【技术实现步骤摘要】
本专利技术涉及食品质量检测，尤其涉及一种基于光谱分析的文冠果油质量评估系统及方法。
技术介绍
1、随着食品安全和品质监管的日益重要，如何准确、快速地评估食用油的质量，成为了现代食品检测领域的一个重要问题；文冠果油作为一种营养丰富的植物油，具有较高的市场价值；然而，传统的文冠果油质量评估方法主要依赖于化学分析和物理测试，如气相色谱法、液相色谱法、酸值测定等，这些方法不仅操作繁琐且耗时，而且对样品数量和分析设备要求较高，导致成本较高；此外，现有的测试方法对于油品质量的动态监测能力较差，且对油品的质量变化反应不够迅速，无法满足现代食品生产和质量管理的高效性要求。
2、近红外光谱技术作为一种无损、快速的分析手段，已广泛应用于食品质量监测中；通过采集样品在近红外区域的反射和透射光谱数据，可以获取丰富的化学成分信息；然而，现有技术中的光谱分析方法普遍存在数据预处理和特征提取的复杂性，且对油品质量评估的准确性依赖于特征选择与模型训练的精度；尤其是在脂肪酸含量和不饱和度等特征提取过程中，如何在繁杂的光谱数据中准确识别出与油品质量相关的关键信息，仍然是一个难点。
技术实现思路
1、基于上述目的，本专利技术提供了一种基于光谱分析的文冠果油质量评估系统及方法。
2、一种基于光谱分析的文冠果油质量评估系统，包括光谱采集模块、数据预处理模块、特征提取模块以及质量评估模块；其中：
3、光谱采集模块：采用近红外光谱技术，采集文冠果油样品的光谱数据，包括反射光谱和透射光谱信息；
4、数据预处理模块：用于对光谱采集模块采集的光谱数据进行预处理，包括去噪、归一化和校正操作，以消除仪器误差和环境噪声；
5、特征提取模块：用于从预处理后的光谱数据中提取出与文冠果油质量相关的特征数据，包括脂肪酸含量和不饱和度；
6、质量评估模块：基于特征提取模块提供的特征数据，采用支持向量机回归算法构建质量评估模型，对文冠果油样品的质量进行评估，并输出质量等级。
7、可选的，所述光谱采集模块包括光源单元、检测单元以及数据采集单元；其中：
8、光源单元：用于发射近红外光束照射至文冠果油样品，近红外光束采用的波长范围为700nm至2500nm；
9、检测单元：用于接收从文冠果油样品反射或透过的近红外光，并采用光电探测器测量样品在近红外波段的反射光谱和透射光谱信息；
10、数据采集单元：用于将检测单元测量出的光信号转化为电信号，并对电信号进行数字化处理，生成对应的光谱数据。
11、可选的，所述数据预处理模块包括去噪单元、归一化单元以及校正单元；其中：
12、去噪单元：用于对来自光谱采集模块的光谱数据进行去噪处理，该去噪处理采用小波变换算法，以去除光谱数据中的随机噪声，保留信号的特征信息；
13、归一化单元：用于对去噪后的光谱数据进行归一化处理，采用最小-最大归一化方法，将光谱数据标准化至0至1的范围内；
14、校正单元：用于对归一化后的光谱数据进行校正操作，采用基于背景光谱的校正方法，消除仪器响应不一致性和环境光照变化对光谱数据的影响，确保光谱数据的准确性和一致性。
15、可选的，所述校正单元具体包括：
16、背景光谱采集：先采集背景光谱数据，该背景光谱数据来自于不含文冠果油的相同环境条件下的光谱信息；
17、背景光谱校正：对归一化后的光谱数据进行背景光谱校正，通过从归一化后的样品光谱数据中减去背景光谱数据来消除背景噪声；
18、平滑处理：对校正后的光谱数据进行平滑处理，使用savitzky-golay平滑算法去除由环境波动引起的小幅度振荡，该savitzky-golay平滑算法通过卷积加权窗函数对数据进行局部拟合，从而减少高频噪声的干扰；
19、校正系数调整：根据实际光谱数据与参考标准的对比，计算校正系数；该调整系数由以下公式计算：其中，cadjust为调整系数，xref为参考标准光谱数据，xcalibrated为校正后的光谱数据；
20、最终校正光谱输出：将调整后的校正系数应用于所有归一化光谱数据，得到最终校正光谱数据。
21、可选的，所述特征提取模块包括脂肪酸含量提取单元、不饱和度提取单元以及特征选择单元；其中：
22、脂肪酸含量提取单元：基于预处理后的光谱数据，采用主成分分析算法和偏最小二乘回归算法提取与文冠果油脂肪酸含量相关的特征；先通过主成分分析算法减少数据的维度，提取主成分；然后利用偏最小二乘回归算法建立脂肪酸含量与主成分之间的回归关系，从而得到脂肪酸含量数据；
23、不饱和度提取单元：用于采用多变量统计分析方法从光谱数据中提取与文冠果油不饱和度相关的特征；
24、特征选择单元：用于通过计算光谱数据与脂肪酸含量和不饱和度之间的相关系数，选取相关性最高的光谱特征。
25、可选的，所述特征选择单元包括：
26、计算光谱数据与脂肪酸含量的相关系数：设预处理后的光谱数据为x＝{x1，x2，...，xn}，脂肪酸含量为f＝{f1，f2，...，fn}之间的皮尔逊相关系数rf，其中n为光谱数据的样本数量；计算公式为：其中，xi为第i个光谱样本，fi为第i个脂肪酸含量样本，和分别为光谱数据和脂肪酸含量的均值；
27、计算光谱数据与不饱和度的相关系数：计算预处理后的光谱数据x＝{x1，x2，...，xn}与不饱和度u＝{u1，u2，...，un}之间的皮尔逊相关系数ru；
28、选择相关性最高的光谱特征：基于计算的相关系数rf和ru，选择与脂肪酸含量和不饱和度最相关的光谱特征，具体在计算每个光谱特征与脂肪酸含量f和不饱和度u的相关系数后，选择最大相关系数对应的光谱特征作为输入特征。
29、可选的，所述质量评估模块包括模型训练单元、预测单元以及输出单元；其中：
30、模型训练单元：基于特征提取模块提供的脂肪酸含量和不饱和度特征数据，采用支持向量机回归算法构建质量评估模型；
31、预测单元：用于将待评估文冠果油样品的脂肪酸含量和不饱和度特征数据输入至已训练的质量评估模型中，生成质量评估值；
32、输出单元：根据预测单元生成的质量评估值，确定文冠果油的质量等级，并提供给相关人员。
33、可选的，所述模型训练单元具体包括：
34、数据准备：收集文冠果油样品的脂肪酸含量和不饱和度特征数据，并将其作为输入数据x；同时，收集每个样品的质量评估值作为输出数据y；
35、选择核函数：选择核函数用于映射输入数据到高维特征空间，所述核函数包括线性核、多项式核和径向基函数核；
36、构建svr模型：svr模型的目标是通过求解最优的回归函数f(x)，使其与真实值之间的误差最小化；
37、训练svr模型：通过最小化上述目标函数，得到支持向量机回归模型的最优参数，以及对应的松本文档来自技高网...
【技术保护点】
1.一种基于光谱分析的文冠果油质量评估系统，其特征在于，包括光谱采集模块、数据预处理模块、特征提取模块以及质量评估模块；其中：
2.根据权利要求1所述的一种基于光谱分析的文冠果油质量评估系统，其特征在于，所述光谱采集模块包括光源单元、检测单元以及数据采集单元；其中：
3.根据权利要求1所述的一种基于光谱分析的文冠果油质量评估系统，其特征在于，所述数据预处理模块包括去噪单元、归一化单元以及校正单元；其中：
4.根据权利要求3所述的一种基于光谱分析的文冠果油质量评估系统，其特征在于，所述校正单元具体包括：
5.根据权利要求1所述的一种基于光谱分析的文冠果油质量评估系统，其特征在于，所述特征提取模块包括脂肪酸含量提取单元、不饱和度提取单元以及特征选择单元；其中：
6.根据权利要求5所述的一种基于光谱分析的文冠果油质量评估系统，其特征在于，所述特征选择单元包括：
7.根据权利要求1所述的一种基于光谱分析的文冠果油质量评估系统，其特征在于，所述质量评估模块包括模型训练单元、预测单元以及输出单元；其中：
8.
9.根据权利要求8所述的一种基于光谱分析的文冠果油质量评估系统，其特征在于，所述输出单元具体包括：
10.一种基于光谱分析的文冠果油质量评估方法，由权利要求1-9任一项所述的一种基于光谱分析的文冠果油质量评估系统实现，其特征在于，包括以下步骤：
...【技术特征摘要】
1.一种基于光谱分析的文冠果油质量评估系统，其特征在于，包括光谱采集模块、数据预处理模块、特征提取模块以及质量评估模块；其中：
2.根据权利要求1所述的一种基于光谱分析的文冠果油质量评估系统，其特征在于，所述光谱采集模块包括光源单元、检测单元以及数据采集单元；其中：
3.根据权利要求1所述的一种基于光谱分析的文冠果油质量评估系统，其特征在于，所述数据预处理模块包括去噪单元、归一化单元以及校正单元；其中：
4.根据权利要求3所述的一种基于光谱分析的文冠果油质量评估系统，其特征在于，所述校正单元具体包括：
5.根据权利要求1所述的一种基于光谱分析的文冠果油质量评估系统，其特征在于，所述特征提取模块包括脂肪酸含量提取单元、不饱和度提...
【专利技术属性】
技术研发人员：刘金菊，杨震发，罗文龙，
申请(专利权)人：白银矿冶职业技术学院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。