一種近紅外光譜鑒別平利絞股藍(lán)的方法
【專利摘要】本發(fā)明提供一種近紅外光譜鑒別平利絞股藍(lán)的方法,包括如下步驟:A、建立平利絞股藍(lán)的近紅外光譜鑒別模型:A-1、選擇光譜范圍4000-12500cm-1,掃描平利絞股藍(lán)近紅外光譜圖;A-2、對(duì)光譜范圍4000-9500cm-1的數(shù)據(jù)進(jìn)行預(yù)處理;A-3、提取主成分;A-4、建立人工神經(jīng)網(wǎng)絡(luò)模型:采取人工神經(jīng)網(wǎng)絡(luò)算法,根據(jù)輸入輸出數(shù)據(jù)特點(diǎn)確定神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu),再利用訓(xùn)練數(shù)據(jù)訓(xùn)練此神經(jīng)網(wǎng)絡(luò);運(yùn)用MATLAB軟件建立輸入層節(jié)點(diǎn)10-隱含層節(jié)點(diǎn)5-輸出層節(jié)點(diǎn)2的BP人工神經(jīng)網(wǎng)絡(luò)模型;B、未知樣品的鑒別:未知樣品在相同條件下掃描近紅外光譜圖,選取主成分?jǐn)?shù)目,依據(jù)訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型來(lái)判斷未知樣品的真?zhèn)?,輸出?jié)點(diǎn)分別用二進(jìn)制代碼表示,10代表是平利絞股藍(lán),01代表是非平利絞股藍(lán)。
【專利說(shuō)明】一種近紅外光譜鑒別平利絞股藍(lán)的方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種近紅外光譜鑒別平利絞股藍(lán)的方法,尤其涉及一種用近紅外光譜技術(shù)結(jié)合人工神經(jīng)網(wǎng)絡(luò)算法鑒別平利絞股藍(lán)的方法,屬于近紅外光譜檢測(cè)分析領(lǐng)域。
【背景技術(shù)】
[0002]絞股藍(lán),又稱七葉膽和七葉參等,具有降血壓,降血脂,降血糖,護(hù)心保肝,調(diào)脂減肥,有“不老長(zhǎng)壽藥草”的稱謂。自2004國(guó)家質(zhì)檢總局對(duì)陜西平利絞股藍(lán)實(shí)施原產(chǎn)地地域保護(hù)以來(lái),平利絞股藍(lán)的身價(jià)倍增,市場(chǎng)上以次充好、假冒偽劣現(xiàn)象時(shí)有發(fā)生,為有效識(shí)別不同產(chǎn)地的平利絞股藍(lán),保護(hù)消費(fèi)者的權(quán)益,建立高效絞股藍(lán)產(chǎn)地識(shí)別技術(shù)勢(shì)在必行。
[0003]近紅外光譜具有反應(yīng)速度快、信息量豐富、預(yù)處理少、不污染環(huán)境等優(yōu)點(diǎn),已在很多領(lǐng)域得到廣泛應(yīng)用,成為目前研究最熱門(mén)的光譜分析技術(shù)之一。近紅外光譜包含了樣品的大量信息,因此,將近紅外分析技術(shù)與模式識(shí)別方法相結(jié)合,將能更有效地對(duì)樣品進(jìn)行等級(jí)和類屬的判別。近紅外模式識(shí)別技術(shù)是應(yīng)用化學(xué)模式識(shí)別的方法從物質(zhì)的近紅外數(shù)據(jù)推知物質(zhì)歸屬的技術(shù)?;瘜W(xué)模式識(shí)別的所有方法都可用于近紅外模式識(shí)別的研究。目前,基于近紅外的模式識(shí)別技術(shù)已被廣泛應(yīng)用于農(nóng)業(yè)、醫(yī)藥、食品、石油等領(lǐng)域,在真假判別、等級(jí)分類、原產(chǎn)地鑒定等方面發(fā)揮了重要的作用。但模式識(shí)別建立的識(shí)別模型都是針對(duì)特定產(chǎn)品,特異性較強(qiáng)。 申請(qǐng)人:已采用采用近紅外光譜法結(jié)合馬氏距離算法,及合格性測(cè)試有效鑒別了響水大米;利用fisher判別算法成功鑒別初榨橄欖油及油橄欖果渣油。本發(fā)明基于近紅外光譜技術(shù)結(jié)合人工神經(jīng)網(wǎng)絡(luò)算法鑒別平利絞股藍(lán)。目前,國(guó)內(nèi)外學(xué)者對(duì)絞股藍(lán)的研究主要集中在化學(xué)成分和其藥理作用上進(jìn)行研究。其主要含有皂苷[I]、多糖[2]和氨基酸
[4]、黃酮類[3]、有機(jī)酸和微量元素[4]等多種化學(xué)成分。這些報(bào)道證實(shí)不同產(chǎn)地絞股藍(lán)的成分是存在差異的,因此這些方法對(duì)于鑒別不同產(chǎn)地的絞股藍(lán)真?zhèn)斡幸欢▍⒖純r(jià)值,但目前未見(jiàn)利用其成分差異進(jìn)行平利絞股藍(lán)的鑒`別真?zhèn)蔚膱?bào)道。
【發(fā)明內(nèi)容】
[0004]本發(fā)明的目的在于提供一種本發(fā)明的目的在于提供一種快速、準(zhǔn)確的用近紅外光譜技術(shù)結(jié)合人工神經(jīng)網(wǎng)絡(luò)算法鑒別平利絞股藍(lán)真?zhèn)蔚姆椒ā?br>
[0005]本發(fā)明的技術(shù)方案是:這種近紅外光譜鑒別平利絞股藍(lán)的方法,包括如下步驟:
[0006]A、建立平利絞股藍(lán)的近紅外光譜鑒別模型
[0007]A-1、選擇光譜范圍4000-12500011'掃描平利絞股藍(lán)近紅外光譜圖;
[0008]A-2、對(duì)光譜范圍4000-12500(^-1的數(shù)據(jù)進(jìn)行預(yù)處理;
[0009]A-3、提取主成分;
[0010]A-4、建立人工神經(jīng)網(wǎng)絡(luò)模型:采取人工神經(jīng)網(wǎng)絡(luò)算法,根據(jù)輸入輸出數(shù)據(jù)特點(diǎn)確定神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu),再利用訓(xùn)練數(shù)據(jù)訓(xùn)練此神經(jīng)網(wǎng)絡(luò),得到平利絞股藍(lán)的鑒別模型;
[0011]B、未知樣品的鑒別
[0012]未知樣品在相同條件下掃描近紅外光譜圖,選取主成分?jǐn)?shù)目,依據(jù)訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型來(lái)判斷未知樣品的真?zhèn)?,輸出?jié)點(diǎn)分別用二進(jìn)制代碼表示,10代表是平利絞股藍(lán),01代表是非平利絞股藍(lán)。
[0013]所述的近紅外光譜鑒別平利絞股藍(lán)的方法,步驟A-1所述的掃描平利絞股藍(lán)近紅外光譜圖包括:將有效量的平利絞股藍(lán)樣品干燥粉碎后均勻置于石英樣品池中,使用傅立葉近紅外光譜儀進(jìn)行吸收光譜掃描;掃描模式為旋轉(zhuǎn)漫反射,分辨率為ScnT1,每個(gè)樣本掃描多次,取平均光譜為樣本最終的分析光譜;
[0014]所述的近紅外光譜鑒別平利絞股藍(lán)的方法,步驟A-2所述的平利絞股藍(lán)近紅外光譜圖數(shù)據(jù)預(yù)處理包括:對(duì)絞股藍(lán)樣本光譜進(jìn)行多元散射校正+適量歸一化的預(yù)處理,通過(guò)該處理消除樣品不均勻、光散射及儀器噪聲等干擾因素的影響,提高模型的預(yù)測(cè)精度和穩(wěn)定性。
[0015]所述的近紅外光譜鑒別平利絞股藍(lán)的方法,步驟A-3所述的提取主要成分是通過(guò)主成分分析方法對(duì)光譜圖信息進(jìn)行降維,取前10個(gè)主成分累計(jì)貢獻(xiàn)率為99.99%,有限量的輸入減少模型的計(jì)算復(fù)雜度,提高模型的預(yù)測(cè)精度。
[0016]所述的近紅外光譜鑒別平利絞股藍(lán)的方法,步驟A-4所述的平利絞股藍(lán)建立人工神經(jīng)網(wǎng)絡(luò)模型包括運(yùn)用MATLAB軟件建立輸入層節(jié)點(diǎn)10-隱含層節(jié)點(diǎn)5-輸出層節(jié)點(diǎn)2的BP人工神經(jīng)網(wǎng)絡(luò)模型:
[0017]A-4-1、輸入層節(jié)點(diǎn)數(shù)的確定:取10個(gè)主成分得分為參數(shù),確定網(wǎng)絡(luò)的輸入層節(jié)點(diǎn)為10 ;
[0018]A-4-2、隱層節(jié)點(diǎn)數(shù)的確定:用下公式求出:
[0019]
【權(quán)利要求】
1.一種近紅外光譜鑒別平利絞股藍(lán)的方法,其特征包括如下步驟: A、建立平利絞股藍(lán)的近紅外光譜鑒別模型 A-1、選擇光譜范圍4000-12500(^'掃描平利絞股藍(lán)近紅外光譜圖; A-2、選取光譜范圍4000-9500(^-1的數(shù)據(jù)進(jìn)行預(yù)處理; A-3、提取主成分; A-4、建立人工神經(jīng)網(wǎng)絡(luò)模型:采取人工神經(jīng)網(wǎng)絡(luò)算法,根據(jù)輸入輸出數(shù)據(jù)特點(diǎn)確定神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu),再利用訓(xùn)練數(shù)據(jù)訓(xùn)練此神經(jīng)網(wǎng)絡(luò),得到平利絞股藍(lán)的鑒別模型; B、未知樣品的鑒別 未知樣品在相同條件下掃描近紅外光譜圖,選取主成分?jǐn)?shù)目,依據(jù)訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型來(lái)判斷未知樣品的真?zhèn)危敵龉?jié)點(diǎn)分別用二進(jìn)制數(shù)字表示,10代表是平利絞股藍(lán),01代表是非平利絞股藍(lán)。
2.根據(jù)權(quán)利要求1所述的近紅外光譜鑒別平利絞股藍(lán)的方法,其特征在于,步驟A-1所述的掃描平利絞股藍(lán)近紅外光譜圖包括:將有效量的平利絞股藍(lán)樣品干燥粉碎后均勻置于石英樣品池中,使用傅立葉近紅外光譜儀進(jìn)行吸收光譜掃描;掃描模式為旋轉(zhuǎn)漫反射,分辨率為ScnT1,每個(gè)樣本掃描多次,取平均光譜為樣本最終的分析光譜;
3.根據(jù)權(quán)利要求1所述的近紅外光譜鑒別平利絞股藍(lán)的方法,其特征在于,步驟A-2所述的平利絞股藍(lán)近紅外光譜范圍4000-9500(3!^1的數(shù)據(jù)預(yù)處理包括:對(duì)絞股藍(lán)樣本光譜進(jìn)行多元散射校正+適量歸一化的預(yù)處理,通過(guò)該處理消除樣品不均勻、光散射及儀器噪聲等干擾因素的影響,提聞1旲型的預(yù)測(cè)精度和穩(wěn)定性。
4.根據(jù)權(quán)利要求1所述的近紅外光譜鑒別平利絞股藍(lán)的方法,其特征在于,步驟A-3所述的提取主成分是通過(guò)主成分分析方法對(duì)光譜圖信息進(jìn)行降維,取前10個(gè)主成分累計(jì)貢獻(xiàn)率為99.99%,有限量的輸入減少模型的計(jì)算復(fù)雜度,提高模型的預(yù)測(cè)精度。
5.根據(jù)權(quán)利要求1所述的近紅外光譜鑒別平利絞股藍(lán)的方法,其特征在于:步驟A-4所述的平利絞股藍(lán)建立人工神經(jīng)網(wǎng)絡(luò)模型包括運(yùn)用MATLAB軟件建立輸入層節(jié)點(diǎn)10-隱含層節(jié)點(diǎn)5-輸出層節(jié)點(diǎn)2的BP人工神經(jīng)網(wǎng)絡(luò)模型: A-4-1、輸入層節(jié)點(diǎn)數(shù)的確定:取10個(gè)主成分得分為參數(shù),確定網(wǎng)絡(luò)的輸入層節(jié)點(diǎn)為10 ; A-4-2、隱層節(jié)點(diǎn)數(shù)的確定:用下公式求出:
6.根據(jù)權(quán)利要求3所述的近紅外光譜鑒別平利絞股藍(lán)的方法,其特征在于:所述樣本的主成分由如下方法確定: 設(shè)X1, X2,…,Xn為取自總體X的樣本,其中Xi = (Xn,Xi2,…,XipV (i=l,2,…η); 記樣本觀測(cè)值矩陣為:
7.根據(jù)權(quán)利要求6所述的近紅外光譜鑒別平利絞股藍(lán)的方法,其特征在于:所述樣本的主成分由從樣本相關(guān)系數(shù)矩陣左出發(fā)求解: 設(shè)i^i2》…>七之0為左的p個(gè)特征值,C,t ,f/為相應(yīng)的正交單位特征向量,則樣本的P個(gè)主成分為
【文檔編號(hào)】G01N21/359GK103776797SQ201410065240
【公開(kāi)日】2014年5月7日 申請(qǐng)日期:2014年2月25日 優(yōu)先權(quán)日:2014年2月25日
【發(fā)明者】趙志磊, 李小亭, 陳培云, 吳廣臣, 劉秀華 申請(qǐng)人:河北大學(xué)