过大的参数，取值为0-10之间；/n令计算得α值使得待测样品与超平面距离最小：(U^TV+λI_k)α＝U^T(q-m_c),其中U^T＝V^TW,w₁为第一个特征的权重值，w_n为第n个特征的权重值，U为酉矩阵，I_k为单位阵；/nStep5:分类判别：根据待测样本q与超平面距离最小值分类label(q)，即：/nlabel(q)＝argmin_cJ_c(q)/n其中label(q)为待测样本所属类别；J_c(q)为拉格朗日最小距离算子；argmin_cJ_c(q)代表使J_c(q)的值最小的超平面所属于的类别；/n找到与待测样本的近红外光谱最近的超平面，该超平面的类别即为待测样本的类别，即为判断待测样本是否含有三聚氰胺甲醛树脂信息的依据，最终实现对非法添加三聚氰胺甲醛树脂样本的检测。/n