准正态化变换，其计算公式如公式(I)所示。
[0048]
(I)
[0049]公式（I)中，X是预处理前的光谱数据，Xsnv是预处理后的光谱数据，Xm是该条光谱 数据预处理前的平均值，S是该条光谱数据预处理前的标准差。XM和S的计算公式分别如公 式(II)和公式(III)所示。
[0050]
[0051]
[0052] 头施例丄
[0053]已知矿物油抛光大米样品40组(编号为1#~40#)和未抛光大米样品40组(编号为 61#~1〇〇#)，分别取1#样品和61#样品，采用相同的方法采集1#样品和61#样品在^OOcnf1~ 12800CHT 1波长下的近红外光谱图，如图2所示。由图2可见，两组样品的近红外吸收均主要集 中在^OOcnf1~8900(31^ 1波段，且矿物油抛光大米和未抛光大米的近红外吸收光谱的谱形、 峰位基本一致，肉眼无法观察到二者的差异，亦即仅凭肉眼观察光谱图无法对矿物油抛光 大米进行检测鉴别。
[0054]为了实现对抛光大米的快速无损鉴别，本实施例采用如下方法进行检测：
[0055] (1)用已知的抛光样品1#~40#和未抛光样品61#~100#构建样本总数为80的训练 集；
[0056] (2)采集所述训练集中每组样品在89000^1~WOOOcnf1波长范围内的近红外吸收 光谱，每组样品的近红外吸收光谱以2CHT1为间距包括1551个光谱数据;采用上述数据标准 正态化预处理方法对每组样品的近红外吸收光谱数据进行处理；
[0057] (3)以所述训练集中经数据标准正态化处理后的全部样品的近红外吸收光谱数据 构建80 X 1551阶矩阵，对所述训练集中的抛光样品赋值为1，对未抛光样品赋值为-1，依据 所述数值用回归算法提取所述矩阵的十组特征向量并获得与所述特征向量一一对应的特 征值，以特征值最尚的两组特征向量作为第1特征向量和第2特征向量；
[0058] (4)依据训练集中每组样品的近红外吸收光谱数据，求出分别与所述第1特征向量 和第2特征向量对应的权重值，作为各训练集样品的得分值1和得分值2,并以其分别为横、 纵坐标，绘制训练集样品的二维得分散点图（如图3所示）；在该图上标记一条抛光样品与未 抛光样品的分界线，所述分界线为穿过坐标轴原点且与横坐标正方向呈150°角的直线，所 述分界线的右上方为抛光区域、左下方为未抛光区域；
[0059] (5)用与步骤(2)相同的方法采集待测样品的近红外吸收光谱数据，据此数据求出 分别与所述第1特征向量和第2特征向量对应的权重值，作为待测样品的得分值1和得分值 2；
[0060] (6)以待测样品的得分值1和得分值2分别为横、纵坐标，在所述二维得分散点图中 绘出对应的待测点，如附图3所示，根据所述待测点所在的区域，鉴别待测样品是否为抛光 大米。
[0061] 采用上述方法检测待测样品（编号为41#~60#和101#~120#)，结果显示，待测样 品41#~60#对应的待测点全部分布在特征直线右上方，即待测样品41#~60#均为抛光大 米，待测样品101#~120#对应的待测点全部分布在特征直线左下方，即待测样品101#~ 120#为未抛光大米;对上述待测样品的来源以及是否抛光的实际情况进行确认后，判断上 述检测结果均与实际情况相符，准确率为100%。由此可见，按照本发明所述的方法，可以对 大米是否被矿物油抛光进行快速无损检测，无需复杂的样品预处理，且环境友好、操作简 便、工作效率高、检测正确率高。
[0062] 对比例1
[0063] 与实施例1相比，区别仅在于，本对比例在4000CHT1~12800CHT1的全波长下采集训 练集以及待测样品的近红外吸收光谱，所得采集训练集样品的散点图如图4所示。由图4可 以看到，即使其他实验条件、数据处理方法皆与实施例1 一致，在^OOcnf1~128000^1波长 下采集的近红外光谱数据获得的训练集样品散点图，难以绘制出将两种抛光情况不同的大 米样品的明确区分开的特征性分界线，无法获得准确的分析结果。
[0064]本发明提出的一种基于振动光谱的矿物油抛光粮食快速无损检测方法扩展了振 动光谱在农产品质量安全快速无损鉴别方面的用途。该方法具有快速、准确、工作效率高、 绿色无污染等特点，不仅可以为劣变农产品快速无损鉴别提供有力保障和技术支持，而且 对保障农产品质量安全、提高工农业生产效率、促进农产品市场健康发展、快速无损检测仪 器的研发等方面具有积极作用。
[0065]虽然，上文中已经用一般性说明、【具体实施方式】及试验，对本发明作了详尽的描 述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见 的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的 范围。
【主权项】
1. 一种抛光粮食的快速无损鉴别方法，其特征在于，所述方法包括以下步骤： (1) 用已知的抛光粮食和未抛光粮食为样品，构建样本总组数为η的训练集;所述训练 集中，η 2 50,抛光样品与未抛光样品的组数之比为1~3.5:1; (2) 采集所述训练集中每组样品在SgOOcnf1~WOOOcnf1波长范围内的近红外吸收光谱， 每组样品的近红外吸收光谱以lcnf 1~3CHT1为间隔包括m个光谱数据； (3) 以所述训练集中全部样品的近红外吸收光谱数据构建n Xm阶矩阵，对所述训练集 中的抛光样品和未抛光样品分别赋予不同的数值，依据所述数值用回归算法提取所述矩阵 的若干组特征向量并获得与所述特征向量一一对应的特征值，以特征值最高的两组特征向 量作为第1特征向量和第2特征向量； (4) 依据训练集中每组样品的近红外吸收光谱数据，求出分别与所述第1特征向量和第 2特征向量对应的权重值，作为各训练集样品的得分值1和得分值2，并以其分别为横、纵坐 标，绘制训练集样品的二维得分散点图；在该图上标记一条抛光样品与未抛光样品的分界 线，所述分界线两侧分别为抛光区域和未抛光区域； (5) 用与步骤(2)相同的方法采集待测样品的近红外吸收光谱数据，据此数据求出分别 与所述第1特征向量和第2特征向量对应的权重值，作为待测样品的得分值1和得分值2; (6) 以待测样品的得分值1和得分值2分别为横、纵坐标，在所述二维得分散点图中绘出 对应的待测点，根据所述待测点所在的区域，鉴别待测样品是否为抛光粮食。2. 根据权利要求1所述的方法，其特征在于，每组样品的取样方法为:取相同品种、产地 以及采收时间的粮食不少于3kg，采用堆锥四分缩分法获得一组样品，每组样品的质量为 200±5g。3. 根据权利要求1或2所述的方法，其特征在于，所述粮食为谷物，优选为大米； 所述矿物油为液体石蜡。4. 根据权利要求1~3任意一项所述的方法，其特征在于，所述训练集中，抛光样品和未 抛光样品的数量均不小于40。5. 根据权利要求1~4任意一项所述的方法，其特征在于，所述未抛光样品的矿物油含 量为〇;所述抛光样品中的矿物油含量为〇. 4~0.6%。6. 根据权利要求1~5任意一项所述的方法，其特征在于，用于采集所述近红外吸收光 谱数据的光谱仪分辨率为lcnf1~64CHT 1，优选为4CHT1~16CHT1。7. 根据权利要求1~6任意一项所述的方法，其特征在于，步骤(2)还包括对所述近红外 吸收光谱数据进行处理； 所述处理包括平滑、微分、基线校正、数据标准正态化中的一种或几种；优选为数据标 准正态化。8. 根据权利要求1~7任意一项所述的方法，其特征在于，步骤(3)提取所述特征向量的 回归方法选自多元线性回归、主成分回归、偏最小二乘回归、人工神经网络回归、支持向量 机回归;优选为偏最小二乘回归。9. 根据权利要求1所述的方法，其特征在于，所述步骤(3)中，对抛光样品赋值0.1~5， 对未抛光样品赋值_5~-〇. 1; 步骤(4)所述分界线为穿过坐标轴原点且与横坐标正方向呈135°~170°的直线，抛光 区域位于所述分界线的右上方，未抛光区域位于所述分界线的左下方。10. -种抛光大米的快速无损检测方法，其特征在于，所述方法包括以下步骤： (1) 用已知是否为抛光大米的样品构建样本组数为η的训练集;所述训练集中，n = 80~ 100，抛光样品和未抛光样品的组数均不小于40; (2) 采集所述训练集中每组样品在SgOOcnf1~WOOOcnf1波长范围内的近红外吸收光谱， 每组样品的近红外吸收光谱以2CHT 1为间隔包括m个光谱数据;对所述光谱数据进行数据标 准正态化处理； (3) 以所述训练集中经数据标准正态化处理后的全部样品的近红外吸收光谱数据构建 nXm阶矩阵，对所述训练集中的抛光样品赋值为1，对未抛光样品赋值为-1，依据所述数值 用回归算法提取所述矩阵的若干组特征向量并获得与所述特征向量一一对应的特征值，以 特征值最尚的两组特征向量作为第1特征向量和第2特征向量； (4) 依据训练集中每组样品的近红外吸收光谱数据，求出分别与所述第1特征向量和第 2特征向量对应的权重值，作为各训练集样品的得分值1和得分值2，并以其分别为横、纵坐 标，绘制训练集样品的二维得分散点图；在该图上标记一条抛光样品与未抛光样品的分界 线，所述分界线为穿过坐标轴原点且与横坐标正方向呈150°角的直线，所述分界线的右上 方为抛光区域、左下方为未抛光区域； (5) 用与步骤(2)相同的方法采集待测样品的近红外吸收光谱数据，据此数据求出分别 与所述第1特征向量和第2特征向量对应的权重值，作为待测样品的得分值1和得分值2; (6) 以待测样品的得分值1和得分值2分别为横、纵坐标，在所述二维得分散点图中绘出 对应的待测点，根据所述待测点所在的区域，鉴别待测样品是否为抛光大米。
【专利摘要】本发明提供一种抛光粮食的快速无损鉴别方法，包括以下步骤：用已知抛光情况的粮食样品构建训练集，采集训练集中各样品在特征波段下的近红外吸收光谱，对所述训练集中的抛光样品和未抛光样品分别赋予不同数值后提取两组特征向量，并求出对应的两组得分值，以得分值为横纵坐标绘制训练集样品的二维得分散点图，划分抛光区域和未抛光区域；扫描待测样品光谱并求出待测样品的两组得分值，在上述散点图中绘出对应的待测点，根据所述待测点所在区域，鉴别待测样品是否为抛光粮食。本发明可以实现对矿物油抛光粮食的快速无损检测，操作简单，无污染，易实现智能化、信息化，为保障农产品质量安全、快速无损检测仪器的研发等提供重要技术手段与支持。
【IPC分类】G01N21/359, G01N21/3563
【公开号】CN105675534
【申请号】CN201610180371
【发明人】王冬, 潘立刚, 马智宏, 王纪华, 韩平, 贾文珅
【申请人】北京市农林科学院
【公开日】2016年6月15日
【申请日】2016年3月25日