油菜籽近红外光谱预测模型建立方法及油菜籽检测装置

本发明涉及油菜籽检测，具体涉及一种油菜籽近红外光谱预测模型建立方法及油菜籽检测装置。

背景技术：

1、油菜籽是仅次于大豆的世界第二大油籽作物，我国是油菜生产大国，产量居世界前列，因此，提高油菜籽的产量与品质，对于改善人民的生活水平有重要作用。而传统的油菜籽近红外光谱预测模型建立方法通常依赖于化学分析，这些方法不仅破坏样品，而且操作繁琐，效率低下，无法满足快速现场检测的需求。随着精准农业的发展，对于快速、准确、非破坏性的油菜籽品质检测技术的需求日益增加，红外光谱检测法应用逐渐广泛。

2、与其它农产品内部品质检测相比，红外光谱检测油菜籽内部品质的难点如下：油菜籽体积较小，需要更精细的设备和技术以确保低检测限；油菜籽光反射现象弱，品质参数多，在训练预测模型时需要综合考虑不同特征，针对不同理化值分别确定不同划分数据集方法，以及训练模型；油菜籽品种多样，需要预测高鲁棒性和高稳定性的模型，以满足中国油菜籽多品种、多品质检测需求。

3、综上所述，将近红外光谱技术应用于籽粒作物的品质检测在模型的效率和准确率方面仍然存在改进空间。

技术实现思路

1、本发明要解决的问题是提供一种油菜籽近红外光谱预测模型建立方法及油菜籽检测装置，。

2、本发明一方面提供一种油菜籽近红外光谱预测模型建立方法，包括：

3、获取多份建模油菜籽样品的目标理化值的实测值；

4、采集各份建模油菜籽样品的近红外光谱数据；优选的，采集波段为900-1633nm的近红外光谱信息；

5、将所有的近红外光谱数据采用第一划分方法进行划分，得到目标训练集与目标测试集，其中，第一划分方法为random、spxy和ks中挑选的最优划分方法；

6、对各个近红外光谱数据采用第一预处理方法处理，并在处理后采用第一特征筛选方法提取目标特征量，其中，第一预处理方法为ss、ct、snv、ma、sg、d1、d2、dt、msc、wave和mms中挑选的最优预处理方法，第一特征筛选方法为none、cars、lars、uve、spa、pca和ga中挑选的最优特征筛选方法；优选的，每种划分方法均按照0.8：0.2的比例进行划分；

7、在目标训练集与目标测试集内，将各份建模油菜籽样品的目标特征量与目标理化值的实测值一一对应，结合第一回归模型建立目标理化值的目标预测模型，其中，第一回归模型为pls、ann、svr、elm和cnn中挑选的最优回归模型。

8、在上述油菜籽近红外光谱预测模型建立方法中，将划分数据集、预处理、特征筛选、回归模型的各自多种方法进行优化挑选组合，建立适用于各个理化值的最佳预测模型，即建立了含油量、蛋白质、硫苷、含水率和芥酸五项指标的高精度预测模型，大幅提高了检测精度和可靠性。

9、作为本发明油菜籽近红外光谱预测模型建立方法的改进，在random、spxy和ks中挑选最优划分方法包括：利用单一变量法，通过预测模型的预测精度进行挑选。

10、进一步的，利用单一变量法，通过预测模型的预测精度在random、spxy和ks中挑选最优方法包括：

11、步骤a1：依次选取random、spxy和ks中的一个作为第二划分方法，并在每次选取完后执行以下步骤：

12、将所有的近红外光谱数据采用第二划分方法进行划分，得到待对比训练集与待对比测试集；

13、对各份建模油菜籽样品的近红外光谱采用第二预处理方法处理，并在处理后采用第二特征筛选方法提取待对比特征量；

14、在待对比训练集与待对比测试集内，将各份建模油菜籽样品的待对比特征量与目标理化值的实测值一一对应，结合第二回归模型建立目标理化值的待对比预测模型；

15、获取待对比预测模型的预测精度；

16、步骤a2：比较random、spxy和ks三种方法对应的待对比预测模型的预测精度，取预测精度最大者为第一预处理方法；

17、其中，第二预处理方法为ss、ct、snv、ma、sg、d1、d2、dt、msc、wave和mms中的一个；第二特征筛选方法为none、cars、lars、uve、spa、pca和ga中的一个；第二回归模型为pls、ann、svr、elm和cnn中的一个。

18、进一步的，第二预处理方法为ss、ct、snv、ma、sg、d1、d2、dt、msc、wave和mms中挑选的最优方法，即第二预处理方法与第一预处理方法相同。

19、进一步的，所述待对比预测模型的预测精度由r2分数进行评价。

20、作为本发明油菜籽近红外光谱预测模型建立方法的另一种改进，在ss、ct、snv、ma、sg、d1、d2、dt、msc、wave和mms中挑选最优预处理方法包括：利用单一变量法，通过处理后近红外光谱数据的平滑度进行挑选。

21、进一步的，利用单一变量法在ss、ct、snv、ma、sg、d1、d2、dt、msc、wave和mms中挑选最优方法包括：

22、分别采用ss、ct、snv、ma、sg、d1、d2、dt、msc、wave和mms处理一份建模油菜籽样品的近红外光谱数据，得到该份建模油菜籽样品的多个对比近红外光谱数据；

23、获取各个对比近红外光谱数据的平滑度，取平滑度最大的方法为第一预处理方法。

24、作为本发明油菜籽近红外光谱预测模型建立方法的还一种改进，所述目标理化值为含油量、蛋白质、硫苷、含水率或芥酸；

25、当目标理化值为含油量时，采用sg方法预处理，采用cars方法提取目标特征量，采用ks方法划分数据集，采用pls回归模型进行训练；即当目标理化值为含油量时：第一预处理方法为sg、第一特征筛选方法为cars、第一划分方法为ks、第一回归模型为pls；

26、当目标理化值为蛋白质时，采用sg方法预处理，采用pca方法提取目标特征量，采用ks方法划分数据集，采用pls回归模型进行训练；即当目标理化值为蛋白质时：第一预处理方法为sg、第一特征筛选方法为pca、第一划分方法为ks、第一回归模型为pls；

27、当目标理化值为硫苷时，采用sg方法预处理，采用none方法提取目标特征量，采用random划分数据集，采用pls回归模型进行训练；即当目标理化值为硫苷时：第一预处理方法为sg、第一特征筛选方法为none、第一划分方法为random、第一回归模型为pls；

28、当目标理化值为含水率时，采用sg方法预处理，采用none方法提取目标特征量，采用random划分数据集，采用elm回归模型进行训练；即当目标理化值为含水率时：第一预处理方法为sg、第一特征筛选方法为none、第一划分方法为random、第一回归模型为elm；

29、当目标理化值为芥酸时，采用sg方法预处理，采用pca方法提取目标特征量，采用random划分数据集，采用pls回归模型进行训练；即当目标理化值为芥酸时：第一预处理方法为sg、第一特征筛选方法为pca、第一划分方法为random、第一回归模型为pls。

30、本发明另一方面提供一种油菜籽检测装置，包括设备壳体，所述设备壳体内设置有光谱仪、样品杯和处理器组件；所述样品杯用于存放待测油菜籽样品；所述微型光谱仪用于采集所述待测菜籽样品的近红外光谱；所述处理器组件内设置有预测模块，所述预测模块用于利用预测模型对微型光谱仪获取的近红外光谱进行处理，从而获取待测菜籽样品的含油量、蛋白质、硫苷、芥酸和/或含水率理化值，其中，所述预测模型采用如上述的油菜籽近红外光谱预测模型建立方法建立。

31、在上述油菜籽检测装置中，实现含油量、蛋白质、硫苷、芥酸和含水率同时检测，全面捕捉油菜籽特征，将光谱数据采集与分析、油菜籽理化值预测与显示集成在一个设备中，还可以将数据可视化传递到手机等移动端。

32、进一步的，该装置还包括触摸屏，所述触摸屏由所述处理器控制，所述触摸屏界面包括采集数据可视化展示区、预测结果显示区和用户操作区；所述处理器还包括绘图模块和控制模块，所述绘图模块用于将所述待测菜籽样品的近红外光谱在通过采集数据可视化展示区进行展示；所述预测模块还用于将获取的待测菜籽样品的含油量、蛋白质、硫苷、芥酸和/或含水率理化值通过预测结果显示区展示；所述控制模块用于响应用户操作区的控制按钮。

33、进一步的，该装置还包括移动端小程序，所述移动端小程序能够与所述处理器通讯，实现查看待测菜籽样品的含油量、蛋白质、硫苷、芥酸和/或含水率理化值。

34、综上，采用上述油菜籽近红外光谱预测模型建立方法及油菜籽检测装置，具有如下有益效果：

35、1)通过对多种预处理方法(ss、ct等)、数据集划分方法(random、spxy等)、特征筛选算法(cars、lars、uve等)和回归模型(pls、ann、svr等)的挑选组合，针对油菜籽含油量、蛋白质、硫苷、含水率和芥酸等理化值的不同数据特征分别建立高精度预测模型，实现油菜籽的双低检测。

36、2)针对目前油菜籽品质检测大多针对单品质因素，对油菜籽的品质检测不够全面，获取信息少，效率低的问题，本发明设计的油菜籽检测装置能够一次性完成多种理化值的检测，而且精确度较高、结构简单、执行速度快。

37、3)实现多端数据同步、实时展示，方便用户更好的管理和分析，为用户提供更全面的功能和服务。

技术特征：

1.一种油菜籽近红外光谱预测模型建立方法，其特征在于，包括：

2.根据权利要求1所述的一种油菜籽近红外光谱预测模型建立方法，其特征在于，在random、spxy和ks中挑选最优划分方法包括：利用单一变量法，通过预测模型的预测精度进行挑选。

3.根据权利要求2所述的一种油菜籽近红外光谱预测模型建立方法，其特征在于，利用单一变量法，通过预测模型的预测精度在random、spxy和ks中挑选最优方法包括：

4.根据权利要求3所述的一种油菜籽近红外光谱预测模型建立方法，其特征在于，第二预处理方法为ss、ct、snv、ma、sg、d1、d2、dt、msc、wave和mms中挑选的最优方法，即第二预处理方法与第一预处理方法相同。

5.根据权利要求3所述的一种油菜籽近红外光谱预测模型建立方法，其特征在于，所述待对比预测模型的预测精度由r2分数进行评价。

6.根据权利要求1所述的一种油菜籽近红外光谱预测模型建立方法，其特征在于，在ss、ct、snv、ma、sg、d1、d2、dt、msc、wave和mms中挑选最优预处理方法包括：利用单一变量法，通过处理后近红外光谱数据的平滑度进行挑选。

7.根据权利要求5所述的一种油菜籽近红外光谱预测模型建立方法，其特征在于，利用单一变量法在ss、ct、snv、ma、sg、d1、d2、dt、msc、wave和mms中挑选最优方法包括：

8.根据权利要求1所述的一种油菜籽近红外光谱预测模型建立方法，其特征在于，所述目标理化值为含油量、蛋白质、硫苷、含水率或芥酸；

9.一种油菜籽品质检测装置，其特征在于，包括设备壳体(5)，所述设备壳体(5)内设置有光谱仪(1)、样品杯(2)和处理器组件(3)；所述样品(2)杯用于存放待测油菜籽样品；所述微型光谱仪(1)用于采集所述待测菜籽样品的近红外光谱；所述处理器组件(3)内设置有预测模块，所述预测模块用于利用预测模型对微型光谱仪获取的近红外光谱进行处理，从而获取待测菜籽样品的含油量、蛋白质、硫苷、芥酸和/或含水率理化值，其中，所述预测模型采用如权利要求1-8任一项所述的油菜籽近红外光谱预测模型建立方法建立。

10.根据权利要求9所述的一种油菜籽品质检测装置，其特征在于，还包括触摸屏(4)，所述触摸屏(4)由所述处理器组件(3)控制，所述触摸屏(4)界面包括采集数据可视化展示区、预测结果显示区和用户操作区；所述处理器组件(3)还包括绘图模块和控制模块，所述绘图模块用于将所述待测菜籽样品的近红外光谱在通过采集数据可视化展示区进行展示；所述预测模块还用于将获取的待测菜籽样品的含油量、蛋白质、硫苷、芥酸和/或含水率理化值通过预测结果显示区展示；所述控制模块用于响应用户操作区的控制按钮。

技术总结
本发明公开了一种油菜籽近红外光谱预测模型建立方法及油菜籽检测装置，该方法包括：获取多份建模油菜籽样品的目标理化值的实测值；采集各份建模油菜籽样品的近红外光谱数据；将所有的近红外光谱数据采用第一划分方法进行划分，得到目标训练集与目标测试集，其中，第一划分方法为Random、SPXY和KS中最优方法；对各个近红外光谱数据采用第一预处理方法处理，并在处理后采用第一特征筛选方法提取目标特征量，其中，第一预处理方法为SS、CT、SNV、MA、SG、D1、D2、DT、MSC、Wave和MMS中最优方法，第一特征筛选方法为None、Cars、Lars、Uve、Spa、Pca和GA中最优方法；结合第一回归模型建立目标理化值的目标预测模型，其中，第一回归模型为PLS、ANN、SVR、ELM和CNN中最优模型。

技术研发人员：彭望,王前,潘馨,汪昊,廖庆喜
受保护的技术使用者：华中农业大学
技术研发日：
技术公布日：2024/9/23