一种油菜籽的氨基酸及蛋白质定量检测方法、系统及介质技术方案

本发明专利技术涉及一种油菜籽的氨基酸及蛋白质定量检测方法、系统及介质，属于物质成分含量测定领域，其方法包括，使用近红外光谱仪扫描油菜籽待测样本以获取待测原始光谱数据，进行降噪处理得到待测目标输入光谱数据，输入至预先构建的注意力模块中进行处理，以获得待测目标输入光谱数据中多个波长权重，并将待测目标输入光谱数据分别与其中的每个波长权重相乘，以获得待测目标输入光谱数据中每个波长权重的加权光谱数据；将待测目标输入光谱数据中所有波长权重的加权光谱数据输入至预先建立的油菜籽氨基酸及蛋白质含量预测模型中进行处理，得到油菜籽待测样本的氨基酸及蛋白质含量检测结果。本发明专利技术节省了检测过程中的人力且提高了检测精度。高了检测精度。高了检测精度。

【技术实现步骤摘要】
一种油菜籽的氨基酸及蛋白质定量检测方法、系统及介质


[0001]本专利技术涉及物质成分含量测定领域，具体涉及一种油菜籽的氨基酸及蛋白质定量检测方法、系统及介质。

技术介绍

[0002]油菜籽是世界范围内重要的蛋白质作物，其中富含蛋白质，且氨基酸组成合理，可以作为动物的饲料，优质油菜籽更是一种理想蛋白源。油菜籽中的氨基酸对调解动物体内代谢平衡、促进生长发育有较好的作用。因此，提高油菜籽的氨基酸含量，尤其是赖氨酸、蛋氨酸苏氨酸等必须氨基酸含量对改善油菜籽品质具有较大的实用价值。近年来，随着人民生活水平的提高和国际市场农产品之间的竞争，对油菜籽品质提出了更高的要求，饲料业的迅速发展也需要更优质的菜籽作为新蛋白源。
[0003]而目前对于油菜籽中氨基酸及蛋白质含量的检测需要耗费大量的人力并且需要检测人员具备专业知识才能进行检测，同时检验结果因检测过程以及人为误差无法达到较高的精度，这对消费者和整个市场而言都是一个急需解决的问题。

技术实现思路

[0004]本专利技术所要解决的技术问题是提供一种油菜籽的氨基酸及蛋白质定量检测方法、系统及介质，以节省检测过程中的人力且提高检测精度。
[0005]本专利技术解决上述技术问题的技术方案如下：一种油菜籽的氨基酸及蛋白质定量检测方法，包括以下步骤，S1，使用近红外光谱仪扫描油菜籽待测样本，以获取待测原始光谱数据；S2，对所述待测原始光谱数据进行降噪处理，得到待测目标输入光谱数据；S3，将所述待测目标输入光谱数据输入至预先构建的注意力模块中进行处理，以获得所述待测目标输入光谱数据中各个波长的权重，并将所述待测目标输入光谱数据分别与其中的每个波长的权重相乘，以获得所述待测目标输入光谱数据中每个波长权重的加权光谱数据；S4，将所述待测目标输入光谱数据中所有波长权重的加权光谱数据输入至预先建立的油菜籽氨基酸及蛋白质含量预测模型中进行处理，得到所述油菜籽待测样本的氨基酸及蛋白质含量检测结果。
[0006]基于上述一种油菜籽的氨基酸及蛋白质定量检测方法，本专利技术还提供一种油菜籽的氨基酸及蛋白质定量检测系统。
[0007]一种油菜籽的氨基酸及蛋白质定量检测系统，包括以下模块，原始光谱数据获取模块，其用于使用近红外光谱仪扫描油菜籽待测样本，以获取待测原始光谱数据；数据降噪处理模块，其用于对所述待测原始光谱数据进行降噪处理，得到待测目标输入光谱数据；
注意力加权处理模块，其用于将所述待测目标输入光谱数据输入至预先构建的注意力模块中进行处理，以获得所述待测目标输入光谱数据中各个波长的权重，并将所述待测目标输入光谱数据分别与其中的每个波长的权重相乘，以获得所述待测目标输入光谱数据中每个波长权重的加权光谱数据；含量预测模块，其用于将所述待测目标输入光谱数据中所有波长权重的加权光谱数据输入至预先建立的油菜籽氨基酸及蛋白质含量预测模型中进行处理，得到所述油菜籽待测样本的氨基酸及蛋白质含量检测结果。
[0008]基于上述一种油菜籽的氨基酸及蛋白质定量检测方法，本专利技术还提供一种计算机可读存储介质。
[0009]一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，当所述计算机程序被处理器执行时，实现上述所述的油菜籽的氨基酸及蛋白质定量检测方法。
[0010]本专利技术的有益效果是：在本专利技术一种油菜籽的氨基酸及蛋白质定量检测方法、系统及介质中，输入光谱数据经过注意力模块处理后获得不同波长权重的加权光谱数据，以便于之后的油菜籽氨基酸及蛋白质含量预测模型能够更好的利用对含量预测有正向作用的近红外光谱波长，而减少其他冗余波长对含量预测的负向影响，克服了近红外光谱含有较多与含量预测无关的冗余波长的缺陷，提升了含量预测的可解释性和精确度；另外，本专利技术实现端到端的含量检测，由注意力模块的自动学习来代替传统方法中需要检测人员具备专业知识才能进行检测的问题，检测效率高同时方法简单，适合应用推广。
附图说明
[0011]图1为本专利技术一种油菜籽的氨基酸及蛋白质定量检测方法的流程图；图2为本专利技术一种油菜籽的氨基酸及蛋白质定量检测方法中注意力模块的模型图；图3为本专利技术一种油菜籽的氨基酸及蛋白质定量检测系统的结构框图。
具体实施方式
[0012]以下结合附图对本专利技术的原理和特征进行描述，所举实例只用于解释本专利技术，并非用于限定本专利技术的范围。
[0013]如图1所示，一种油菜籽的氨基酸及蛋白质定量检测方法，包括以下步骤，S1，使用近红外光谱仪扫描油菜籽待测样本，以获取待测原始光谱数据；S2，对所述待测原始光谱数据进行降噪处理，得到待测目标输入光谱数据；S3，将所述待测目标输入光谱数据输入至预先构建的注意力模块中进行处理，以获得所述待测目标输入光谱数据中各个波长的权重，并将所述待测目标输入光谱数据分别与其中的每个波长的权重相乘，以获得所述待测目标输入光谱数据中每个波长权重的加权光谱数据；S4，将所述待测目标输入光谱数据中所有波长权重的加权光谱数据输入至预先建立的油菜籽氨基酸及蛋白质含量预测模型中进行处理，得到所述油菜籽待测样本的氨基酸及蛋白质含量检测结果。
[0014]下面对各步骤进行具体的解释：
所述S1具体为，S11，将所述油菜籽待测样本在烘箱中烘干，冷却后放入所述近红外光谱仪中；S12，利用所述近红外光谱仪对所述油菜籽待测样本进行多次（例如3次）扫描以获得所述油菜籽待测样本的多个光谱数据；其中，近红外光谱仪的光谱扫描范围在1000
‑
2500nm；S13，对所述油菜籽待测样本的多个光谱数据进行光谱平均处理，得到所述待测原始光谱数据。
[0015]在本专利技术中获取待测原始光谱数据的步骤与传统方法相比，不需要将样品溶解、稀释或溶解在特殊的溶剂中，不会对周围环境造成任何污染，且检测时间短，实验数据处理简单，检测成本低，可以很好的满足快速检测的要求。
[0016]所述S2具体为，S21，对所述待测原始光谱数据进行SG卷积平滑处理，得到消除随机噪声的待测平滑光谱数据；S22，对所述待测平滑光谱数据进行求一阶导数操作，得到所述待测目标输入光谱数据。
[0017]本实施例对待测原始光谱数据使用两个高效的降噪处理方法：SG卷积平滑和求一阶导数法来减少光谱噪声，消除与光谱信息无关的漂移，从而实现对待测原始光谱数据的清洗和降噪，提高检测精确度。
[0018]需要说明的是，SG卷积平滑可以用来消除随机噪声，基本思想是对指定宽度为2n+1个点的“窗口”内各点的数据进行重新拟合，使其相邻数据点之间更加平滑，是基于最小二乘原理提出的卷积平滑方法。
[0019]一阶导数法按照以下公式对待测平滑光谱数据进行计算: X(i)=[x(i+g)
‑
x(i)]/g；其中，g为求导窗口宽度，X(i)为求导后的第i个窗口点的光谱吸光度，x(i)为求导前的第i个窗口点的光谱吸光度，x(i+g) 为求导前的第i+g个窗口点的光谱吸光度。
[0020]在所述S3中，如图2所示，所述注意力模块包括三层全连接层，两层RELU本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种油菜籽的氨基酸及蛋白质定量检测方法，其特征在于：包括以下步骤，S1，使用近红外光谱仪扫描油菜籽待测样本，以获取待测原始光谱数据；S2，对所述待测原始光谱数据进行降噪处理，得到待测目标输入光谱数据；S3，将所述待测目标输入光谱数据输入至预先构建的注意力模块中进行处理，以获得所述待测目标输入光谱数据中各个波长的权重，并将所述待测目标输入光谱数据分别与其中的每个波长的权重相乘，以获得所述待测目标输入光谱数据中每个波长权重的加权光谱数据；S4，将所述待测目标输入光谱数据中所有波长权重的加权光谱数据输入至预先建立的油菜籽氨基酸及蛋白质含量预测模型中进行处理，得到所述油菜籽待测样本的氨基酸及蛋白质含量检测结果。2.根据权利要求1所述的油菜籽的氨基酸及蛋白质定量检测方法，其特征在于：所述S1具体为，S11，将所述油菜籽待测样本在烘箱中烘干，冷却后放入所述近红外光谱仪中；S12，利用所述近红外光谱仪对所述油菜籽待测样本进行多次扫描以获得所述油菜籽待测样本的多个光谱数据；S13，对所述油菜籽待测样本的多个光谱数据进行光谱平均处理，得到所述待测原始光谱数据。3.根据权利要求1所述的油菜籽的氨基酸及蛋白质定量检测方法，其特征在于：所述S2具体为，S21，对所述待测原始光谱数据进行SG卷积平滑处理，得到消除随机噪声的待测平滑光谱数据；S22，对所述待测平滑光谱数据进行求一阶导数操作，得到所述待测目标输入光谱数据。4.根据权利要求1所述的油菜籽的氨基酸及蛋白质定量检测方法，其特征在于：在所述S3中，所述注意力模块包括三层全连接层，两层RELU激活函数层和一层Sigmoid激活函数层；其中，三层全连接层包括全连接层一、全连接层二和全连接层三，两层RELU激活函数层包括RELU激活函数层一和RELU激活函数层二；所述全连接层一、所述RELU激活函数层一、所述全连接层二、所述RELU激活函数层二、所述全连接层三和所述Sigmoid激活函数层依次连接，所述全连接层一为所述注意力模块的输入，所述Sigmoid激活函数层为所述注意力模块的输出。5.根据权利要求4所述的油菜籽的氨基酸及蛋白质定量检测方法，其特征在于：所述待测目标输入光谱数据的数据维度为1556维；在所述S3中，将所述待测目标输入光谱数据输入至预先构建的注意力模块中进行处理的具体步骤为，S31，设置所述全连接层一的节点数为512，并将1556维的所述待测目标输入光谱数据输入至所述全连接层一进行特征降维提取处理，得到特征向量一；其中，所述特征向量一的数据维度为512维；S32，将所述特征向量一输入至所述RELU激活函数层一进行特征激活处理，得到激活特征向量一；
S33，设置全连接层二的节点数为512，并将所述激活特征向量一输入至所述全连接层二进行特征线性映射提取处理，得到特征向量二；其中，所述特征向量二的数据维度为512维；S34，将所述特征向量二输入至所述RELU激活函数层二进行特征激活处理，得到激活特征向量二；S35，设置全连接层三的节点数为1556，并将所述激活特征向量二输入至所述全连接层三进行特征升维提取处理，得到特征向量三；其中，所述特征向量三的数据维度为1566维；S36，将所述特征向量三输入至所述Sigmoid激活函数层，按照公式进行归一化处理，将所述特征向量三映射到0
‑
1之间，得到所述待测目标输入光谱数据中各个波长的权重；其中，...

【专利技术属性】
技术研发人员：刘军，刘睿瑞，
申请(专利权)人：武汉工程大学，
类型：发明
国别省市：