CN112858192A - 一种基于艾草高光谱数据的质量分级算法 - Google Patents
一种基于艾草高光谱数据的质量分级算法 Download PDFInfo
- Publication number
- CN112858192A CN112858192A CN202110031448.XA CN202110031448A CN112858192A CN 112858192 A CN112858192 A CN 112858192A CN 202110031448 A CN202110031448 A CN 202110031448A CN 112858192 A CN112858192 A CN 112858192A
- Authority
- CN
- China
- Prior art keywords
- wormwood
- data
- gap
- quality
- spectral
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 235000003261 Artemisia vulgaris Nutrition 0.000 title claims abstract description 48
- 235000009051 Ambrosia paniculata var. peruviana Nutrition 0.000 title claims abstract description 44
- 235000003097 Artemisia absinthium Nutrition 0.000 title claims abstract description 44
- 240000001851 Artemisia dracunculus Species 0.000 title claims abstract description 44
- 235000017731 Artemisia dracunculus ssp. dracunculus Nutrition 0.000 title claims abstract description 44
- 239000001138 artemisia absinthium Substances 0.000 title claims abstract description 44
- KDYFGRWQOYBRFD-UHFFFAOYSA-N succinic acid Chemical compound OC(=O)CCC(O)=O KDYFGRWQOYBRFD-UHFFFAOYSA-N 0.000 title claims abstract description 44
- 230000003595 spectral effect Effects 0.000 claims abstract description 42
- 238000001228 spectrum Methods 0.000 claims description 12
- 238000009499 grossing Methods 0.000 claims description 3
- 238000000034 method Methods 0.000 claims description 3
- 239000002994 raw material Substances 0.000 abstract description 7
- 235000010894 Artemisia argyi Nutrition 0.000 description 5
- 244000030166 artemisia Species 0.000 description 5
- 240000006891 Artemisia vulgaris Species 0.000 description 4
- 244000025254 Cannabis sativa Species 0.000 description 4
- 241001573881 Corolla Species 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012031 short term test Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/27—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands using photo-electric detection ; circuits for computing concentration
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/359—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Mathematical Analysis (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Chemical & Material Sciences (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Optimization (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Computational Biology (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明涉及艾草质量分级算法技术领域，且公开了一种基于艾草高光谱数据的质量分级算法，利用光谱仪采集可见光和近红外波长范围的光谱数据，经过公式计算之后可以与合适的阀值进行对比，从而判定两组光谱数据是否取自不同样品；通过对不同的艾草进行测量计算光谱数据，能够与标准的艾草光谱数据进行对比，在艾草品质、年份分级方面，可以利用已有标准样品，分析不同品质、年份艾草或艾草产品潜在的光谱特征或差异，确定针对艾草的可分离光谱波段，以及算法、参数，即可用于确定待测艾草的品质或年份等质量分级状况，能够确保艾草原料的质量，从而保证生产产品的质量。
Description
技术领域
本发明涉及艾草质量分级算法技术领域，具体为一种基于艾草高光谱数据的质量分级算法。
背景技术
艾草茎单生或少数，褐色或灰黄褐色，基部稍木质化，上部萆质，并有少数短的分枝，叶厚纸质，上面被灰白色短柔毛，基部通常无假托叶或极小的假托叶。上部叶与苞片叶羽状半裂，头状花序椭圆形，花冠管状或高脚杯状，花药狭线形，花柱与花冠近等长或略长于花冠。它生于低海拔至中海拔地区的荒地、路旁河边及山坡等地。不同地域来源、种植年份、质量等级的艾草因受到生态环境和人为活动的影响，植物体内化学成分的组成、含量及结构必然存在差异。然而艾草的光谱反射率信息是艾草内部化学组成和外部表观特性的综合表征，从而在光谱响应上具有形成吸收位置或强度不同的光谱图。
目前，对于不同的品质的艾草在进行甄别和检测上并没有很好的方法，利用现有技术很难将艾草的品质或者年份等质量进行分级处理，在利用艾草原料进行生产附属产品的时候往往不能保证产品的质量。
发明内容
(一)解决的技术问题
针对现有技术的不足，本发明提供了一种基于艾草高光谱数据的质量分级算法，具备能够确定待测艾草的品质或年份等质量分级状况的优点，解决了背景技术中的问题。
(二)技术方案
为实现上述能够确定待测艾草的品质或年份等质量分级状况的目的，本发明提供如下技术方案：一种基于艾草高光谱数据的质量分级算法，包括以下步骤：
1)光谱仪采集可见光和近红外波长范围的光谱数据，获取光谱数据data1_raw和光谱数据data2_raw，使数据长度为N。
2)对光谱数据进行平滑操作得到data1，data2，利用公式进行计算第i点的光谱数据data1[i]和data2[i]，计算公式为：
3)将平滑后的光谱数据对应点做差值。求差值数组的绝对平均值gap_avg_Abs和标准差gap_Std；
绝对平均值公式为为：
gap_avg_Abs＝(∑|data1[i]-data2[i]|)/N
标准差公式为为：
4)当光谱间差异较小时，求得到gap_avg_Abs和gap_std差异也比较小，利用对数据求幂指数实现增大gap_avg_Abs和gap_std间的跨度，得到avg_exp和std_exp；
avg_exp＝egap_avg_Abs+1
std_exp＝egap_std+1
5)设定合适的阈值threshold1和threshold2，当avg_exp>threshold1,以及std_exp>threshold2时，即判定两组光谱数据取自不同样品，否则，则为相同样品。
优选的，所述步骤1)中光谱数据data1_raw的第i点为data1_raw[i]，光谱数据data2_raw的第i点为data2_raw[i]。
优选的，所述步骤1)中近红外波长范围为380nm-986nm。
优选的，所述步骤2)中data1的第i点数据为data1[i]，data2的第i点数据为data2[i]。
(三)有益效果
与现有技术相比，本发明提供了一种基于艾草高光谱数据的质量分级算法，具备以下有益效果：
该基于艾草高光谱数据的质量分级算法，通过对不同的艾草进行测量计算光谱数据，能够与标准的艾草光谱数据进行对比，在艾草品质、年份分级方面，可以利用已有标准样品，分析不同品质、年份艾草或艾草产品潜在的光谱特征或差异，确定针对艾草的可分离光谱波段，以及算法、参数，即可用于确定待测艾草的品质或年份等质量分级状况，能够确保艾草原料的质量，从而保证生产产品的质量。
附图说明
图1为第一组样品光谱图；
图2为第二组样品光谱图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例：
1)光谱仪采集可见光和近红外波长范围的光谱数据，中近红外波长范围为380nm-986nm，获取光谱数据data1_raw和光谱数据data2_raw，data1_raw的第i点为data1_raw[i]，光谱数据data2_raw的第i点为data2_raw[i]，使数据长度为N，经过多次测试计算，不同质量等级艾草样品的光谱数据在439nm-815nm之间差异较大，可以选取该波段间的光谱数据，作为艾草质量分级的特征波段，进行分析。
2)对光谱数据进行平滑操作得到data1，data2，利用公式进行计算第i点的光谱数据data1[i]和data2[i]，data1的第i点数据为data1[i]，data2的第i点数据为data2[i]，计算公式为：
3)将平滑后的光谱数据对应点做差值。求差值数组的绝对平均值gap_avg_Abs和标准差gap_Std；
绝对平均值公式为为：
gap_avg_Abs＝(∑|data1[i]-data2[i]|)/N
标准差公式为为：
4)当光谱间差异较小时，求得到gap_avg_Abs和gap_std差异也比较小，利用对数据求幂指数实现增大gap_avg_Abs和gap_std间的跨度，得到avg_exp和std_exp；
avg_exp＝egap_avg_Abs+1
std_exp＝egap_std+1
5)经算法运算优化，最终确定threshold1取值为2.759，threshold2取值为2.732，得到如图1和图2所示的不同质量等级的样品数据，其光谱差值的绝对值的均值为2.793，两组光谱数据差值的标准差为2.740，由于2.793>2.759(threshold1),2.740>2.732(threshold2)，所以，利用本方法通过两条光谱曲线，即可判别不同艾草等级的样品。
本实施例相比与现有技术，利用两条光谱曲线图能够准确的判断出两个艾草样品是否属于同一等级的艾草，在利用艾草原料进行制备产品的时候能够随艾草原料进行快速检测，从而实现对艾草原料进行筛选的目的。
本发明的有益效果是：通过对不同的艾草进行测量计算光谱数据，能够与标准的艾草光谱数据进行对比，在艾草品质、年份分级方面，可以利用已有标准样品，分析不同品质、年份艾草或艾草产品潜在的光谱特征或差异，确定针对艾草的可分离光谱波段，以及算法、参数，即可用于确定待测艾草的品质或年份等质量分级状况，能够确保艾草原料的质量，从而保证生产产品的质量。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (4)
1.一种基于艾草高光谱数据的质量分级算法，其特征在于：包括以下步骤：
1)光谱仪采集可见光和近红外波长范围的光谱数据，获取光谱数据data1_raw和光谱数据data2_raw，使数据长度为N。
2)对光谱数据进行平滑操作得到data1，data2，利用公式进行计算第i点的光谱数据data1[i]和data2[i]，计算公式为：
3)将平滑后的光谱数据对应点做差值。求差值数组的绝对平均值gap_avg_Abs和标准差gap_Std；
绝对平均值公式为为：
gap_avg_Abs＝(∑|data1[i]-data2[i]|)/N
标准差公式为为：
4)当光谱间差异较小时，求得到gap_avg_Abs和gap_std差异也比较小，利用对数据求幂指数实现增大gap_avg_Abs和gap_std间的跨度，得到avg_exp和std_exp；
avg_exp＝egap_avg_Abs+1
std_exp＝egap_std+1
5)设定合适的阈值threshold1和threshold2，当avg_exp>threshold1,以及std_exp>threshold2时，即判定两组光谱数据取自不同样品，否则，则为相同样品。
2.根据权利要求1所述的一种基于艾草高光谱数据的质量分级算法，其特征在于：所述步骤1)中光谱数据data1_raw的第i点为data1_raw[i]，光谱数据data2_raw的第i点为data2_raw[i]。
3.根据权利要求1所述的一种基于艾草高光谱数据的质量分级算法，其特征在于：所述步骤1)中近红外波长范围为380nm-986nm。
4.根据权利要求1所述的一种基于艾草高光谱数据的质量分级算法，其特征在于：所述步骤2)中data1的第i点数据为data1[i]，data2的第i点数据为data2[i]。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110031448.XA CN112858192A (zh) | 2021-01-11 | 2021-01-11 | 一种基于艾草高光谱数据的质量分级算法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110031448.XA CN112858192A (zh) | 2021-01-11 | 2021-01-11 | 一种基于艾草高光谱数据的质量分级算法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112858192A true CN112858192A (zh) | 2021-05-28 |
Family
ID=76002320
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110031448.XA Pending CN112858192A (zh) | 2021-01-11 | 2021-01-11 | 一种基于艾草高光谱数据的质量分级算法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112858192A (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101413883A (zh) * | 2008-11-20 | 2009-04-22 | 河北大学 | 一种用红外光谱技术鉴别茶叶产地的方法 |
| WO2012074372A2 (en) * | 2010-11-30 | 2012-06-07 | Universiti Putra Malaysia (Upm) | A system for fruit grading and quality determination |
| US20120250025A1 (en) * | 2009-09-04 | 2012-10-04 | Moshe Danny S | Grading of agricultural products via hyper spectral imaging and analysis |
| CN105899937A (zh) * | 2013-08-23 | 2016-08-24 | 珀金埃尔默新加坡有限公司 | 识别物质的存在 |
| CN107796782A (zh) * | 2017-10-16 | 2018-03-13 | 云南中烟工业有限责任公司 | 基于烟叶特征光谱一致性度量的复烤质量稳定性评价方法 |
| CN110018191A (zh) * | 2019-05-13 | 2019-07-16 | 江苏恒顺集团有限公司 | 一种基于xrf技术的镇江香醋识别方法 |
-
2021
- 2021-01-11 CN CN202110031448.XA patent/CN112858192A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101413883A (zh) * | 2008-11-20 | 2009-04-22 | 河北大学 | 一种用红外光谱技术鉴别茶叶产地的方法 |
| US20120250025A1 (en) * | 2009-09-04 | 2012-10-04 | Moshe Danny S | Grading of agricultural products via hyper spectral imaging and analysis |
| WO2012074372A2 (en) * | 2010-11-30 | 2012-06-07 | Universiti Putra Malaysia (Upm) | A system for fruit grading and quality determination |
| CN105899937A (zh) * | 2013-08-23 | 2016-08-24 | 珀金埃尔默新加坡有限公司 | 识别物质的存在 |
| CN107796782A (zh) * | 2017-10-16 | 2018-03-13 | 云南中烟工业有限责任公司 | 基于烟叶特征光谱一致性度量的复烤质量稳定性评价方法 |
| CN110018191A (zh) * | 2019-05-13 | 2019-07-16 | 江苏恒顺集团有限公司 | 一种基于xrf技术的镇江香醋识别方法 |
Non-Patent Citations (2)
| Title |
|---|
| 张学博等: "近红外光谱一致性检验方法用于快速判断药品质量的研究", 《药物分析杂志》 * |
| 韩吴琦等: "建立快速准确筛查假劣药品的近红外一致性检验方法", 《中国药业》 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105928901B (zh) | 一种定性定量相结合的近红外定量模型构建方法 | |
| CN102495005B (zh) | 高光谱图像技术诊断作物水分亏缺的方法 | |
| CN110160967A (zh) | 一种作物冠层叶片的全氮含量估算方法 | |
| CN108181263B (zh) | 基于近红外光谱的烟叶部位特征提取及判别方法 | |
| CN105021562A (zh) | 一种大米产地溯源方法及其应用 | |
| CN104990895B (zh) | 一种基于局部区域的近红外光谱信号标准正态校正方法 | |
| CN101995388A (zh) | 烟草近红外质量控制分析方法及系统 | |
| CN105891147A (zh) | 一种基于典型相关系数的近红外光谱信息提取方法 | |
| CN106568738A (zh) | 一种近红外光谱快速判定不同质量等级茶鲜叶的方法 | |
| CN105717066B (zh) | 一种基于加权相关系数的近红外光谱识别模型 | |
| CN103185695A (zh) | 一种基于光谱的烤烟成熟度田间快速判断方法 | |
| CN106442338A (zh) | 一种基于svr算法的苹果叶片叶绿素含量高光谱反演方法 | |
| Yang et al. | In situ determination of growing stages and harvest time of tomato (Lycopersicon esculentum) fruits using fiber-optic visible—near-infrared (vis-nir) spectroscopy | |
| CN104778349B (zh) | 一种用于水稻表土氮肥施用等级评定方法 | |
| CN105548070A (zh) | 一种苹果可溶性固形物近红外检测部位补偿方法及系统 | |
| CN112129709A (zh) | 一种苹果树冠层尺度氮含量诊断方法 | |
| CN110779875B (zh) | 一种基于高光谱技术检测冬小麦麦穗水分含量的方法 | |
| CN106226267B (zh) | 一种辣椒干色价的近红外测定方法 | |
| CN106092893A (zh) | 一种光谱判别分析的波长优选方法 | |
| CN103913425A (zh) | 基于光谱指数和气候因子耦合的冬小麦籽粒蛋白质含量预测方法及其预测模型的构建方法 | |
| Harjoko et al. | Image processing approach for grading tobacco leaf based on color and quality | |
| CN113076692B (zh) | 一种反演叶片氮素含量的方法 | |
| Lu et al. | Nondestructive determination of soluble solids and firmness in mix-cultivar melon using near-infrared CCD spectroscopy | |
| CN112113930B (zh) | 一种杏果实品质多尺度表型方法 | |
| CN113267458A (zh) | 甘薯可溶性蛋白质含量定量预测模型的建立方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210528 |
|
| RJ01 | Rejection of invention patent application after publication |