一种赣南脐橙鉴别方法、系统及存储介质与流程

技术特征：
1.一种赣南脐橙鉴别方法，其特征在于，包括以下步骤：获取多个产地的脐橙样本集，多个所述产地划分为赣南脐橙产区、以及非赣南脐橙产区；利用近红外光谱仪对每一个所述脐橙样本集中的样本进行近红外光谱采集，以获得每个所述脐橙样本集对应的脐橙近红外光谱集；对每个所述脐橙近红外光谱子集中的每个近红外光谱数据进行预处理；分别从多个所述脐橙近红外光谱集中选取不少于预设的第一建模数量的近红外光谱数据组成第一建模用样本集，并采用偏最小二乘判别法建立真假脐橙判别模型；从每个产地的所述脐橙近红外光谱集中选取不少于预设的第二建模数量的近红外光谱数据作为第二建模用样本集，并采用主成分分析法分别针对每个产地构建脐橙产地分类模型；获取待检测脐橙的近红外光谱数据，并输入至所述真假脐橙判别模型和多个所述脐橙产地分类模型中，以获得所述待检测脐橙的真假信息和产地信息。2.根据权利要求1所述的赣南脐橙鉴别方法，其特征在于，所述获取待检测脐橙的近红外光谱数据之前还包括以下步骤：将多个所述脐橙近红外光谱集中非所述第一建模用样本集的近红外光谱数据组成验证集，并使用所述验证集验证所述真假脐橙判别模型。3.根据权利要求2所述的赣南脐橙鉴别方法，其特征在于，所述第一建模用样本集中近红外光谱数据和所述验证集中近红外光谱数据的数量比为1：2至1：5。4.根据权利要求1所述的赣南脐橙鉴别方法，其特征在于，所述利用近红外光谱仪对每一个所述脐橙样本集中的样本进行近红外光谱采集包括以下步骤：对每一个所述脐橙样本集中的样本的多个位置进行采集，以获得多个原始近红外光谱数据；将多个所述原始近红外光谱数据平均后转化成一条所述近红外光谱数据。5.根据权利要求4所述的赣南脐橙鉴别方法，其特征在于，对每一个所述脐橙样本集中的样本的多个位置进行采集时，选取样本赤道区域进行采集。6.根据权利要求1所述的赣南脐橙鉴别方法，其特征在于，所述预处理至少包括：多元散射校正、二阶导数。7.根据权利要求1所述的赣南脐橙鉴别方法，其特征在于，采集近红外光谱数据时，采集波长范围在的波长范围为1000
‑
1800nm，波长间隔点位为1nm。8.一种赣南脐橙鉴别系统，其特征在于，包括：近红外光谱采集单元，用于采集多个产地脐橙样本集的近红外光谱数据、以及采集待检测脐橙的近红外光谱数据；多个所述产地划分为赣南脐橙产区、以及非赣南脐橙产区；光谱数据汇集模块，用于依据多个所述产地脐橙样本集的近红外光谱数据建立每个所述脐橙样本集对应的脐橙近红外光谱集；预处理单元，用于对每个所述脐橙近红外光谱子集中的每个近红外光谱数据进行预处理；真假脐橙鉴别模块，其内置有真假脐橙判别模型，所述真假脐橙判别模型依据多个所述脐橙近红外光谱集并采用偏最小二乘判别法建立，用于鉴别所述待检测脐橙的真假信
息；脐橙产地鉴别模块，其内置有多个脐橙产地分类模型，每个所述真脐橙产地分类模型依据对应的所述脐橙近红外光谱集并采用主成分分析法构建，多个所述真脐橙产地分类模型共同用于鉴别所述待检测脐橙的产地信息；显示单元，用于展示所述真假脐橙鉴别模块和脐橙产地鉴别模块的鉴别结果。9.根据权利要求8所述的赣南脐橙鉴别系统，其特征在于，还包括验证模块，所述验证模块用于将多个所述脐橙近红外光谱集中非所述第一建模用样本集的近红外光谱数据组成验证集，并使用所述验证集验证所述真假脐橙判别模型。10.一种计算机可读存储介质，其特征在于：所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行如权利要求1至7任一所述的一种赣南脐橙鉴别方法。

技术总结
一种赣南脐橙鉴别方法、系统及存储介质，赣南脐橙鉴别方法包括以下步骤：获取多个产地的脐橙样本集，多个产地划分为赣南脐橙产区、以及非赣南脐橙产区；获得每个脐橙样本集对应的脐橙近红外光谱集；采用偏最小二乘判别法建立真假脐橙判别模型；采用主成分分析法分别针对每个产地构建脐橙产地分类模型；获取待检测脐橙的近红外光谱数据，并输入至真假脐橙判别模型和多个脐橙产地分类模型中鉴别。本发明基于近红外光谱建模进行识别，相较于传统识别方式，具备快速、无破坏、无污染、稳定可靠等优点。在结合便携式近红外光谱仪后，通过本发明可以对于市场上的任何脐橙样本进行分析，实现产地归属和真伪鉴别的目的。归属和真伪鉴别的目的。归属和真伪鉴别的目的。


技术研发人员：占春瑞 罗秋红 万建春 李仕祥 夏磊
受保护的技术使用者：南昌海关技术中心
技术研发日：2021.06.15
技术公布日：2021/10/23