一種使用近紅外光譜技術(shù)快速鑒別茶葉品種的方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種茶葉品種鑒別方法的技術(shù)領(lǐng)域，具體涉及一種使用近紅外光譜技 術(shù)快速鑒別茶葉品種的方法。
【背景技術(shù)】
[0002] 茶葉是世界三大飲料之一，它含有茶多酚、蛋白質(zhì)和氨基酸等有機(jī)物質(zhì)，也含有 鉀、鈣和鎂等無機(jī)物質(zhì)，具有安神，明目和清熱等功效，常飲茶有益于人的身體健康。樂山竹 葉青是樂山地區(qū)特有的茶葉品牌，但是在茶葉市場(chǎng)上存在以次充好現(xiàn)象，而普通消費(fèi)者無 法辨認(rèn)優(yōu)質(zhì)名茶和劣質(zhì)茶葉，往往會(huì)受騙上當(dāng)。另外，以次充好的劣質(zhì)茶葉損害了名優(yōu)茶的 品牌信譽(yù)，侵害了消費(fèi)者權(quán)益，給名優(yōu)茶的市場(chǎng)推廣帶來困擾。所以研究一種方法簡(jiǎn)單、易 于操作、檢測(cè)速度快的茶葉品種的鑒別方法是非常必要的。
[0003] 近紅外光譜檢測(cè)技術(shù)作為一種快速無損檢測(cè)技術(shù)，近年來應(yīng)用于茶葉品質(zhì)的檢測(cè) 分析中。張龍等用近紅外光譜技術(shù)，主成分分析和典則判別分析對(duì)非發(fā)酵茶，半發(fā)酵茶和發(fā) 酵茶進(jìn)行分類研究。寧井銘等用近紅外光譜技術(shù)和神經(jīng)網(wǎng)絡(luò)區(qū)分三種不同發(fā)酵程度的普洱 茶。Huang等用近紅外光譜技術(shù)和蟻群優(yōu)化模型檢測(cè)花茶的總花青素含量。Ren等用近紅 外光譜技術(shù)檢測(cè)紅茶的化學(xué)組成成分和識(shí)別茶葉的溯源地。He等用近紅外光譜技術(shù)，偏最 小二乘判別分析和歐式距離法檢測(cè)茶葉的溯源地。Xiong等用近紅外光譜技術(shù)和多光譜圖 像系統(tǒng)檢測(cè)鐵觀音茶的總多酚含量。
[0004] 模糊C-均值聚類（FCM)是著名的模糊聚類算法，其應(yīng)用非常廣泛，但是FCM對(duì)噪 聲數(shù)據(jù)敏感。噪聲聚類是一種模糊聚類算法，它適用于處理含噪聲數(shù)據(jù)的聚類分析，噪聲聚 類將噪聲數(shù)據(jù)看做一個(gè)類別進(jìn)行處理，但是噪聲聚類對(duì)參數(shù)具有依賴性，同時(shí)，噪聲聚類的 目標(biāo)函數(shù)均是建立在樣本到類中心矢量的歐式距離的平方基礎(chǔ)上，它們?cè)诰垲愅負(fù)浣Y(jié)構(gòu)比 較復(fù)雜的數(shù)據(jù)時(shí)準(zhǔn)確率往往不是很理想。
[0005] 用近紅外光譜儀采集到的茶葉近紅外漫反射光譜數(shù)據(jù)是一種高維數(shù)據(jù)，經(jīng)過維數(shù) 壓縮和特征提取后數(shù)據(jù)的簇拓?fù)浣Y(jié)構(gòu)比較復(fù)雜，若采用噪聲聚類進(jìn)行數(shù)據(jù)聚類時(shí)，由于噪 聲聚類采用的歐式距離來度量數(shù)據(jù)，則聚類效果不理想。

【發(fā)明內(nèi)容】

[0006] 本發(fā)明針對(duì)現(xiàn)有技術(shù)中噪聲聚類方法的缺陷和不足的問題，提出了一種檢測(cè)速度 快，鑒別準(zhǔn)確率高，綠色環(huán)保，可實(shí)現(xiàn)茶葉品種的準(zhǔn)確鑒別的一種使用近紅外光譜技術(shù)快速 鑒別茶葉品種的方法；從而解決了噪聲聚類方法只能聚類拓?fù)浣Y(jié)構(gòu)簡(jiǎn)單的數(shù)據(jù)問題，提高 了噪聲聚類的準(zhǔn)確率。
[0007] 本發(fā)明的目的是通過以下技術(shù)手段實(shí)現(xiàn)的：一種使用近紅外光譜技術(shù)快速鑒別茶 葉品種的方法，其特征在于包括以下步驟：
[0008] 步驟一、茶葉樣本近紅外光譜的采集：用近紅外光譜儀采集不同品種的茶葉樣本， 獲取茶葉樣本的近紅外漫反射光譜；
[0009] 步驟二、對(duì)茶葉樣本近紅外光譜進(jìn)行降維處理：采用主成分分析方法（PCA)將茶 葉樣本近紅外光譜從高維數(shù)據(jù)變換為低維數(shù)據(jù)；
[0010] 步驟三、提取茶葉樣本近紅外光譜的鑒別信息：采用線性判別分析（LDA)提取茶 葉樣本近紅外光譜的鑒別信息；
[0011] 步驟四、運(yùn)行模糊C-均值聚類以得到初始聚類中心；
[0012] 步驟五、用一種廣義噪聲聚類方法進(jìn)行茶葉品種的鑒別：根據(jù)步驟四的初始聚類 中心運(yùn)行廣義噪聲聚類方法得到模糊隸屬度，根據(jù)模糊隸屬度可實(shí)現(xiàn)茶葉品種的鑒別。
[0013] 步驟一、二、三中所述的近紅外漫反射光譜，因不同的茶葉樣本的近紅外漫反射光 譜包含了茶葉的不同的內(nèi)部品質(zhì)信息，品種不同的茶葉其內(nèi)部品質(zhì)不同，所對(duì)應(yīng)的近紅外 漫反射光譜也不相同，此為本發(fā)明的原理。
[0014] 所述步驟五中的廣義噪聲聚類方法采用基于歐式距離的P次方的廣義噪聲聚類 進(jìn)行茶葉品種的分類，具體如下：
[0015] (1).初始化
[0016] 設(shè)置茶葉近紅外光譜樣本數(shù)目n(+ η > 1)，樣本類別數(shù)目c(n > C > 1)，權(quán) 重指數(shù)m(+ > m > 1)和p (+ °° > p > 1)，初始迭代次數(shù)r = 1，最大迭代數(shù)rmax，誤差上 限值ε，初始化類中心Vli。；
[0017] (2).計(jì)算參數(shù) aik:
[0019] 這里〇 2是樣本的方差；a ik為第i (i = 1，2,......，c)類別的第k (k = 1，2,......， η)個(gè)樣本的參數(shù)；Dlk^= I I X k-Vv i I I是Xk-V1 ^ i的歐式距離，X k為第k個(gè)樣本，V V 1為第 r - 1次迭代時(shí)第i類的類中心矢量；Djkif= I I X k-v.j,r i I I是Xk-Vjif滿歐式距尚，V 為 第r 一 1次迭代時(shí)第j類的類中心矢量；?為總體樣本均值，X]為第j個(gè)樣本；
[0020] (3) ·計(jì)算第r次迭代時(shí)的模糊隸屬度值U11^;
[0022] 這里隸屬度值U11^表示第r次迭代計(jì)算時(shí)第k個(gè)樣本隸屬于第i類的模糊隸屬度 值；Dik^= I I X k_Vm I I，Vi, i為第r - 1次迭代時(shí)第i類的類中心矢量；
[0023] (4).計(jì)算第r次迭代時(shí)的類中心Viil^
[0025] 當(dāng)Hiaxi I I Viil-ViJ丨I I < ε或者r = r_時(shí)，迭代終止；否貝lj，r = r+Ι，返回步驟 (2)繼續(xù)迭代計(jì)算。
[0026] 與現(xiàn)有技術(shù)相比本發(fā)明具有以下明顯的優(yōu)點(diǎn)：
[0027] 1、本發(fā)明采用基于歐式距離的p次方的廣義噪聲聚類進(jìn)行茶葉品種的分類；從而 解決了噪聲聚類方法只能聚類拓?fù)浣Y(jié)構(gòu)簡(jiǎn)單的數(shù)據(jù)問題，提高了噪聲聚類的準(zhǔn)確率。2、本 發(fā)明方法用近紅外光譜儀采集茶葉的近紅外漫反射光譜，再用主成分分析（PCA)對(duì)茶葉的 高維近紅外光譜進(jìn)行降維處理，用線性判別分析（LDA)進(jìn)行茶葉光譜數(shù)據(jù)的品種類別信息 的提取，最后利用一種新的廣義噪聲聚類方法進(jìn)行茶葉品種的鑒別分析。3、本發(fā)明具有檢 測(cè)速度快，鑒別準(zhǔn)確率高，綠色環(huán)保，可實(shí)現(xiàn)茶葉品種的準(zhǔn)確鑒別。
【附圖說明】
[0028] 圖1為本發(fā)明的流程示意圖；
[0029] 圖2為本發(fā)明中茶葉樣本的漫反射近紅外光譜圖；
[0030] 圖3為本發(fā)明中線性判別分析特征提取后得到的二維數(shù)據(jù)圖；
[0031] 圖4為本發(fā)明方法的模糊隸屬度圖；
[0032] 圖5為本發(fā)明方法實(shí)現(xiàn)茶葉品種鑒別的聚類準(zhǔn)確率圖。
【具體實(shí)施方式】
[0033] 以下結(jié)合【附圖說明】和【具體實(shí)施方式】對(duì)本發(fā)明作進(jìn)一步的詳細(xì)描述：本發(fā)明的一種 廣義噪聲聚類的近紅外光譜茶葉品種鑒別方法適用于茶葉品種的鑒別分析，本發(fā)明的實(shí)施 流程如圖1所示。
[0034] 實(shí)施例
[0035] 步驟一、茶葉樣本近紅外光譜的采集：用近紅外光譜儀采集不同品種的茶葉樣本， 獲取茶葉樣本的近紅外漫反射光譜。
[0036] 采集優(yōu)質(zhì)樂山竹葉青、劣質(zhì)樂山竹葉青和峨眉山毛峰三種茶葉，每種茶葉的樣本 數(shù)為32,合計(jì)96個(gè)樣本。所有茶葉樣本被研磨粉粹后經(jīng)40目篩過濾，每個(gè)樣本取0. 5g分 別與溴化鉀按1:100均勻混合后取混合物Ig進(jìn)行壓膜處理。在進(jìn)行采集近紅外光譜時(shí)實(shí)驗(yàn) 室溫度約25°C，相對(duì)濕度在50%左右，F(xiàn)TIR-7600型傅里葉近紅外光譜分析儀開機(jī)預(yù)熱1小 時(shí)。光譜分析儀掃描每個(gè)茶葉樣本32次，光譜掃描的波數(shù)范圍為4001. 569~401. 1211 cm 1， 掃描間隔為I. 9285cm 1，每個(gè)茶葉樣本的近紅外光譜是1868維的高維數(shù)據(jù)。每個(gè)樣本采樣 3次，取其平均值作為后續(xù)模型建立的實(shí)驗(yàn)數(shù)據(jù)。茶葉樣本的近紅外光譜圖如圖2所示。
[0037] 步驟二、對(duì)茶葉樣本近紅外光譜進(jìn)行降維處理：采用主成分分析方法（PCA)將茶 葉樣本近紅外光譜從高維數(shù)據(jù)變換為低維數(shù)據(jù)。
[0038] 采用主成分分析將96個(gè)樣本的近紅外光譜數(shù)據(jù)壓縮為20維的數(shù)據(jù)。
[0039] 步驟三、提取茶葉樣本近紅外光譜的鑒別信息：采用線性判別分析（LDA)提取茶 葉樣本近紅外光譜的鑒別信息。
[0040] 從每種茶葉樣本中選取13個(gè)樣本組成茶葉樣本訓(xùn)練集，則訓(xùn)練集樣本總數(shù)為39 個(gè)，剩余的樣本組成茶葉樣本測(cè)試集，則測(cè)試集樣本總數(shù)為57個(gè)。通過運(yùn)行LDA計(jì)算