一种青贮玉米饲料品质分级方法、装置及存储介质制造方法及图纸

本发明专利技术提供了一种青贮玉米饲料品质分级方法、装置及存储介质，属于农牧业技术领域，该方法包括如下步骤：获取青贮玉米饲料分级样本的原始光谱数据；采用标准正态变换法SNV对原始光谱数据进行预处理；使用线性判别分析法LDA对预处理后的光谱数据进行特征波长提取，获得贡献最大的特征波长光谱数据；将获得的贡献最大的特征波长光谱数据输入支持向量机SVM中，对贡献最大的特征波长光谱数据进行分类处理，根据分类结果得到青贮玉米饲料品质等级划分结果。本发明专利技术通过SNV

【技术实现步骤摘要】
一种青贮玉米饲料品质分级方法、装置及存储介质


[0001]本专利技术属于农牧业
，具体涉及一种青贮玉米饲料品质分级方法、装置、及存储介质。

技术介绍

[0002]全株青贮玉米饲料是将腊熟期带穗的整株玉米切碎后，在密闭无氧环境下，通过微生物厌氧发酵和化学作用，制成适口性好、消化率高和营养丰富的饲料。随着社会的发展，肉制品和乳制品需求量越来越大，奶牛、肉牛和肉羊等反刍动物的生产也在迅速发展，对青贮饲料的需求量也随之增加。由于青贮玉米饲料来源十分广泛，随着现代畜产业的迅速发展，饲喂后的家畜会出现痢疾、流产等疾病，造成经济上的巨大损失。因此对青贮玉米饲料实现品质分级十分重要。
[0003]当前对青贮玉米饲料品质评估使用最广泛的方法为感官评定法，该方法比较简单，但主观性强，要求测定人员必须具有较高的丰富经验，因此无法对青贮玉米饲料的品质进行准确鉴定。

技术实现思路

[0004]为了解决目前对青贮玉米饲料的品质无法进行准确鉴定的不足，本专利技术提供了一种青贮玉米饲料品质分级方法、装置及存储介质。
[0005]本专利技术提供的青贮玉米饲料品质分级方法包括如下步骤：
[0006]获取青贮玉米饲料分级样本的原始光谱数据；
[0007]采用标准正态变换法SNV对所述原始光谱数据进行预处理；
[0008]使用线性判别分析法LDA对预处理后的光谱数据进行特征波长提取，获得贡献最大的特征波长光谱数据；
[0009]将获得的贡献最大的特征波长光谱数据输入支持向量机SVM中，对所述贡献最大的特征波长光谱数据进行分类处理，根据分类结果得到青贮玉米饲料品质等级划分结果。
[0010]优选的，在所述获取青贮玉米饲料分级样本的原始光谱数据之前，需要先制备不同等级的青贮玉米饲料分级样本，所述青贮玉米饲料分级样本的制备方法为：
[0011]利用9点取样法将制备好的青贮玉米饲料置于聚乙烯真空袋中，共采集样品200份，分别标号，对样品采用间歇性开封和持续性开封两种处理方式，间歇性开封处理为每天中午12点开封60分钟，开封完毕后将塑料袋中的空气排出并密封；持续性开封处理是使聚乙烯真空袋表面均匀的排布小孔，以保证饲料能和外界空气进行均匀反应，从而进行二次发酵得到不同等级的青贮玉米饲料分级样本。
[0012]优选的，所述线性判别分析法LDA的目标函数为：
[0013][0014][0015][0016]式中，T
r
为轨迹的迹运算，M为投影矩阵，M
T
为投影矩阵的转置矩阵，D
b
为异类数据的类间散度矩阵，D
w
为类内散度矩阵，x
i
为样本集，为第i类的第j个样本，为第i类样本的均值，L为类别个数，l
i
表示第i个样本中包含的观测值，即该样本的维度，B(i)为第i类样本的先验概率。
[0017]优选的，所述使用线性判别分析法LDA对预处理后的光谱数据进行特征波长提取，获得贡献最大的特征波长光谱数据，包括如下步骤：
[0018]所述LDA将预处理后的光谱数据投影在低维度上，并将同种类别数据的投影点与不同类别数据的投影点投影在不同位置，从而直接通过投影点的距离来对数据进行降维分类，以提取出贡献最大的特征波长。
[0019]优选的，所述支持向量机SVM分类模型为：
[0020]K(x
i
，x
j
)＝exp(
‑
||x
i
‑
x
j
||2)/2σ2[0021]式中：x
i
和x
j
分别表示两个样本；σ是带宽，控制径向作用范围。
[0022]本专利技术还提供有一种青贮玉米饲料品质分级装置，包括：
[0023]数据采集模块，用于获取青贮玉米饲料分级样本的原始光谱数据；
[0024]预处理模块，用于采用标准正态变换法SNV对原始光谱数据进行预处理；
[0025]特征提取模块，用于使用线性判别分析法LDA对预处理后的光谱数据进行特征波长提取，获得贡献最大的特征波长光谱数据；
[0026]数据分类处理模块，用于将获得的贡献最大的特征波长光谱数据输入支持向量机SVM中，对所述贡献最大的特征波长光谱数据进行分类处理；
[0027]等级划分模块，用于根据分类结果对青贮玉米饲料品质等级进行划分。
[0028]本专利技术还提供有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，所述计算机程序适于处理器进行加载，以执行上述青贮玉米饲料品质分级方法。
[0029]本专利技术提供的青贮玉米饲料品质分级方法、装置及存储介质具有以下有益效果：
[0030]本申请采用标准正态变换(SNV)作为青贮玉米饲料预处理方法、使用线性判别分析(LDA)提取特征波长，建立支持向量机(SVM)分类模型所得到的结果最优，其中训练集的准确率为100％，预测集的准确率为100％，该组合算法能够对青贮玉米饲料的品质进行准确鉴定。
附图说明
[0031]为了更清楚地说明本专利技术实施例及其设计方案，下面将对本实施例所需的附图作简单地介绍。下面描述中的附图仅仅是本专利技术的部分实施例，对于本领域普通技术人员来说，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0032]图1为本专利技术实施例的流程图；
[0033]图2为采用多元散射校正法(MSC)、标准正态变换法(SNV)和S
‑
G卷积平滑法对原始光谱数据进行预处理后的光谱曲线图；
[0034]图3为利用CARS对SNV预处理后的光谱提取特征波长的结果图；
[0035]图4为SNV
‑
CARS
‑
RF模型组合的误差曲线图；
[0036]图5为SNV
‑
CARS
‑
CNN模型组合的分类结果图；
[0037]图6为SNV
‑
LDA
‑
SVM模型组合的分类结果图。
具体实施方式
[0038]为了使本领域技术人员更好的理解本专利技术的技术方案并能予以实施，下面结合附图和具体实施例对本专利技术进行详细说明。以下实施例仅用于更加清楚地说明本专利技术的技术方案，而不能以此来限制本专利技术的保护范围。
[0039]在本专利技术的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本专利技术的技术方案和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本专利技术的限制。
[0040]此外，术语“第一”、“第二”等仅用于描述目的，而不能本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种青贮玉米饲料品质分级方法，其特征在于，包括如下步骤：获取青贮玉米饲料分级样本的原始光谱数据；采用标准正态变换法SNV对所述原始光谱数据进行预处理；使用线性判别分析法LDA对预处理后的光谱数据进行特征波长提取，获得贡献最大的特征波长光谱数据；将获得的贡献最大的特征波长光谱数据输入支持向量机SVM中，对所述贡献最大的特征波长光谱数据进行分类处理；根据分类结果对青贮玉米饲料品质等级进行划分。2.根据权利要求1所述的青贮玉米饲料品质分级方法，其特征在于，在所述获取青贮玉米饲料分级样本的原始光谱数据之前，需要先制备不同等级的青贮玉米饲料分级样本，所述青贮玉米饲料分级样本的制备方法为：利用9点取样法将制备好的青贮玉米饲料置于聚乙烯真空袋中，共采集样品200份，分别标号，对样品采用间歇性开封和持续性开封两种处理方式，间歇性开封处理为每天中午12点开封60分钟，开封完毕后将塑料袋中的空气排出并密封；持续性开封处理是使聚乙烯真空袋表面均匀的排布小孔，以保证饲料能和外界空气进行均匀反应，从而进行二次发酵得到不同等级的青贮玉米饲料分级样本。3.根据权利要求1所述的青贮玉米饲料品质分级方法，其特征在于，所述线性判别分析法LDA的目标函数为：法LDA的目标函数为：法LDA的目标函数为：式中，T
r
为轨迹的迹运算，M为投影矩阵，M
T
为投影矩阵的转置矩阵，D
b
为异类数据的类间散度矩阵，D
w
为类内散度矩阵，x
i
为样本集，为第i类的第j个样本，为第i类样本的均值，L为类别个数，l
i
表示第i个样本中包含的观测值，即该...

【专利技术属性】
技术研发人员：郝敏，田海清，孙建英，张梦宇，张红旗，康飞龙，赵凯，杨逸宸，
申请(专利权)人：内蒙古农业大学，
类型：发明
国别省市：