(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111580344.0 (22)申请日 2021.12.2 2 (71)申请人 新疆维吾尔自治区产品质量 监督检 验研究院 地址 830011 新疆维吾尔自治区乌鲁 木齐 市新市区河北东路18 8号 申请人 新疆艾旗 斯德检测科技有限公司 (72)发明人 李岩　陈晨　陈程　冉文生　孙蕾　 李强　张煌涛　 (74)专利代理 机构 北京鼎佳达知识产权代理事 务所(普通 合伙) 11348 代理人 孟阿妮　张小勇 (51)Int.Cl. G06F 30/27(2020.01) G06V 10/44(2022.01)G06V 10/764(2022.01) G06V 10/77(2022.01) G06V 10/82(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06Q 50/02(2012.01) G01N 21/359(2014.01) G01N 21/3563(2014.01) G06F 111/10(2020.01) (54)发明名称 一种葡萄干鉴别模型及其建立方法 (57)摘要 本发明为一种葡萄干鉴别模型及其建立方 法。 一种葡萄干鉴别模型的建立方法， 包括以下 步骤： (1)对葡萄干样本的果皮、 果肉进行近红外 光谱测量， 获得果 皮和果肉的光谱数据； (2)对所 述的果皮和果肉的光谱数据进行基线校正后， 通 过PCA进行特征提取后， 进行特征融合， 再建立 分 类模型， 得所述的葡萄干鉴别模型。 权利要求书1页 说明书9页 附图2页 CN 114266198 A 2022.04.01 CN 114266198 A 1.一种葡萄干鉴别模型的建立方法， 其特 征在于， 所述的建立方法包括以下步骤： (1)对葡萄干样本的果皮、 果肉进行近红外光谱测量， 获得果皮和果肉的光谱数据； (2)对所述的果皮和果肉的光谱数据进行基线校正后， 通过PCA进行特征提取后， 进行 特征融合， 再建立分类模型， 得 所述的葡萄干鉴别模型。 2.根据权利要求1所述的建立方法， 其特 征在于， 所述的步骤(1)中， 每一个葡萄干样本分别记录4个果皮光谱和2个果肉光谱， 取其平均 值。 3.根据权利要求1所述的建立方法， 其特 征在于， 所述的步骤(1)中， 近红外光谱测量范围是4000 ‑11000cm‑1， 分辨率为8cm‑1， 重复扫描次 数为16。 4.根据权利要求1所述的建立方法， 其特 征在于， 所述的步骤(2)中， 使用Rub berband进行基线校正， 基线点数为64。 5.根据权利要求1所述的建立方法， 其特 征在于， 所述的步骤(2)中， 建立SVM分类模型。 6.根据权利要求1所述的建立方法， 其特 征在于， 所述的步骤(2)中， 在SVM分类模型的建立过程 中， 使用PSO、 GA和GS算法寻找最优参数C 和g的值。 7.根据权利要求6所述的建立方法， 其特 征在于， 所述的步骤(2)中， 在SVM分类模型的建立过程中， 使用GS算法寻找最优参数C和g的值。 8.根据权利要求7 所述的建立方法， 其特 征在于， 所述的步骤(2)中， 在GS算法中， 设置 C和g的步长为0.8， C和g的寻优范围为[ ‑10,10]。权　利　要　求　书 1/1 页 2 CN 114266198 A 2一种葡萄干鉴别模型及其建立方 法 技术领域 [0001]本发明具体涉及一种葡萄干鉴别模型及其建立方法。 背景技术 [0002]葡萄干富含膳食纤维， 维生素， 类胡萝卜素和多酚。 研究发现， 经常食用葡萄干， 不 仅可以调节血压， 抗发炎和预防心血管疾病， 还可以改善肠道菌落， 起到神经保护和改善空 间记忆。 目前， 葡萄干被广泛的添加在谷物、 茶， 以及各类小 吃中。 仅在2017年， 全球的葡萄 干总产量就已经达到了122万 吨。 其中， 中国葡萄干的产量占19万 吨， 排名第三。 此外， 葡萄 的品种非常多样。 不同品种的葡萄干具有不同口味， 营养属性和商业价值。 目前， 不同种类 葡萄干快速精确的鉴别也是质量 等级排序和避免欺诈等方面 面临的主 要挑战之一。 [0003]在现有研究中， 有利用葡萄干图片结合支持向量机和线性判别分析对15种葡萄干 分类鉴别， 平均分类准确率最高为69.78 ％。 虽然他们的研究具有很强的应用意义， 但是不 同种类葡萄干的颜色以及形态相似， 这为图像特征提取和识别增加了困难。 另外， 有采用高 光谱图像结合神经网络， 实现了对8种葡萄干的鉴别， 分类准确率最高为82.22％。 另外， 也 有研究使用高光谱图像结合主成分分析和Radial  Basis Function  Neural Network对两 种葡萄干进行辨识。 他们的研究探索了光谱信号用于葡萄干分类的可行性。 其他常用的物 种鉴别方法有液相色谱 ‑质谱， 气相色谱 ‑质谱和DNA测序(liquid  chromatography ‑mass  spectrometry,gas  chromatography ‑mass spectrometry,DNA  sequencing)等。 但这些方 法不但需要特定的实验场所和操作人员， 而且实验过程复杂， 检测费用昂贵。 [0004]有鉴于此， 我们提出了一种葡萄干鉴别模型及其建立方法， 基于近红外光谱结合 机器学习算法， 可以对不同种类葡萄干进行 快速识别。 发明内容 [0005]本发明的目的在于提供一种葡萄干鉴别模型的建立方法， 该方法是形态特征融合 结合近红外光谱， 建立了葡萄干鉴别模型， 该模型可以实现对多种葡萄干进行辨别， 且方 便、 简捷和经济 。 [0006]为了实现上述目的， 所采用的技 术方案为： [0007]一种葡萄干鉴别模型的建立方法， 包括以下步骤： [0008](1)对葡萄干样本的果皮、 果肉进行近红外光谱测量， 获得果皮和果肉的光谱数 据； [0009](2)对所述的果皮和果肉的光谱数据进行基线校正后， 通过PCA进行特征提取后， 进行特征融合， 再建立分类模型， 得 所述的葡萄干鉴别模型。 [0010]进一步的， 所述的步骤(1)中， 每一个葡萄干样本分别记录4个果皮光谱和2个果肉 光谱， 取其平均值。 [0011]进一步的， 所述的步骤(1)中， 近红外光谱测量范围是4000 ‑11000cm‑1， 分辨率为 8cm‑1， 重复扫描次数为16 。说　明　书 1/9 页 3 CN 114266198 A 3