基于高光譜及BP神經(jīng)網(wǎng)絡(luò)的大豆異黃酮含量檢測(cè)系統(tǒng)及方法與流程

本發(fā)明涉及一種大豆異黃酮含量檢測(cè)系統(tǒng)及方法，具體涉及一種基于高光譜及bp神經(jīng)網(wǎng)絡(luò)的大豆異黃酮含量檢測(cè)系統(tǒng)及方法，屬于農(nóng)產(chǎn)品檢測(cè)方法領(lǐng)域。

背景技術(shù)：

大豆異黃酮具有許多重要的生理活性，如抗氧化、抗溶血，對(duì)心血管疾病、骨質(zhì)疏松癥、和更年期綜合癥具有預(yù)防乃至治療的作用，其應(yīng)用價(jià)值極高，具有較大的開(kāi)發(fā)潛力。隨著人民生活水平的逐漸提高，富含大豆異黃酮的大豆制品以及添加有大豆異黃酮的各種食品將會(huì)越來(lái)越受到大眾的青睞。為了使企業(yè)采購(gòu)到高異黃酮含量的優(yōu)質(zhì)原料，滿足大豆食品企業(yè)對(duì)高品質(zhì)原料的需求，迫切需要快速、準(zhǔn)確、高效的檢測(cè)儀器和方法。

目前，大豆異黃酮檢測(cè)方法主要有紫外分光光度法，三波長(zhǎng)法、高效液相色譜法和氣相色譜法等，這些傳統(tǒng)的化學(xué)檢測(cè)手段存在檢測(cè)周期長(zhǎng)、破換樣本、造成環(huán)境污染的缺點(diǎn)。因此實(shí)現(xiàn)大豆異黃酮的快速、無(wú)損檢測(cè)，就有重要意義。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明為解決現(xiàn)有技術(shù)檢測(cè)方法檢測(cè)周期長(zhǎng)、破換樣本、造成環(huán)境污染以及無(wú)法實(shí)現(xiàn)在線檢測(cè)的問(wèn)題，進(jìn)而提出基于高光譜及bp神經(jīng)網(wǎng)絡(luò)的大豆異黃酮含量檢測(cè)系統(tǒng)及方法。

本發(fā)明為解決上述問(wèn)題采取的技術(shù)方案是：本發(fā)明所述檢測(cè)系統(tǒng)包括系統(tǒng)支架、電源、移動(dòng)平臺(tái)控制器、移動(dòng)平臺(tái)、載物臺(tái)、至少一個(gè)光源、光譜攝像機(jī)和分析計(jì)算機(jī)，電源、移動(dòng)平臺(tái)控制器、移動(dòng)平臺(tái)、載物臺(tái)、至少一個(gè)光源、光譜攝像機(jī)由下至上依次安裝在系統(tǒng)支架內(nèi)，移動(dòng)平臺(tái)控制器控制移動(dòng)平臺(tái)水平直線移動(dòng)，光譜攝像機(jī)通過(guò)數(shù)據(jù)線與分析計(jì)算機(jī)連接，大豆樣本放置在載物臺(tái)的上表面。

本發(fā)明所述檢測(cè)方法的具體步驟如下：

步驟一、獲取光譜信息：將大豆樣本放置在載物臺(tái)的上表面，移動(dòng)平臺(tái)控制器驅(qū)動(dòng)移動(dòng)平臺(tái)勻速移動(dòng)，進(jìn)而帶動(dòng)載物臺(tái)上的大豆樣本勻速移動(dòng)，光源的光線通過(guò)條狀空間照射到大豆樣本上，光譜攝像機(jī)采集大豆樣本的光譜圖像；

步驟二、利用黑白標(biāo)定方法減少高光譜圖像中的噪聲信號(hào)。采用聚四氟乙烯制成的標(biāo)準(zhǔn)白板和蓋住鏡頭方法，分別獲得標(biāo)定白板反射譜和暗電流反射譜，標(biāo)定方程為：

公式①中r表示相對(duì)圖像，rblack表示全黑標(biāo)定圖像，rwhite表示全白標(biāo)定圖像，rraw表示高光譜儀器獲取的原始圖像；

步驟三、經(jīng)過(guò)中值濾波得到比原始光譜更平滑，噪聲更小，信噪比更高的光譜曲線，并提取各品種大豆樣本的光譜反射數(shù)據(jù)；中值濾波是一種非線性平滑技術(shù)，平滑結(jié)果由公式如下：

g(x,y)＝med{f(x-k,y-l),(k,l∈w)}②

公式②中f(x,y)表示原始反射光譜，g(x,y)表示平滑后的光譜，w表示二維模板，x表示像素橫坐標(biāo)，y表示像素縱坐標(biāo)，k表示橫坐標(biāo)平移像素?cái)?shù)，l表示縱坐標(biāo)平移像素?cái)?shù)，w表示二維模板；

步驟四、利用異黃酮含量與光譜反射值回歸分析進(jìn)行特征波長(zhǎng)選擇，分別選擇5個(gè)波長(zhǎng)處的反射值作為異黃酮含量預(yù)測(cè)的特征波長(zhǎng)，特征波長(zhǎng)分別為1516nm、1572nm、1691nm、1716nm和1760nm；

步驟五、在matlab環(huán)境下建立輸入層、中間層和輸出層三層bp神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型，利用bp神經(jīng)網(wǎng)絡(luò)模型對(duì)步驟四中采集到的特征波長(zhǎng)下的光譜數(shù)據(jù)進(jìn)行有監(jiān)督的學(xué)習(xí)，并預(yù)測(cè)大豆樣本異黃酮含量。

本發(fā)明的有益效果是：1、本發(fā)明首先選擇不同地域、不同品種的大豆作為訓(xùn)練樣本建立訓(xùn)練集，提高了預(yù)測(cè)模型的范化能力，擴(kuò)大了檢測(cè)范圍。在采集大豆樣本高光譜圖像數(shù)據(jù)的過(guò)程中，調(diào)整高光譜攝像機(jī)曝光時(shí)間為10ms，設(shè)定電控移動(dòng)平臺(tái)的速度為120mm/s，可以防止采集到的圖像產(chǎn)生失真，為獲取條狀空間中每個(gè)像素在各個(gè)波長(zhǎng)處的圖像信息，線陣的探測(cè)器在光學(xué)焦面(大豆樣本前進(jìn)方向)的垂直方向作橫向掃描。大豆樣本隨著載物臺(tái)的移動(dòng)，線陣探測(cè)器將整個(gè)平面進(jìn)行掃描，采集大豆高光譜數(shù)據(jù)，并得到大豆高光譜圖像。根據(jù)中值濾波公式采用3×3滑動(dòng)窗口得到比原始光譜平滑，噪聲變小，信噪比更高的光譜曲線。采用回歸分析確定了特征波長(zhǎng)，大大降低了輸入神經(jīng)元的個(gè)數(shù)，提高了模型的計(jì)算速度并避免了模型的過(guò)擬合現(xiàn)象。最后，利用神經(jīng)網(wǎng)絡(luò)模型對(duì)采集到的特征波長(zhǎng)下的光譜數(shù)據(jù)進(jìn)行有監(jiān)督的學(xué)習(xí)，并預(yù)測(cè)大豆樣本異黃酮含量；2、本發(fā)明結(jié)合光譜信息和模式識(shí)別的方法實(shí)現(xiàn)了大豆異黃酮的無(wú)損快速檢測(cè)；3、本發(fā)明方法簡(jiǎn)單易行，便于設(shè)計(jì)開(kāi)發(fā)便攜式嵌入式大豆異黃酮含量檢測(cè)系統(tǒng)。同時(shí)該方法處理的是光譜信息，可以有效地消除干擾影響，提高模型的預(yù)測(cè)精度。

附圖說(shuō)明

圖1是檢測(cè)系統(tǒng)的結(jié)構(gòu)示意圖，圖2是高光譜圖像系統(tǒng)采集參數(shù)的流程框圖，圖3是bp神經(jīng)網(wǎng)絡(luò)模型的示意圖。

具體實(shí)施方式

具體實(shí)施方式一：結(jié)合圖1說(shuō)明本實(shí)施方式，本實(shí)施方式所述基于高光譜及bp神經(jīng)網(wǎng)絡(luò)的大豆異黃酮含量檢測(cè)系統(tǒng)包括系統(tǒng)支架1、電源2、移動(dòng)平臺(tái)控制器3、移動(dòng)平臺(tái)4、載物臺(tái)5、至少一個(gè)光源7、光譜攝像機(jī)8和分析計(jì)算機(jī)9，電源2、移動(dòng)平臺(tái)控制器3、移動(dòng)平臺(tái)4、載物臺(tái)5、至少一個(gè)光源7、光譜攝像機(jī)8由下至上依次安裝在系統(tǒng)支架1內(nèi)，移動(dòng)平臺(tái)控制器3控制移動(dòng)平臺(tái)4水平直線移動(dòng)，光譜攝像機(jī)8通過(guò)數(shù)據(jù)線與分析計(jì)算機(jī)9連接，大豆樣本6放置在載物臺(tái)5的上表面。

具體實(shí)施方式二：結(jié)合圖1至圖3說(shuō)明本實(shí)施方式，本實(shí)施方式所述基于高光譜及bp神經(jīng)網(wǎng)絡(luò)的大豆異黃酮含量檢測(cè)方法的具體步驟如下：

步驟一、獲取光譜信息：將大豆樣本6放置在載物臺(tái)5的上表面，移動(dòng)平臺(tái)控制器3驅(qū)動(dòng)移動(dòng)平臺(tái)4勻速移動(dòng)，進(jìn)而帶動(dòng)載物臺(tái)5上的大豆樣本6勻速移動(dòng)，光源7的光線通過(guò)條狀空間照射到大豆樣本6上，光譜攝像機(jī)8采集大豆樣本6的光譜圖像；

步驟二、利用黑白標(biāo)定方法減少高光譜圖像中的噪聲信號(hào)。采用聚四氟乙烯制成的標(biāo)準(zhǔn)白板和蓋住鏡頭方法，分別獲得標(biāo)定白板反射譜和暗電流反射譜，標(biāo)定方程為：

公式①中r表示相對(duì)圖像，rblack表示全黑標(biāo)定圖像，rwhite表示全白標(biāo)定圖像，rraw表示高光譜儀器獲取的原始圖像。

步驟三、經(jīng)過(guò)中值濾波得到比原始光譜更平滑，噪聲更小，信噪比更高的光譜曲線，并提取各品種大豆樣本的光譜反射數(shù)據(jù)；中值濾波是一種非線性平滑技術(shù)，平滑結(jié)果由公式如下：

g(x,y)＝med{f(x-k,y-l),(k,l∈w)}②

公式②中f(x,y)表示原始反射光譜，g(x,y)表示平滑后的光譜，w表示二維模板，x表示像素橫坐標(biāo)，y表示像素縱坐標(biāo)，k表示橫坐標(biāo)平移像素?cái)?shù)，l表示縱坐標(biāo)平移像素?cái)?shù)，w表示二維模板；

步驟四、利用異黃酮含量與光譜反射值回歸分析進(jìn)行特征波長(zhǎng)選擇，分別選擇5個(gè)波長(zhǎng)處的反射值作為異黃酮含量預(yù)測(cè)的特征波長(zhǎng)，特征波長(zhǎng)分別為1516nm、1572nm、1691nm、1716nm和1760nm；

步驟五、在matlab環(huán)境下建立輸入層、中間層和輸出層三層bp神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型，利用bp神經(jīng)網(wǎng)絡(luò)模型對(duì)步驟四中采集到的特征波長(zhǎng)下的光譜數(shù)據(jù)進(jìn)行有監(jiān)督的學(xué)習(xí)，并預(yù)測(cè)大豆樣本異黃酮含量。

本實(shí)施方式中bp神經(jīng)網(wǎng)絡(luò)又稱為誤差反向傳播網(wǎng)絡(luò)，有一個(gè)輸入層，一個(gè)輸出層，一個(gè)或多個(gè)隱含層。bp算法是一種有監(jiān)督的學(xué)習(xí)方法，其主要思想是把整個(gè)學(xué)習(xí)過(guò)程分為正向傳播、反向(逆向)傳播和記憶訓(xùn)練三個(gè)部分。正向傳播時(shí)，輸入樣本從輸入層輸入，經(jīng)各隱含層處理后傳向輸出層，每一層神經(jīng)元的狀態(tài)只影響下一層神經(jīng)元的狀態(tài)。如果在輸出層得不到期望的輸出，則轉(zhuǎn)入誤差的反向傳播階段，將輸出誤差以某種形式通過(guò)隱含層向輸入層反傳，并將誤差分?jǐn)偨o各層的所有單元，從而獲得各層單元的誤差信號(hào)并將其作為修正各單元權(quán)值的依據(jù)。這種網(wǎng)絡(luò)的信號(hào)正向傳播與誤差反向傳播是反復(fù)交替進(jìn)行的，權(quán)值的不斷調(diào)整就是網(wǎng)絡(luò)的記憶訓(xùn)練過(guò)程。網(wǎng)絡(luò)的記憶訓(xùn)練過(guò)程一直進(jìn)行到網(wǎng)絡(luò)趨向收斂，即輸出誤差達(dá)到要求的標(biāo)準(zhǔn)。

具體實(shí)施方式三：結(jié)合圖1至圖3說(shuō)明本實(shí)施方式，本實(shí)施方式所述基于高光譜及bp神經(jīng)網(wǎng)絡(luò)的大豆異黃酮含量檢測(cè)方法的步驟一中光譜攝像機(jī)8的曝光時(shí)間為10ms，波長(zhǎng)范圍為1000nm～2500nm，移動(dòng)平臺(tái)4的移動(dòng)速度為120mm/s。光譜攝像機(jī)8是波長(zhǎng)范圍為1000nm～2500nm的高光譜攝像機(jī)。

具體實(shí)施方式四：結(jié)合圖1至圖3說(shuō)明本實(shí)施方式，本實(shí)施方式所述基于高光譜及bp神經(jīng)網(wǎng)絡(luò)的大豆異黃酮含量檢測(cè)方法的步驟五中bp神經(jīng)網(wǎng)絡(luò)有監(jiān)督的學(xué)習(xí)是通過(guò)如下步驟實(shí)現(xiàn)的：

步驟(一)、輸入模式順傳播，輸入模式由輸入層經(jīng)隱含層向輸出層傳播計(jì)算：確定輸入向量xk：

公式③中k＝1,2,...,m；m表示學(xué)習(xí)模式對(duì)數(shù)；n表示輸入層單元數(shù)；

確定期望輸出向量yk：

公式④中k＝1,2,...,m；m表示學(xué)習(xí)模式對(duì)數(shù)，q表示輸出層單元數(shù)；

計(jì)算隱含層各神經(jīng)元的激活值sj：

公式⑤中n表示輸入層單元數(shù)，wij表示輸入層至隱含層的連接權(quán)值，θj表示隱含層單元的閾值，j＝1,2,...,p，p表示隱含層單元數(shù)，xi表示第i層神經(jīng)元輸入；

激活函數(shù)采用s型函數(shù)：

公式⑥中x表示神經(jīng)元的輸入量；

計(jì)算隱含層j單元的輸出值：將公式⑤帶入公式⑥中可得隱含層j單元的輸出值：

閾值θj在學(xué)習(xí)過(guò)程中與權(quán)值wij一樣也不斷的被修正；

計(jì)算輸出層第t個(gè)單元的激活值ot：

計(jì)算輸出層第t個(gè)單元的實(shí)際輸出值ct：

ct＝f(ot)⑧，

公式⑦和⑧中wjt表示隱含層至輸出層的權(quán)值，θt表示輸出層單元閾值，j＝1,2,...,p，p表示隱含層單元數(shù)，xj表示隱含層第j個(gè)節(jié)點(diǎn)的輸出值，f表示s型激活函數(shù)，t＝1,2,...,q，q表示輸出層單元數(shù)；

利用公式③④⑤⑥⑦⑧可以計(jì)算出一個(gè)輸入模式的順傳播過(guò)程；

步驟(二)、輸出誤差的逆?zhèn)鞑ピ诘谝徊降哪Ｊ巾槀鞑ビ?jì)算中得到了網(wǎng)絡(luò)的實(shí)際輸出值，當(dāng)這些實(shí)際的輸出值與希望的輸出值不一樣或者誤差大于所限定的數(shù)值時(shí)，就要對(duì)網(wǎng)絡(luò)進(jìn)行校正，計(jì)算時(shí)從輸出層到隱含層，再?gòu)碾[含層到輸入層；

輸出層的校正誤差：

公式ⅰ中t＝1,2,...,q，q表示輸出層單元數(shù)，k＝1,2,...,m，m表示學(xué)習(xí)模式對(duì)數(shù)，表示希望輸出，表示實(shí)際輸出，f′()表示對(duì)輸出函數(shù)的導(dǎo)數(shù)，表示第t個(gè)單元的激活值；

隱含層各單元的校正誤差：

公式ⅱ中t＝1,2,...,q，q表示輸出層單元數(shù)，j＝1,2,...,p，p表示隱含層單元數(shù)，k＝1,2,...,m，m表示學(xué)習(xí)模式對(duì)數(shù)，wjt表示第j個(gè)單元與第t個(gè)單元的鏈接權(quán)值，表示輸出層的校正誤差，表示第j層第k個(gè)神經(jīng)元的線性加權(quán)和；

對(duì)于輸出層至隱含層連接權(quán)值和輸出層閾值的校正量：

公式ⅲ和公式ⅳ中表示隱含層j單元的輸出，表示輸出層的校正誤差，j＝1,2,...,p，p表示隱含層單元數(shù)，t＝1,2,...,q，q表示輸出層單元數(shù)，k＝1,2,...,m，m表示學(xué)習(xí)模式對(duì)數(shù)，α表示輸出層至隱含層學(xué)習(xí)率，α>0，δvjt表示輸出層至隱含層連接權(quán)值校正量，δγjt表示輸出層閾值校正量；

隱含層至輸入層的校正量：

公式ⅴ和公式ⅵ中表示隱含層j單元的校正誤差，表示標(biāo)準(zhǔn)輸入，i＝1,2,...,n，n表示輸入層單元數(shù)，β表示隱含層至輸入層學(xué)習(xí)率，0＜β＜1；

步驟(三)、循環(huán)記憶訓(xùn)練：對(duì)bp神經(jīng)網(wǎng)絡(luò)重復(fù)輸入模式順傳播和輸入誤差逆?zhèn)鞑ィ?/p>

步驟(四)、學(xué)習(xí)結(jié)果判別：當(dāng)每次循環(huán)記憶訓(xùn)練結(jié)束后，都要進(jìn)行學(xué)習(xí)結(jié)果的判別；檢查輸出誤差是否已經(jīng)小到10^-3；如果小到可以允許的程度，就可以結(jié)束整個(gè)學(xué)習(xí)過(guò)程，否則還要繼續(xù)進(jìn)行循環(huán)訓(xùn)練。

以上所述，僅是本發(fā)明的較佳實(shí)施例而已，并非對(duì)本發(fā)明作任何形式上的限制，雖然本發(fā)明已以較佳實(shí)施例揭露如上，然而并非用以限定本發(fā)明，任何熟悉本專業(yè)的技術(shù)人員，在不脫離本發(fā)明技術(shù)方案范圍內(nèi)，當(dāng)可利用上述揭示的技術(shù)內(nèi)容做出些許更動(dòng)或修飾為等同變化的等效實(shí)施例，但凡是未脫離本發(fā)明技術(shù)方案內(nèi)容，依據(jù)本發(fā)明的技術(shù)實(shí)質(zhì)，在本發(fā)明的精神和原則之內(nèi)，對(duì)以上實(shí)施例所作的任何簡(jiǎn)單的修改、等同替換與改進(jìn)等，均仍屬于本發(fā)明技術(shù)方案的保護(hù)范圍之內(nèi)。