CN113176225A - 一种针对水分含量变化的多品种物质的光谱匹配方法 - Google Patents

Abstract

本发明公开了一种针对水分含量变化的多品种物质的光谱匹配方法，该方法包括：已知物质光谱建模、待测物质光谱建模以及光谱特征匹配等步骤。该方法采用曲线波形交叉相关性作为光谱匹配指标来判断光谱之间的相似度，降低了光谱匹配方法对光谱绝对强度的依赖，采用曲线波形一阶导数的杰卡德相关性作为光谱匹配的另一指标来判断光谱之间的相似度，消除了噪声对光谱匹配结果的影响，同时，采用最小二乘法计算出相关曲线波形集合的平均曲线波形作为此物质的光谱特征曲线，用于待测物质与已知标准物质之间的光谱匹配，有效提高了光谱匹配过程的分类识别精度。

Description

一种针对水分含量变化的多品种物质的光谱匹配方法

技术领域

本发明涉及光谱匹配技术领域，更具体的说是涉及一种针对水分含量变化的多品种物质的光谱匹配方法。

背景技术

目前，随着人们对生存环境中各种物质的深入研究，收集了大量的实验室标准数据，建立了用于光谱信息保存和维护的物质标准光谱数据库。高光谱图像的光谱分辨率高、光谱通道连续，对于图像中的任一像元均能获取一条平滑完整的光谱曲线，将其与物质标准光谱数据库中的光谱曲线匹配运算，可以实现物质检测与识别。因此，光谱匹配技术是高光谱物质检测与识别的关键技术之一，光谱匹配主要通过研究两个光谱曲线的相似度来判断物质的归属类别。

现有的光谱匹配算法可分为基于光谱特征参数的光谱匹配算法和基于整波形的光谱匹配算法。基于光谱特征参数的光谱匹配算法从光谱的内在特性着手，通过不同光谱的特征参量的相似度衡量两条光谱之间的相似度，进而确定两个样本之间的相似程度，特征参数匹配算法可比较任意两条光谱数据，但是特征参数匹配算法通常匹配精度较低。基于整波形的光谱匹配算法通过对参考光谱和未知光谱在特定波长范围内的数据点比较，计算得到一个总体相似度，进而判断两条光谱之间的相似度，整波形匹配算法具有较高的要求，需要相比较的光谱具有相同的波段范围和相同的数据点数。

同时，现有的光谱匹配算法不适用于精细化识别不同级别或品种或产地的同一类物品，不适用于识别纯正级别或品种或产地的产品中是否掺杂了同一物品的其他级别或品种或产地的产品，也不适用于检测水分含量不同的相同级别或品种或产地的物品，比如水稻、小麦、苹果、中药材贝母等的品种、产地及纯正度的识别与检测。

因此，如何提供一种适用于水分含量变化的多品种物质的光谱匹配算法是本领域技术人员亟需解决的问题。

发明内容

有鉴于此，本发明提供了一种针对水分含量变化的多品种物质的光谱匹配方法，有效解决了现有的光谱匹配方法不适用于精细化识别不同级别或品种或产地的同一类物品，不适用于识别纯正级别或品种或产地的产品中是否掺杂了同一物品的其他级别或品种或产地的产品，也不适用于检测水分含量不同的相同级别或品种或产地的物品的技术问题。

为了实现上述目的，本发明采用如下技术方案：

一种针对水分含量变化的多品种物质的光谱匹配方法，该方法包括：

已知物质光谱建模：获取每种已知标准物质的一组光谱曲线集合，对每种已知标准物质特征光谱建模，得到每种已知标准物质的光谱特征曲线；

待测物质光谱建模：获取待测物质的一组光谱曲线集合，根据所述待测物质的光谱曲线集合，对待测物质特征光谱建模，得到待测物质的光谱特征曲线；

光谱特征匹配：分别计算所述待测物质的光谱特征曲线与每种所述已知标准物质的光谱特征曲线的相关系数，将计算得到的相关系数与预设阈值比对，并将相关系数高于预设阈值且最大的已知标准物质作为匹配结果。

进一步地，对已知标准物质特征光谱建模的过程，具体包括：

采集一种已知标准物质的光谱曲线集合ΣX＝{X₁,X₂,…,X_N}，包含N条光谱曲线；

计算所述光谱曲线集合中第i条光谱曲线与第j条光谱曲线的相关系数S_ij；

计算第i条光谱曲线与其他光谱曲线的相关系数之和

确定具有最大的相关系数和

的第m条光谱曲线；

设定第一阈值t₁，保留满足条件S_mj≥t₁的光谱曲线集合

q表示光谱曲线序号，0≤q≤N；

采用最小二乘法计算所述已知标准物质的光谱特征曲线，完成此种已知标准物质的建模。

进一步地，采用最小二乘法计算所述已知标准物质的光谱特征曲线，具体包括：

采用最小二乘法计算已知光谱模型中的未知系数，计算公式为：

其中，a_j和b_j为未知系数，n为每条光谱曲线的维度或节点数，X_m为第m条光谱曲线，X_m+j为与第m条光谱曲线相关的第j条光谱曲线；

计算已知标准物质的光谱特征曲线，计算公式为：

其中，

为已知标准物质的光谱特征曲线，a_j和b_j为预先计算所得的系数，q为满足条件的光谱曲线条数。

进一步地，获得光谱曲线集合

之后，采用最小二乘法计算所述已知标准物质的光谱特征曲线之前，还包括：

验证：

判断已知标准物质的光谱曲线是否适合建模，若满足验证条件，则已知标准物质的光谱曲线适合建模，否则，已知物质光谱向量集合不适合建模，建模失败并退出建模步骤。

进一步地，光谱特征匹配的过程，具体包括：

分别计算所述待测物质的光谱特征曲线与所述已知标准物质的光谱特征曲线的相关系数；

设定第二阈值，将计算得到的相关系数分别与所述第二阈值比对，提取大于或等于所述第二阈值的相关系数及其对应的已知标准物质；

若高于所述第二阈值的相关系数存在多个，比较多个相关系数，并提取最大的相关系数，将最大的相关系数对应的已知标准物质作为匹配结果；

若计算得到的相关系数均小于所述第二阈值，则待测物质为未知物质。

进一步地，计算相关系数的过程，具体包括：

设定两条光谱曲线分别为X＝(x₁,x₂,…,x_n)与Y＝(y₁,y₂,…,y_n)，n为每条光谱曲线的维度或节点数，剔除光谱曲线X与Y的水分子吸收波段，得到光谱曲线

与

l为剔除水分子吸收波段后的每条光谱曲线的维度或节点数；

计算截断的光谱曲线

和光谱曲线

在每个匹配位置的交叉相关系数，计算公式为：

其中，r_m表示在匹配位置m的交叉相关系数，

表示截断的光谱曲线

的平均值，

表示截断的光谱曲线

的平均值，l表示截断的光谱曲线

或

的维度或节点数，m表示匹配位置，

表示截断的光谱曲线

的方差，

表示截断的光谱曲线

的方差；

根据匹配位置及其对应的交叉相关系数，绘制得到交叉相关系数曲线图，根据所述交叉相关系数曲线图计算得到每两条光谱曲线之间的曲线峰值的偏度系数，计算公式为：

其中，sk_m为曲线峰值的偏度系数，r_m+表示匹配位置m为正数时的交叉相关系数值，r_m-表示匹配位置m为负数时的交叉相关系数值；

根据所述曲线峰值的偏度系数，计算得到每两条光谱曲线之间的平均偏度系数，计算公式为：

其中，skewness为两条光谱曲线之间的平均偏度系数，sk_m为曲线峰值的偏度系数；

分别计算全波段光谱曲线X和光谱曲线Y的一阶导数向量X'＝x'₁,x'₂,…,x'_n)与Y'＝(y'₁,y'₂,…,y'_n)，其中，x'_i和y'_i为第i点处的反射率一阶导数值，并将得到的一阶导数向量X'＝(x'₁,x'₂,…,x'_n)与Y'＝(y'₁,y'₂,…,y'_n转换为二进制向量

和

根据所述二进制向量

和

计算光谱曲线X和光谱曲线Y之间的杰卡德相似系数，计算公式为：

其中，J为杰卡德相似系数，D₁₁和D₀₀为两个二进制向量在相同位置的一阶导数同时为1或0的次数，D₁₀和D₀₁为两个二进制向量在相同位置的一阶导数不相等的次数，n为每条光谱曲线的维度或节点数；

根据所述杰卡德相似系数和所述平均偏度系数，计算得到光谱曲线X与Y的相关系数，计算公式为：

S＝r₀×(1-skewness)×J

其中，S为相关系数，r₀为m＝0的交叉相关系数，skewness为平均偏度系数，J为杰卡德相似系数。

进一步地，所述水分子吸收严重波段的范围分别为：1351～1409nm，1796～1949nm，2451～2500nm。

经由上述的技术方案可知，与现有技术相比，本发明公开提供了一种针对水分含量变化的多品种物质的光谱匹配方法，该方法采用曲线波形交叉相关性作为光谱匹配指标来判断光谱之间的相似度，降低了光谱匹配方法对光谱绝对强度的依赖，采用曲线波形一阶导数的杰卡德相关性作为光谱匹配的另一指标来判断光谱之间的相似度，消除了噪声对光谱匹配结果的影响，同时，采用最小二乘法计算出相关曲线波形集合的平均曲线波形作为此物质的光谱特征曲线，用于待测物质与已知标准物质之间的光谱匹配，有效提高了光谱匹配过程的分类识别精度。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为本发明提供的一种针对水分含量变化的多品种物质的光谱匹配方法的实现流程示意图。

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做清楚、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。

参见附图1，本发明实施例公开了一种针对水分含量变化的多品种物质的光谱匹配方法，该方法包括：

S1：已知物质光谱建模：获取每种已知标准物质的光谱曲线集合，对每种已知标准物质特征光谱建模，得到每种已知标准物质的光谱特征曲线。

具体实现过程如下：

采集一种已知标准物质的光谱曲线集合，即：

ΣX＝{X₁,X₂,…,X_N}；

该光谱曲线集合中包含N条光谱曲线。

计算第i条与第j条光谱曲线的相关系数S_ij；

计算第i条与其他光谱曲线的相关系数之和，即：

找到具有最大的相关系数之和的第m条光谱曲线，即：

设定第一阈值t₁，保留满足条件S_mj≥t₁的光谱曲线集合，即：

验证：

如果满足验证条件，则认为已知物质光谱向量集合适合建模，否则，认为已知物质光谱向量集合不适合建模，建模失败并退出建模步骤。

采用最小二乘法X_m-(a_j·X_m+j+b_j)＝min，计算未知系数a_j和b_j，其中1≤j≤q；

两个未知系数和的计算公式如下：

其中，n为每条光谱曲线的维度或节点数。

计算此已知标准物质的光谱特征曲线

即：

其中：a₀＝1，b₀＝0；

完成此种已知标准物质的建模。

S2：待测物质光谱建模：获取待测物质的一组光谱曲线集合，根据待测物质的光谱曲线集合，对待测物质特征光谱建模，得到待测物质的光谱特征曲线。

待测物质特征光谱建模的具体实施过程参照上述S1，简述如下：

采集一组待测物质的光谱曲线集合Y＝{Y₁,Y₂,…,Y_M}，该光谱曲线集合中包含M条光谱曲线；

按照上述已知光谱建模的步骤计算出待测物质的光谱特征曲线

依然验证：

其中p为满足第一阈值t₁条件的光谱曲线集合中的曲线数，如果满足验证条件，则待测物质适合建模，若不满足，待测物质不适合建模，则结束匹配，认为待测物为不可知物质。

S3：光谱特征匹配：分别计算待测物质的光谱特征曲线与每种已知标准物质的光谱特征曲线的相关系数，将计算得到的相关系数与预设阈值比对，并将相关系数高于预设阈值且最大的已知标准物质作为匹配结果。

光谱特征匹配的实施过程如下：

分别计算待测物质的光谱特征曲线与已知标准物质的光谱特征曲线的相关系数；

设定第二阈值t₂，将计算得到的相关系数分别与第二阈值比对，提取大于或等于第二阈值的相关系数及其对应的已知标准物质，即S≥t₂；

若大于或等于第二阈值的相关系数存在多个，比较多个相关系数，并提取最大的相关系数，将最大的相关系数对应的已知标准物质作为匹配结果，即认定待测物质为此已知标准物质；

若计算得到的相关系数均小于第二阈值，则待测物质为未知物质。

本发明实施例中相关系数的计算过程大体一致，下面通过计算两条光谱曲线X与Y的相关系数S，进行详细说明：

设定两条光谱曲线X＝(x₁,x₂,…,x_n)与Y＝(y₁,y₂,…,y_n)，n为每条光谱曲线的维度或节点数，剔除光谱曲线X与Y的水分子吸收严重波段，得到截断的光谱曲线

与

鉴于前人的相关探索研究和具体的实验数据分析，水分子吸收严重波段的范围分别为：1351～1409nm、1796～1949nm、2451～2500nm。

计算截断的光谱曲线

和截断的光谱曲线

在每个匹配位置的交叉相关系数r_m，可以先固定光谱曲线

将光谱曲线

向左(负数)或向右(正数)移动m个位置，其中-20≤m≤20，交叉相关系数计算公式如下：

其中：

通过m及其相应的r_m值做交叉相关系数曲线图，再根据交叉相关系数曲线图可以计算曲线峰值的偏度系数sk_m，即：

其中，r_m+表示匹配位置m为正数时的交叉相关系数值，r_m-表示匹配位置m为负数时的交叉相关系数值。

计算平均偏度系数skewness，即：

计算全波段光谱曲线X与Y的一阶导数向量X'＝(x'₁,x'₂,…,x'_n)与Y'＝(y'₁,y'₂,…,y'_n)，x'_i和y'_i为第i点处的反射率一阶导数值，计算公式如下：

其中，λ_i为第i点处的波长值。

将上述得到的一阶导数值转换为二进制值

和

其中：

根据上述得到的二进制向量，计算两条光谱曲线之间的杰卡德相似系数J，即：

其中：D₁₁和D₀₀为两二进制向量在相同位置的一阶导数同时为1或0的次数；D₁₀和D₀₁为两二进制向量在相同位置的一阶导数不相等的次数。

最后，计算两条光谱曲线X与Y的相关系数S，即：

S＝r₀×(1-skewness)×J

理论上，采集自同一类物品不同级别或品种或产地的纯正品，其特征光谱曲线虽然相似度高，但之间的差异将大于采集自同一类物品的同一级别或品种或产地的纯正品的特征光谱曲线。另外，同一级别或品种或产地的产品掺杂了同一物品的其他级别或品种或产地的产品，采集的混合物光谱曲线应是两种或多种差异小、近似度高的光谱曲线的混合。更有，同一级别或品种或产地的产品由于储藏环境湿度的不同，导致产品中所含水分的含量不同，采集的特征光谱曲线在水分子特征吸收波段将有区别。

本发明实施例公开的上述光谱匹配方法，解决了对水分含量变化的同一类物品的不同级别或品种或产地的纯正或掺杂产品的光谱识别与检测难题，该方法可以广泛应用于农产品及种子、中药材及种子、烟草茶叶、原材料等的级别或品种或产地的识别与检测，相对于现有的光谱匹配算法，本发明提供的光谱匹配方法不仅准确率高，而且运算效率高、操作简便。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (7)

1.一种针对水分含量变化的多品种物质的光谱匹配方法，其特征在于，包括：

已知物质光谱建模：获取每种已知标准物质的一组光谱曲线集合，对每种已知标准物质特征光谱建模，得到每种已知标准物质的光谱特征曲线；

待测物质光谱建模：获取待测物质的一组光谱曲线集合，根据所述待测物质的光谱曲线集合，对待测物质特征光谱建模，得到待测物质的光谱特征曲线；

光谱特征匹配：分别计算所述待测物质的光谱特征曲线与所述每种已知标准物质的光谱特征曲线的相关系数，将计算得到的相关系数与预设阈值比对，并将相关系数高于预设阈值且最大的已知标准物质作为匹配结果。

2.根据权利要求1所述的一种针对水分含量变化的多品种物质的光谱匹配方法，其特征在于，对已知标准物质特征光谱建模的过程，具体包括：

采集一种已知标准物质的一组光谱曲线集合ΣX＝{X₁,X₂,…,X_N}，包含N条光谱曲线；

计算所述光谱曲线集合中第i条光谱曲线与第j条光谱曲线的相关系数S_ij；

计算第i条光谱曲线与其他光谱曲线的相关系数之和

确定具有最大的相关系数和

的第m条光谱曲线；

设定第一阈值t₁，保留满足条件S_mj≥t₁的光谱曲线集合

q表示光谱曲线序号，0≤q≤N；

采用最小二乘法计算所述已知标准物质的光谱特征曲线，完成此种已知标准物质的建模。

3.根据权利要求2所述的一种针对水分含量变化的多品种物质的光谱匹配方法，其特征在于，采用最小二乘法计算所述已知标准物质的光谱特征曲线，具体包括：

采用最小二乘法计算已知光谱模型中的未知系数，计算公式为：

其中，a_j和b_j为未知系数，n为每条光谱曲线的维度或节点数，X_m为第m条光谱曲线，X_m+j为与第m条光谱曲线相关的第j条光谱曲线；

计算已知标准物质的光谱特征曲线，计算公式为：

其中，

为已知标准物质的光谱特征曲线，a_j和b_j为预先计算所得的系数，q为满足条件的光谱曲线条数。

4.根据权利要求2所述的一种针对水分含量变化的多品种物质的光谱匹配方法，其特征在于，获得光谱曲线集合

之后，采用最小二乘法计算所述已知标准物质的光谱特征曲线之前，还包括：

验证：

判断此种已知标准物质的光谱曲线是否适合建模，若满足验证条件，则此种已知标准物质的光谱曲线适合建模，否则，此种已知物质光谱向量集合不适合建模，建模失败并退出建模步骤。

5.根据权利要求1所述的一种针对水分含量变化的多品种物质的光谱匹配方法，其特征在于，光谱特征匹配的过程，具体包括：

分别计算所述待测物质的光谱特征曲线与所述每种已知标准物质的光谱特征曲线的相关系数；

设定第二阈值，将计算得到的相关系数分别与所述第二阈值比对，提取大于或等于所述第二阈值的相关系数及其对应的已知标准物质；

若大于或等于所述第二阈值的相关系数存在多个，比较多个相关系数，并提取最大的相关系数，将最大的相关系数对应的已知标准物质作为匹配结果；

若计算得到的相关系数均小于所述第二阈值，则待测物质为未知物质。

6.根据权利要求1、2或5所述的一种针对水分含量变化的多品种物质的光谱匹配方法，其特征在于，计算相关系数的过程，具体包括：

设定两条光谱曲线分别为X＝(x₁,x₂,…,x_n)与Y＝(y₁,y₂,…,y_n)，n为每条光谱曲线的维度或节点数，剔除光谱曲线X与Y的水分子吸收波段，得到光谱曲线

与

l为剔除水分子吸收波段后的每条光谱曲线的维度或节点数；

计算截断的光谱曲线

和光谱曲线

在每个匹配位置的交叉相关系数，计算公式为：

其中，r_m表示在匹配位置m的交叉相关系数，

表示截断的光谱曲线

的平均值，

表示截断的光谱曲线

的平均值，l表示截断的光谱曲线

或

的维度或节点数，m表示匹配位置，

表示截断的光谱曲线

的方差，

表示截断的光谱曲线

的方差；

根据匹配位置及其对应的交叉相关系数，绘制得到交叉相关系数曲线图，根据所述交叉相关系数曲线图计算得到每两条光谱曲线之间的曲线峰值的偏度系数，计算公式为：

其中，sk_m为曲线峰值的偏度系数，r_m+表示匹配位置m为正数时的交叉相关系数值，r_m-表示匹配位置m为负数时的交叉相关系数值；

根据所述曲线峰值的偏度系数，计算得到每两条光谱曲线之间的平均偏度系数，计算公式为：

其中，skewness为两条光谱曲线之间的平均偏度系数，sk_m为曲线峰值的偏度系数；

分别计算全波段光谱曲线X和光谱曲线Y的一阶导数向量X'＝（x'₁,x'₂,…,x'_n)与Y'＝(y'₁,y'₂,…,y'_n)，其中，x'_i和y'_i为第i点处的反射率一阶导数值，并将得到的一阶导数向量X'＝(x'₁,x'₂,…,x'_n)与Y'＝(y'₁,y'₂,…,y'_n)转换为二进制向量

和

根据所述二进制向量

和

计算光谱曲线X和光谱曲线Y之间的杰卡德相似系数，计算公式为：

其中，J为杰卡德相似系数，D₁₁和D₀₀为两个二进制向量在相同位置的一阶导数同时为1或0的次数，D₁₀和D₀₁为两个二进制向量在相同位置的一阶导数不相等的次数，n为每条光谱曲线的维度或节点数；

根据所述杰卡德相似系数和所述平均偏度系数，计算得到光谱曲线X与Y的相关系数，计算公式为：

S＝r₀×(1-skewness)×J

其中，S为相关系数，r₀为m＝0的交叉相关系数，skewness为平均偏度系数，J为杰卡德相似系数。

7.根据权利要求6所述的一种针对水分含量变化的多品种物质的光谱匹配方法，其特征在于，所述水分子吸收严重波段的范围分别为：1351～1409nm，1796～1949nm，2451～2500nm。

Images