基于光谱技术的蚕蛹雌雄快速无损检测方法与流程

本发明涉及蚕蛹雌雄识别的技术领域，尤其涉及到基于光谱技术的蚕蛹雌雄快速无损检测方法。

背景技术：

蚕蛹雌雄识别技术无论对蚕种生产还是对蚕丝生产，都具有重要的经济意义。家蚕的雌雄识别技术一直是蚕业工作者想要解决的难题。在蚕业新品种选育及生产上蚕种制造过程中，都需要将不同品系的雌雄蚕蛹分开，进行杂交。据不完全统计，全国每年靠人工鉴别的蚕蛹数目高达数十亿之多，不仅浪费大量的人力物力和时间，而且容易出错。此外雌雄蚕在茧丝质量方面有较大的差别，雄茧的丝质和产量均明显高于雌茧，可缫制高品位的生丝，增加出口创汇。所以探索一种自动识别蚕蛹雌雄的新方法，无论对蚕种生产还是对蚕丝生产，都具有重要的经济意义。

为区别雌雄蚕蛹，人们曾尝试过多方面探索得出各种区别方法，但每种方法均有它的局限性，至今还没有出现一种检测精确度高、检测速度快、不会损伤到蚕蛹的检测方法。

技术实现要素：

本发明的目的在于克服现有技术的不足，提供一种检测精确度高、检测速度快、不会损伤到蚕蛹的基于光谱技术的蚕蛹雌雄快速无损检测方法。

为实现上述目的，本发明所提供的技术方案为：方法包括以下步骤：

(1)甄选不同品种的蚕样品进行光谱扫描；

(2)对光谱扫描过的该不同品种蚕样品进行破茧雌雄检测；

(3)构建成茧蚕样本的光学模型；

(4)搭建光谱采集模块进行光谱采集；

(5)分离采集到的光谱；

(6)将分离后的光谱进行预处理并提取特征波长，建立单源光谱的判别模型；

(7)多源信息融合，得出蚕蛹性别的无损鉴别结果。

进一步地，所述步骤(3)构建的光学模型以蒙特卡罗模型为基础，设置吸收系数、折射系数、散射系数以及反射系数，以研究入射光在成茧蚕样本组织中的传播、拉曼光在成茧蚕样本组织中的产生和传播以及荧光在成茧蚕样本组织中的产生和传播。

进一步地，所述拉曼光的产生依据照明光产生拉曼散射光的概率p来估计:

其中，μa为吸收系数，μs为散射系数，ry为拉曼量子产量；为了确定拉曼光子是否在某个特定的散射位置上产生，产生一个0到1之间的随机数，若概率p大于这个随机数，则认为拉曼光子产生，否则，认为没有拉曼光子产生。

进一步地，所述步骤(4)光谱采集模块分为拉曼和荧光混合光谱采集模块和近红外漫透射光谱采集模块。

进一步地，所述光谱预处理前需将取得的拉曼与荧光混合光谱通过扣减环境背景，对积分时间和激发光强度进行归一化，然后使用五次多项式对曲线进行拟合并进行迭代减法，最终分离出拉曼光谱和荧光光谱。

进一步地，建立单源光谱判别模型的具体步骤如下：

1)对光谱进行小波变换除噪；

2)通过spxy(samplesetpartitioningbasedonjointx-ydistance)法选取样本，进行样本划分，选出建模样本；

3)进行区间偏最小二乘法处理，优选光谱区；

4)对预选择的波长进行连续投影算法和遗传算法处理，提取特征波长；

5)通过神经网络，偏最小二乘判别分析，支持向量机分类处理，利用光谱区的信息建模；

6)对提起的特征波长进行偏最小二乘判别分析，利用特征波长点组合建模；

7)结合步骤5)和6)选择最优单源光谱数学判别模型。

进一步地，所述多源信息融合具体为：采用两级dempster-shafer证据理论进行决策层多源信息融合；而在dempster-shafer证据理论融合中通过采用咨询专家、分析多源光谱信息的特异性信息以及采用灰关联分析方法解决基本概率赋值问题。

本方案原理以及优点如下：

本方案以参考数据挖掘、光学技术、光谱分析技术、计算机技术和蚕桑科学已有的研究为基础，采用理论分析和实验验证相结合的方法，对基于拉曼、荧光和近红外光谱多源信息融合的茧壳内蚕蛹雌雄进行无损检测；本方案具有检测精确度高、检测速度快、不会损伤到蚕蛹等优点。

附图说明

图1为本发明的工作流程图；

图2为本发明中建立单源光谱判别模型的流程图；

图3为本发明中两级d-s证据理论进行决策层多源信息融合流程图。

具体实施方式

下面结合具体实施例对本发明作进一步说明：

参见附图1-3所示，本实施例所述的基于光谱技术的蚕蛹雌雄快速无损检测方法，包括以下步骤：

(1)甄选不同品种的蚕样品进行光谱扫描；

(2)对光谱扫描过的该不同品种蚕样品进行破茧雌雄检测；

(3)构建成茧蚕样本的光学模型：

构建的光学模型以蒙特卡罗模型为基础，设置吸收系数、折射系数、散射系数以及反射系数，以研究入射光在成茧蚕样本组织中的传播、拉曼光在成茧蚕样本组织中的产生和传播以及荧光在成茧蚕样本组织中的产生和传播。

其中，拉曼光的产生依据照明光产生拉曼散射光的概率p来估计:

μa为吸收系数，μs为散射系数，ry为拉曼量子产量；为了确定拉曼光子是否在某个特定的散射位置上产生，产生一个0到1之间的随机数，若概率p大于这个随机数，则认为拉曼光子产生，否则，认为没有拉曼光子产生；

(4)搭建光谱采集模块进行光谱采集：

光谱采集模块分为拉曼和荧光混合光谱采集模块和近红外漫透射光谱采集模块。

(5)分离采集到的光谱：

将取得的拉曼与荧光混合光谱通过扣减环境背景，对积分时间和激发光强度进行归一化，然后使用五次多项式对曲线进行拟合并进行迭代减法，分离出拉曼光谱和荧光光谱；

(6)将分离后的光谱进行预处理并提取特征波长，建立单源光谱的判别模型，具体步骤如下：

1)对光谱进行小波变换除噪；

2)通过spxy法选取样本，进行样本划分，选出建模样本；

3)进行区间偏最小二乘法处理，优选光谱区；

4)对预选择的波长进行连续投影算法和遗传算法处理，提取特征波长；

5)通过神经网络，偏最小二乘判别分析，支持向量机分类处理，利用光谱区的信息建模；

6)对提起的特征波长进行偏最小二乘判别分析，利用特征波长点组合建模；

7)结合步骤5)和6)选择最优数学判别模型；

(7)多源信息融合，得出蚕蛹性别的无损检测结果：

采用两级dempster-shafer证据理论进行决策层多源信息融合；而在dempster-shafer证据理论融合中通过采用咨询专家、分析多源光谱信息的特异性信息以及采用灰关联分析方法解决基本概率赋值问题。

本实施例以参考数据挖掘、光学技术、光谱分析技术、计算机技术和蚕桑科学已有的研究为基础，采用理论分析和实验验证相结合的方法，对基于拉曼、荧光和近红外光谱多源信息融合的茧壳内蚕蛹雌雄进行无损检测，具有检测精确度高、检测速度快、不会损伤到蚕蛹等优点。

以上所述之实施例子只为本发明之较佳实施例，并非以此限制本发明的实施范围，故凡依本发明之形状、原理所作的变化，均应涵盖在本发明的保护范围内。