一种基于靶向判别与融合回归的小麦储藏年份判别方法及系统与流程
本发明属于粮食储藏品质检测,涉及气相色谱-离子迁移谱检测(gaschromatography-ion mobility spectrometry, gc-ims)、近红外光谱检测(nearinfrared spectroscopy, nir)及多变量统计分析,具体是一种基于靶向判别与融合回归的小麦储藏年份判别方法及系统。
背景技术:
1、小麦在常规储藏条件下的正常储藏年限一般为5年。随着储藏时间的延长,其化学成分、组织结构及生理特性均会持续变化,并伴随挥发性组分与整体理化品质的演变。在正常储藏年限内,不同年份小麦在外观形态及常规品质指标上差异通常较小,色泽、气味、面筋吸水量及品尝评分值、愈创木酚显色反应、脂肪酸值滴定及发芽率测试等这些常规检测指标,很多均属破坏性检测,样品需经粉碎、萃取等前处理,操作繁琐,耗时数小时至数天,难以满足现场快速筛查需求,而且指标波动区间往往相互重叠,且易受品种、产地及年度气候差异的干扰,与储藏年份之间缺乏稳定的线性对应关系,难以依据上述检测结果对小麦的具体储藏年份进行精准鉴别和定量区分。
2、近年来出现了一些针对小麦储藏年份鉴别的新型检测方法,如基于挥发性有机化合物(volatile organic compounds, vocs)分析的气相色谱-质谱联用(gaschromatography-mass spectrometry, gc-ms)、gc-ims及nir技术。固相微萃取-气相色谱三重四极杆质谱联用技术可从小麦籽粒中检出数十种挥发性化合物,通过化学计量学方法筛选差异化合物用以建立判别模型,但该类方法的样品前处理和最后的数据处理都非常繁琐、复杂,且仪器昂贵,难以适应大批量样品筛查,且仅反映挥发性成分变化,无法体现淀粉、蛋白质、脂肪等整体基质的化学变化特征。nir技术通过采集样品特定波段漫反射光谱并结合化学计量学方法,可实现脂肪酸值、蛋白质含量等指标的定量预测,检测速度快、无需复杂前处理,但对痕量挥发性成分不敏感。gc-ims技术对痕量挥发性物质响应灵敏,可表征小麦储藏过程中的挥发性组分变化。然而,小麦储藏过程中淀粉、蛋白质和脂肪等整体基质亦会发生结构及化学状态变化,单独依据挥发性信号难以完整反映上述变化。此外,现有储藏年份分析多侧重于单类检测信息或离散年份分类,受品种、产地、含水状态及储藏条件差异影响时,容易出现相邻年份样品特征重叠及判别稳定性不足等问题。
3、综上所述,现有小麦储藏年份检测技术仍存在检测信息表征维度有限、操作繁琐、效率低,相邻储藏年份区分能力不足以及分析结果稳定性易受样品差异影响等问题。因此,如何充分表征小麦储藏过程中挥发性组分变化与整体基质变化所形成的多维检测信息,并提高不同储藏年份小麦的判别准确性和稳定性,对于粮食收储管理及加工品质控制具有重要意义。
技术实现思路
1、(一)发明目的
2、针对上述现有技术存在的缺陷和不足,本发明旨在提供一种基于靶向判别与融合回归的小麦储藏年份判别方法及系统,通过采集并融合小麦挥发性组分的gc-ims响应和整体基质的nir光谱响应,从gc-ims检测数据中提取与储藏年份相关的靶向挥发性特征并进行年份类别判别,同时对gc-ims非靶向谱图特征与nir光谱特征进行标准化及融合回归分析,获得储藏年份顺序数值回归结果,并将其映射至对应年份类别尺度,与离散年份判别结果进行一致性评价,充分利用挥发性组分变化与整体基质变化的互补表征特性,实现不同储藏年份小麦的准确识别和稳定判别。
3、(二)技术方案
4、为实现该发明目的,解决其技术问题,本发明采用如下技术方案:
5、第一方面,本发明提供一种基于靶向判别与融合回归的小麦储藏年份判别方法,至少包括如下步骤:
6、ss1. 双模态数据获取:获取具有实际储藏年份信息的整粒小麦建模样本,分别进行gc-ims检测和nir扫描,获得gc-ims三维谱图及nir光谱数据,并按样本标识建立两类检测数据与储藏年份信息之间的对应关系,根据实际储藏年份信息分别形成储藏年份类别标签和储藏年份顺序数值标签,其中储藏年份顺序数值标签按照不同实际年份类别的时间先后关系设置,用于表征不同年份类别之间的有序关系;
7、ss2. 靶向判别建模:对gc-ims三维谱图进行保留指数校准、位置对齐和平滑处理,依据挥发性物质定性结果及与储藏年份的相关系数筛选挥发性信号,提取峰响应形成靶向特征矩阵,对模型训练样本的靶向特征进行标准化,并基于储藏年份类别标签构建偏最小二乘判别分析(partial least squares discriminant analysis, pls-da)模型;
8、ss3. 非靶向表征:从gc-ims三维谱图中截取预设保留时间和相对离子迁移时间范围内的感兴趣区域,将其划分为固定谱图格点,提取各谱图格点对应的信号强度,并依据格点位置顺序组合形成gc-ims非靶向特征矩阵;
9、ss4. 融合回归建模:根据nir光谱数据形成nir特征矩阵,基于模型训练集分别确定gc-ims非靶向特征矩阵和nir特征矩阵对应变量的标准化统计参数,对两类特征矩阵分别进行z-score标准化,按样本对应关系融合两类标准化矩阵,并基于储藏年份顺序数值标签构建偏最小二乘(partial least squares, pls)回归模型;
10、ss5. 待测样本映射:对待测整粒小麦执行与建模样本一致的检测及特征处理,复用建模阶段确定的变量身份、变量位置、标准化统计参数及变量排列顺序,获得待测样本的标准化靶向特征向量和融合特征向量;
11、ss6. 联合年份判别:将标准化靶向特征向量输入pls-da模型获得储藏年份类别,将融合特征向量输入pls回归模型获得储藏年份顺序数值回归值,根据储藏年份顺序数值回归值确定对应的回归映射年份类别,并比较回归映射年份类别与判别年份类别的一致性,输出待测小麦的储藏年份判别结果,当两者一致时输出相应年份类别及结果一致状态,当两者不一致时输出判别年份类别、回归映射年份类别及结果不一致状态,以形成待测小麦的储藏年份判别及复核信息。
12、第二方面,本发明还提供了一种小麦储藏年份判别系统,用于实施本发明的上述基于靶向判别与融合回归的小麦储藏年份判别方法,包括:
13、双模态数据获取模块,用于获取具有实际储藏年份信息的整粒小麦建模样本对应的gc-ims三维谱图及nir光谱数据,并基于样本标识建立两类检测数据与实际储藏年份信息之间的对应关系,并根据实际储藏年份信息形成储藏年份类别标签和储藏年份顺序数值标签;
14、靶向判别建模模块,用于对gc-ims三维谱图进行保留指数校准、位置对齐和平滑处理,依据挥发性物质定性结果及与储藏年份的相关系数筛选挥发性信号,基于对应峰响应形成靶向特征矩阵,确定靶向变量的标准化统计参数并进行z-score标准化,并依据储藏年份类别标签构建pls-da模型;
15、非靶向表征模块,用于从gc-ims三维谱图的预设保留时间和相对离子迁移时间范围内确定感兴趣区域,对其进行固定谱图格点划分,提取各谱图格点对应的信号强度并按格点位置顺序形成gc-ims非靶向特征矩阵;
16、融合回归建模模块,根据nir光谱数据形成nir特征矩阵,基于模型训练集确定两类特征变量对应的标准化统计参数,对gc-ims非靶向特征矩阵和nir特征矩阵进行z-score标准化,按照样本对应关系融合两类标准化矩阵,基于储藏年份顺序数值标签构建pls回归模型;
17、待测样本映射模块,按照建模阶段确定的特征处理规则,对待测整粒小麦的gc-ims三维谱图及nir光谱数据进行特征映射,复用靶向挥发性信号变量身份及其标准化统计参数形成待测样本的标准化靶向特征向量,并复用谱图格点位置、nir波数变量、对应标准化统计参数及融合变量排列顺序形成融合特征向量;
18、联合年份判别模块,用于将标准化靶向特征向量输入pls-da模型获得判别年份类别,将融合特征向量输入pls回归模型获得储藏年份顺序数值回归值,根据储藏年份顺序数值回归值确定回归映射年份类别,并比较判别年份类别与回归映射年份类别的一致性,输出待测小麦的储藏年份判别结果。
19、(三)技术效果
20、同现有技术相比,本发明的基于靶向判别与融合回归的小麦储藏年份判别方法及系统,具有以下有益且显著的技术效果:
21、(1)本发明利用gc-ims获取小麦储藏过程中与储藏年份相关的挥发性的响应特征,利用nir获取整体有机基团及淀粉、蛋白质和脂肪状态变化形成的光谱特征,通过双模态检测信息的互补表征,克服单一检测技术信息维度有限的问题,提高不同储藏年份小麦特征表征的完整性及区分能力。
22、(2)本发明对gc-ims数据实施靶向与非靶向差异化表征,以年份关联挥发性信号构建判别模型,将gc-ims非靶向谱图特征与nir光谱特征标准化融合并构建回归模型,使年份关联挥发性信号信息与整体谱图响应协同参与年份分析,兼顾模型可解释性、复杂变化捕获能力及对不同样本的适应稳定性。
23、(3)本发明将pls-da获得的离散年份类别与融合回归获得的连续储藏年份回归值进行联合评价,通过回归值类别映射及双模型结果一致性判断形成最终年份判别结果,减少单一分类或单一回归结果偏移造成的误判风险,实现小麦储藏年份的准确识别和结果复核。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com