， 可得由光谱、直径、重量数据建立的苹果霉屯、病判别模型Z:
[0095] Z= 1. 585Yi+0. 298Y2-0. 36Y3+0. 270Y4。 做
[0096] 为了对比光谱与直径、重量结合建模与其余建模的差别，仅对光谱数据进行分析 所建立的判别模型Zi:
[0097] Zi= 1. 564Y1-0.297Y2-O.207Y3 (9)
[0098] 对光谱与直径数据进行分析所建立的判别模型：
[0099] t=1.58Y1+O.396Y3+O.27OY4 (10)
[0100] 对光谱与重量数据进行分析所建立的判别模型：
[0101] t=1. 6Y1+0. 483Y3+0.29OY4 (11)
[0102] 5模型验证
[0103] 为了检验所建立的判别函数对外部未知样本的判别效果，将58个未参与建模的 样本，也即检验集代入上述判别模型中。
[0104] 将待测样品的12维光强和直径、重量原始数据带入到z-score归一化公式中 (1)得到归一化后的数据Xi___Xa再将数据带入到主成分公式化）中，得到主成分结果值Yi，Y2，Y3，Y4,，随后将四个主成分结果值带入到Fisher判别式巧）中，如果所得结果Y的值 小于0则判定所测苹果为霉屯、病果，如果Y值大于0则判定所测苹果为健康果。
[0105] 判别函数对检验集判别结果如表3所示。表中结果显示只对光谱进行分析所建立 的判别函数的正确判别率较低，为91. 3783. 63% ;光谱与重量因子组合所建立的判别函数 的正确率高于光谱与直径所建立的判别函数。二者均高于83. 63%。经光谱、直径、重量组 合所建立的判别函数的正确率最高，达到92. 73%，高于李顺峰等采用近红外光谱经漫反射 模式对苹果的正确判别率87. 8%和化enderey等用近红外透射模式对苹果霉屯、病的正确 判别率90. 4%。该表明本文将光谱结合直径、重量作为因子来建立判别模型应用于健康苹 果和霉屯、病苹果判别是可行的。
[0106] 表3不同因子的判别结果
[0107]
[010引本发明目前主要考虑了光谱、直径、重量组合对霉屯、病判别的影响，w此建立基于 主成分分析和Fisher判别函数的判别模型，在此过程中将苹果色泽、品种、储藏温度等其 他关键因素维持在基本稳定、且不产生胁迫的区间，事实上该些因素的不同组合会影响判 别模型具体参数，因此在实际应用中，需要确定关键因素的若干个水平组合，应用本发明提 出的建模方法，分别试验分析不同因素组合、不同存储阶段下的的判别参数，合并后形成完 整的苹果霉屯、病判别参数，W此实现苹果霉屯、病的进一步精确判别。
【主权项】
1. 一种苹果霉心病多因子无损检测判别模型，其特征在于，模型公式为： Z=I.SSSYi+O. 298Y2-0. 36Y3+0. 270Y4,其中： 其中Z为最终的判别结果，为主成分数据，YnY2、Y3、\分别表示可代表所有数据的三 种主成分的数据，Y2、Y3、\用下列公式求得：其中，别表不主成分Y1与P维变量间的相关系数，aP1_aPP分别表不主成分Yp与P维变量间的相关系数，Xp表示归一化后的试验数据，P表示试验数据的维数，当Z< 0， 说明苹果存在霉心病。2. 根据权利要求1所述苹果霉心病多因子无损检测判别模型，其特征在于，P取值14， 丫1、￥2、￥3、￥ 4用下列公式求得：3. 权利要求1所述苹果霉心病多因子无损检测判别模型的建立方法，其特征在于，包 括如下步骤： 步骤1，建立样本数据 随机选择162个无外观缺陷的苹果，逐一编号，在温湿度恒定的环境下，采集各个苹果 的直径数据、重量数据和透射光强数据，然后沿茎轴处切开苹果，判定是否有霉心病，将直 径数据、重量数据和透射光强数据共同作为样本数据； 步骤2,数据选取 对于透射光谱强度数据所对应的整个光谱曲线，选取与苹果霉心病相关性最大的 680nm-735nm波段，每隔（5±0. 4)nm的波长选取一个波长值，一共选取12个，共对应12个 光强值； 对于直径数据，对垂直于茎轴和平行于茎轴的两个直径屯和d2求平均值，获得直径数 据d; 对于苹果的重量数据m，直接由电子天平获得； 将上述直径d、重量m和12个波长所对应的光强值作为待处理的14维实验数据； 步骤3,数据处理 首先，对所述14维实验数据进行Z-score归一化，转化函数为：其中X为所采集实验数据，y为实验数据的均值，0为实验数据的标准差，X为归一化 后的实验数据； 其次，对归一化后的数据进行主成分分析： 选取累计贡献率超过90%的前四个主成分，求出其特征向量ei，e2,e3,e4，并计算该四 个主成分与归一化后的每一维实验数据间相关系数； 步骤4,模型建立 对步骤3中四个主成分进行Fisher判别分析，得到由、光强、直径和重量数据建立的苹 果霉心病判别模型Z=I. 5851^0. 298Y2-0. 36Y3+0. 270Y4。4. 根据权利要求3所述苹果霉心病多因子无损检测判别模型的建立方法，其特征在 于， 所述直径数据的采集方法为：使用分辨率为0.Olcm的电子游标卡尺，分别从垂直于茎 轴和平行于茎轴的两个方向采集苹果的近似直径屯和d2，得到直径数据； 所述重量数据的采集方法为：使用分辨率为〇.Ig的电子天平，直接测量苹果的重量， 得到重量数据； 所述透射光谱图像数据的采集方法为：使用光纤光谱仪，从每个苹果的从平行于茎轴 的方向开始每隔120度的三个方向进行采集，每个方向采集5次，对光谱数据进行粗大误差 分析和滤除后，平均输出保存，得到透射光谱强度数据。5. 根据权利要求3所述苹果霉心病多因子无损检测判别模型的建立方法，其特征在 于，所述步骤 2 中选取的 12 个波长值为：679. 84、685. 18、690. 11、695. 03、699. 94、704. 84、 710. 15,715. 03,719. 9U725. 19,730. 05,734. 91〇6. 根据权利要求3所述苹果霉心病多因子无损检测判别模型的建立方法，其特征在计贡献量，P为主成分的个数，P= 14,m<p，Ai表示各主成分所对应的特征值，Ai为方 程IAE-Rl= 0的解，R经过归一化后的各直径与光强数据之间的协方差矩阵，E是单位矩 阵。7. 根据权利要求3所述苹果霉心病多因子无损检测判别模型的建立方法，其特征在 于，所述步骤3中特征向量epe2,e3,e4为算式（Y-AiE)X= 0的非零解，要求出主成分Y与各光强和直径、重量的14维数据X的相关系数an_a4 14，其中Ai为主成分所 对应的特征值。8.根据权利要求3所述苹果霉心病多因子无损检测判别模型的建立方法，其特征在X3、X4、X5、X6、X7、X8、X9、X1Q、Xn、X12、X13、X14，并计算得到贡献率超过90%的前四个主成分的 结果值YpY2、Y3、Y4，然后将该结果值带入到公式 Z=L5851^0. 298Y2-0. 36Ys+0. 270Y4 如果所得结果Y的值小于0则判定所测苹果为霉心病果，如果Z值大于0则判定所测 苹果为健康果。
【专利摘要】一种苹果霉心病多因子无损检测判别模型及其建立方法，模型公式为：Z＝1.585Y1+0.298Y2-0.36Y3+0.270Y4，Y1、Y2、Y3、Y4分别表示可代表所有数据的三种主成分的数据，当Z＜0，说明苹果存在霉心病，其建立方法，选择样本数据后，选取数据，包括12个透射波长值和1个直径值、1个重量值，将数据进行归一化处理后进行主成分分析，选取累计贡献率超过90％的前四个主成分，进行Fisher判别分析，最终得到模型，本发明基于透射光谱，采用相关性分析进行变量选择能够有效的剔除冗余光谱信息，确定与苹果霉心病检测最相关的12个的光谱变量，降低了数据分析维数，其判别正确率可达92.73％，实现了对苹果霉心病的快速、无损、精准检测。
【IPC分类】G06F19/00
【公开号】CN104965973
【申请号】CN201510309815
【发明人】张海辉, 苏东, 陈克涛, 胡瑾, 张佐经, 雷雨
【申请人】西北农林科技大学
【公开日】2015年10月7日
【申请日】2015年6月5日