CN104502320A - 一种三维荧光光谱结合pca-svm鉴别浓香型白酒的方法 - Google Patents

Abstract

本发明公开了一种三维荧光光谱结合PCA-SVM鉴别浓香型白酒的方法，属于白酒鉴别技术领域。本发明首先使用荧光光谱仪测量不同品牌浓香型白酒的三维荧光光谱图，获得三维荧光光谱数据，然后对光谱数据求荧光强度对发射波长的二阶偏导，运用小波变换对数据压缩，经过预处理后对得到的新的数据做主成分分析，将主成分分析与支持向量机结合，用交叉验证方法寻找支持向量机的最佳参数，在最佳参数下，建立预测模型，实现对不同品牌浓香型白酒的分类鉴别。本发明为市场上白酒的打假提供帮助。

Description

一种三维荧光光谱结合PCA-SVM鉴别浓香型白酒的方法

技术领域

本发明涉及一种利用三维荧光光谱结合PCA-SVM鉴别浓香型白酒的方法，此方法的特别之处在于经过对光谱数据求得荧光强度对发射波长的二阶偏导及小波变换的预处理方法后做主成分分析，结合支持向量机较好的实现浓香型白酒的分类鉴别，属于白酒鉴别技术领域。

背景技术

白酒作为中国的传统产品之一，有着悠久的历史。浓香型白酒作为五大基本香型之一，在我国白酒销量上一直处于行业领先地位，由于它具有芳香浓郁、绵甜爽净等特点，一直深受人们的喜爱。制做白酒过程中使用的原料、制作的工艺和技术、储存的方法都会影响白酒酒质的优劣。优质的浓香型白酒无色透明、窖香优雅、绵甘适口、尾净余长。然而市场上一些不法商贩为牟求自身利益，以次充好，将一些劣质的白酒充当品牌酒，欺骗消费者。消费者对同种香型白酒单凭感官难以鉴别，因此，对同种香型白酒的分类鉴别具有一定的实际意义。

国内关于不同香型的白酒鉴别和检测研究比较多，而对同一香型白酒的分类鉴别研究的比较少。一般都是用气相色谱法、顶空固相微萃取质谱技术、电子舌技术等对白酒进行检测，并结合模式识别和化学计量学等方法实现不同香型、产地等白酒的鉴别。然而色谱法价格昂贵，耗时长，对于批量酒的处理不太现实。荧光光谱法具有操作简单，所需样品少，分析速度快，成本低等优点，在酒的检测方面具有一定优势。

荧光光谱数据包含着丰富的信息，为建立准确度较高的预测模型，对光谱数据的预处理以及特征参量的提取尤为重要。通常对光谱的预处理方法有多元散射校正、求导和标准正态变换等。其中对光谱数据求导能窄化光谱，有效地消除基线漂移和背景干扰，分辨重叠峰，提高灵敏度和分辨率。常规的求导方法是简单地针对某一激发波长下对应的发射谱进行求导，然后对得到的某条谱线进行研究。但是，有时一条谱线并不足以表达全部的荧光信息，这就造成了一些信息量丢失。

鉴于此，为了监督白酒生产质量，维护白酒市场秩序，保护消费者的权益，发明一种快速准确的白酒鉴别方法，势在必行。

发明内容

本发明需要解决的技术问题是提供一种三维荧光光谱结合PCA-SVM鉴别浓香型白酒的方法，本发明使用荧光光谱仪建立不同品牌浓香型白酒的三维荧光光谱图，然后使用荧光光谱技术分析不同品牌浓香型白酒酒样，通过软件导出三维数据，获得不同品牌浓香型白酒的三维荧光光谱数据。通过对数据求荧光强度对发射波长的偏导和小波变换压缩数据的预处理后，运用主成分分析方法，得到每个品牌白酒的得分，将得分作为特征参量，结合支持向量机，建立浓香型白酒的分类鉴别模型。本发明是一种新的白酒质量控制技术，操作简便，样品用量少，检测灵敏度高，结果直观可靠，环保无污染，对市场上品牌酒打假有一定的帮助。

本发明的技术方案：一种三维荧光光谱结合PCA-SVM鉴别浓香型白酒的方法，该方法包括如下步骤：

(1)使用荧光光谱仪FLS920测量不同品牌浓香型白酒的三维荧光光谱：

扫描条件:氙灯光源80w；探测温度-20度；激发波长范围：200-600nm，步长5nm；发射波长范围：200-800nm，步长1nm；

(2)对得到的光谱数据做预处理：

a、将得到的光谱数据去除瑞利散射和拉曼散射；

b、建立不同品牌浓香型白酒的三维荧光光谱图库；

c、提取不同品牌浓香型白酒的特性参数；

d、对光谱数据求荧光强度对发射波长的一阶偏导和二阶偏导；

e、对得到的新的光谱数据做小波变换，对数据压缩，提取有用信息；

(3)对得到的光谱数据作主成分分析，将主成分分析后的得分作为特征参量；

(4)结合支持向量机，建立浓香型白酒的分类鉴别模型：

a、用交叉验证中的K-CV方法对支持向量机的参数寻优；

b、在最佳参数下，建立不同品牌浓香型白酒的预测模型；

本发明的有益效果：本发明使用荧光光谱技术分析不同品牌浓香型白酒酒样，通过软件导出三维数据，获得不同酒样的三维荧光光谱数据。通过对数据求荧光强度对发射波长的偏导和小波变换压缩数据的预处理后，运用主成分分析得到每个酒样的得分作为特征参数，结合支持向量机建立浓香型白酒的分类鉴别模型。本发明是一种新的白酒质量控制技术，操作简便，样品用量少，检测灵敏度高，结果直观可靠，环保无污染。

附图说明

图1为7个不同品牌浓香型白酒的三维荧光光谱等高图。

图2为7个不同品牌浓香型白酒的主成分分析图，(a)(b)(c)是分别表示原始数据，求一阶偏导和求二阶偏导的预处理后的主成分分析图。

图3为参数寻优过程的等高线图，(a)(b)(c)分别表示原始数据，求一阶偏导和求二阶偏导的预处理后对应的参数寻优过程的等高线图。

图4为预测集的实际样本和预测分类图，(a)(b)(c)分别表示原始数据，求一阶偏导和求二阶偏导的预处理后对应的实际样本与预测分类图。

图5为本发明所述方法的流程图。

具体实施方式

实施案例：7种不同品牌浓香型白酒的分类鉴别。

(1)使用荧光光谱仪FLS920测量7种不同品牌浓香型白酒的三维荧光光谱：

a、样品准备：采集7种不同品牌的浓香型白酒，每个品牌的白酒准备20个样本，共140个样本。

b、扫描条件：氙灯光源80w；探测温度-20度；激发波长范围：200-600nm，步长5nm；发射波长范围：200-800nm，步长1nm；

(2)对得到的光谱数据做预处理：

a、分别测量140个样本的三维荧光光谱，每个样品得到一个81×586的光谱矩阵，去除瑞利散射和拉曼散射；

b、建立7种不同品牌浓香型白酒的三维荧光光谱图库，如图1所示，；

c、提取7种不同品牌浓香型白酒的荧光特性参数，结果如表1所示：

表1 7种不同品牌浓香型白酒的三维荧光特征参量

从表中可以看出，7个品牌白酒的荧光光谱特性既有相似性也存在一些差异，如除品牌3以外其余品牌的白酒均有两个荧光峰，品牌5和品牌6的4个荧光光谱特性基本相似，品牌1、品牌3、品牌4、品牌7的荧光峰值波长主要集中在436nm和538nm左右。这些可能是由于它们的香型相同，酒中的一些微量物质也基本相同，导致它们的荧光峰的位置基本相同。但是由于制酒过程中使用的工艺和原料有所差异，导致它们的荧光峰强度不同，峰的形状也有一定的差别。但总体来说7个品牌的浓香型白酒的荧光光谱相似性很大。

d、设去除瑞利和拉曼散射后的三维荧光光谱的函数解析式为I＝f(x,y),其中I对应荧光强度，x对应激发波长，y对应荧光发射波长，则荧光强度对荧光峰值波长的一阶偏导数和二阶偏导数为：

$\frac{\∂f(x,y)}{\∂y}{|}_{x=x_0}=\underset{\mathrm{\Δy}\→0}{\lim }\frac{f(x_0,y+\mathrm{\Δy})-f(x_0,y)}{\mathrm{\Δy}},$

$\frac{{\∂}^{2}f(x,y)}{\∂y^2}{|}_{x=x_0}=\frac{\∂}{\∂y}\left[\frac{\∂f(x,y)}{\∂y}{|}_{x=x_0}\right]{|}_{x=x_0},$

求导后对所得到的新的光谱进行光滑处理，去除噪声干扰，得到的每个光谱矩阵依然为81×586。

e、考虑到总的数据量很大，因此采用小波变换进行压缩，在小波变换前需要将数据矩阵81×586×140的三维矩阵展开成(81×586)×140的二维矩阵。本文选取紧支撑的正交db7小波，对光谱信号做层数为4的多尺度分解，选取第4层的近似系数作为新的数据信号，数据由原来的6645240个压缩为2978个。

(5)对得到的光谱数据作主成分分析，得到前两个主成分的累计贡献率为93.20％，基本包含全部的荧光信息。选择第一主成分和第二主成分做出直观图，如图2所示，图2中(a)(b)(c)分别是原始数据求一阶偏导和求二阶偏导的预处理后的主成分分析图。；

(6)由于前20个得分的累计贡献率达99％，基本包含全部荧光信息，因此将前20个得分作为特征参量。对于7个品牌的浓香型白酒，从每个品牌中随机选取14个样本，共98个样本作为训练集，其余的42个样本作为预测集。对训练集和预测集的数据进行[0,1]区间的归一化预处理。采用径向基函数作为支持向量机的核函数，具体表达式为：

K(X_i,X_j)＝exp(-γ||X_i-X_j||)²,     (5)

其中γ＝1/2σ²，σ为一自由参数。结合支持向量机，建立浓香型白酒的分类鉴别模型：

a、用交叉验证中的K-CV方法对支持向量机的参数寻优：

为了得到比较理想的分类准确率，需要调节相关的惩罚参数c和核函数参数γ。选择K-CV的方法对参数寻优，将训练集的98个样品分为7组，将每一组中的数据分别做一次验证集，其余的6组数据作为训练集，这样就得到7个模型的最终的验证集分类准确率，求其平均，作为模型的准确率。本文设定c和γ的变化范围为2^(-8)～2^(8)，步长为1，如图3表示的是参数在寻优过程中的等高图。得到的每种不同与处理方法对应的最佳参数如表2所示。

b、在最佳参数下，建立不同品牌浓香型白酒的预测模型：

利用寻优得到的最佳参数再对SVM进行训练，得到在最佳参数下的训练集的准确率，结果如表2所示。从表2中可以看出通过二阶偏导的预处理后建立的模型，得到的模型准确率最高，为98.98％。利用建立的模型对剩余的42个预测样本分类，最终的结果如图4所示，如果表明不经过求导的预处理，预测样本有5个样本被错误分类，错误率比较高。经过一阶求偏导的预处理后预测样本分类有两个被判别错误，而二阶求偏导后预测样本全部判别正确，准确率为100％。

表2 SVM模型最佳参数及准确率

如果表明不经过求导的预处理，预测样本有5个样本被错误分类，错误率比较高。经过一阶求偏导的预处理后预测样本分类有两个被判别错误，而二阶求偏导后预测样本全部判别正确，准确率为100％。

综上所述，本发明通过测量7个不同品牌浓香型白酒的三维荧光光谱，通过求解对应每个激发波长下，荧光强度对荧光发射波长的一阶偏导和二阶偏导，并对光谱做光滑处理，将得到的新的光谱数据做小波变换压缩，再对压缩后的近似系数进行主成分分析，主成分分析表明经过二阶偏导后的结果要明显优于不求导和一阶偏导的效果。在此基础上，选择主成分分析后的前20个得分作为特征参量，结合支持向量机，采用交叉验证中的K-CV法对支持向量机参数进行优化，选择最佳参数，最终较好的实现了对7个不同品牌浓香型白酒的分类，准确率为100％，对市场上白酒的打假有一定的意义。

Claims (3)

1.一种三维荧光光谱结合PCA-SVM鉴别浓香型白酒的方法，其特征在于：该方法包括如下步骤：

(1)使用荧光光谱仪FLS920测量不同品牌浓香型白酒的三维荧光光谱：

扫描条件:氙灯光源80w；探测温度-20度；激发波长范围：200-600nm，步长5nm；发射波长范围：200-800nm，步长1nm；

(2)对得到的光谱数据做预处理：

a、将得到的光谱数据去除瑞利散射和拉曼散射；

b、建立不同品牌浓香型白酒的三维荧光光谱图库；

c、提取不同品牌浓香型白酒的特性参数；

d、对光谱数据求荧光强度对发射波长的一阶偏导和二阶偏导；

e、对得到的新的光谱数据做小波变换，对数据压缩，提取有用信息；

(3)对得到的光谱数据作主成分分析，将主成分分析后的得分作为特征参量；

(4)结合支持向量机，建立浓香型白酒的分类鉴别模型：

a、用交叉验证中的K-CV方法对支持向量机的参数寻优；

b、在最佳参数下，建立不同品牌浓香型白酒的预测模型。

2.根据权利要求1所述的一种三维荧光光谱结合PCA-SVM鉴别浓香型白酒的方法，其特征在于：荧光强度对发射波长的一阶偏导和二阶偏导的公式为：

式中，I＝f(x,y)对应荧光强度，x对应激发波长，y对应荧光发射波长。

3.根据权利要求1所述的一种三维荧光光谱结合PCA-SVM鉴别浓香型白酒的方法，其特征在于：支持向量机的核函数为径向基函数，具体表达式为：

K(X_i,X_j)＝exp(-γ||X_i-X_j||)²，

其中γ＝1/2σ²，σ为一自由参数。