一种通过近红外光谱辨别亳州芍药的方法

1.本发明属于光谱检测领域，具体涉及一种通过近红外光谱辨别亳州芍药的方法。


背景技术：

2.芍药(学名：paeonia lactiflora)是一种芍药科芍药属的著名草本花卉。原产中国以及亚洲北部。被列为中国六大名花之一。芍药不仅有极高的观赏价值，更有相当重要的药用价值。芍药因其花形妩媚，花色艳丽，故占得形容美好容貌的“婥约”之谐音，名为“芍药”，亳州芍药质量相对较好，市场上以次充好、假冒伪劣现象时有发生，为有效识别亳州产地的芍药，保护消费者的权益，建立高效的亳州芍药识别技术势在必行。
3.傅里叶变换红外光谱法是一种主要研究物质分子中代表性官能团的振动及转动光谱，红外光谱制样简单快速、重复性好、对样品没有损坏、信息量大。利用傅里叶变换红外光谱漫反射方法(ftir-dr)采集光谱图，并结合化学计量学方法，建立主成分分析(pca)模型，基于主成分分析(pca)模型结合人工神经网络算法鉴别芍药产地的方法在专利文献尚未见报道。


技术实现要素：

4.为了解决上述问题，本发明提供一种通过近红外光谱辨别亳州芍药的方法。
5.本发明提供了如下的技术方案：
6.一种通过近红外光谱辨别亳州芍药的方法，包括如下步骤：
7.s1、构建人工神经网络模型，通过训练集训练此人工神经网络模型，得到亳州芍药的辨别模型；
8.所述训练集通过如下方式获取：
9.s11、获得若干份亳州芍药、非亳州芍药10000-4000cm-1
范围内近红外漫反射光谱；
10.s12、使用tq analyst 8.0软件，采用savitzky-golay平滑、norris平滑对4200-9800cm-1
范围内的光谱数据进行预处理，用于消除噪声；
11.s13、采用主成分分析法对所述若干份近红外漫反射光谱数据进行降维，除去冗余信息，加快建模速度，提高所建模型的稳定性，获得前10主成分光谱数据，前10主成分的累积贡献率为99.8％
12.s2、将预测集、既待辨认产地的芍药采用与s1中相同的方法，得到前10主成分的光谱数据，输入到训练好的人工神经网络模型，根据输出结果判断是否为亳州芍药。
13.优选的，所述人工神经网络模型包括输入层、隐含层和输出层，
14.所述输入层节点数为10个，输入层与隐含层的传递函数为tansig；
15.所述输出层节点数为6个，隐含层与输出层的传递函数为trainlm；
16.所述输出层的节点为两个，节点“1”代表产地为亳州，节点“0”代表产地为非亳州。
17.优选的，所述s1中的具体方法为，将亳州芍药烘干粉碎，过60-80目筛子，放入样品池内，在分辨率为4cm-1
，扫描次数为64次条件下测量。
18.优选的，所述近红外漫反射光谱由傅里叶红外光谱仪进行检测，所述傅里叶红外光谱仪包括机体外壳(1)和样品池部件，所述机体外壳(1)的侧壁设有干燥组件(2)，所述机体外壳(1)的上端面设有引风机(3)，所述机体外壳(1)的内底部设有样品池部件，样品池部件包括样品检测圆盘(5)；
19.所述样品检测圆盘(5)的上端面设置有偶数个限位滑槽(51)，限位滑槽(51)均匀分布，且对称设置的限位滑槽(51)相连通；限位滑槽(51)内滑动设有定位滑块(54)，定位滑块(54)的侧壁水平连接有电动推杆(511)。
20.优选的，所述定位滑块(54)的上端面设有固定板(53)，固定板(53)的上端面安装有安装底板(55)，安装底板(55)的底部四周分别设有定位块(58)，定位块(58)的底部设有第一磁片(59)；
21.所述固定板(53)的上端面设有与定位块(58)对应的定位槽，定位槽内设有与第一磁片(59)对应的第二磁片(510)。
22.优选的，所述安装底板(55)的上端固定设置有样品载板(56)，样品载板(56)的侧壁开设有放置样品的槽口，样品通过压合片(57)进行压合固定。
23.优选的，所述定位滑块(54)的底部设有刚性滚珠，刚性滚珠与限位滑槽(51)的底部贴合。
24.优选的，所述干燥组件(2)包括风扇(21)、滤网(22)和加热组件(23)，所述滤网(22)设置于干燥组件(2)的外侧壁，加热组件(23)设置于干燥组件(2)的内侧壁，风扇(21)设置于滤网(22)和加热组件(23)之间。
25.优选的，所述机体外壳(1)的外壁一侧活动连接有密封门(4)，密封门(4)的边框处设有一层密封胶条；
26.所述固定板(53)的底部与样品检测圆盘(5)的上端面贴合，且固定板(53)的底部宽度大于定位滑块(54)的宽度。
27.优选的，所述样品检测圆盘(5)的底部通过转轴连接有伺服电机(6)，伺服电机(6)安装于机体外壳(1)的底部。
28.本发明的有益效果是：
29.1、本发明建立了一种快速、高效的辨认亳州芍药的方法，准确率达到了100％。
30.2、本发明选择光谱范围4200-9800cm-1
，该区间的包含了芍药主要近红外吸收的特征峰，对芍药光谱进行savitzky-golay平滑、norris平滑的预处理，消除了光散射及仪器噪声等干扰因素的影响，提高神经网络模型的预测精度和稳定性；采用主成分分析法对光谱数据进行降维，以压缩数据，除去冗余信息，加快建模速度，提高所建模型的稳定性。在构建亳州芍药产地辨别的人工神经网络模型前，校正样品近红外漫反射光谱数据的维数被降为10个主成分，减少模型的计算复杂度，提高了模型的预测精度；能够快速实现鉴别亳州芍药的真伪，预测集判别正确率为100％。
31.3、本技术中通过在样品检测圆盘上设置多个样品载板，能够一次性放置多个样品待检测，大大提高了工作效率；
32.4、本技术通过设置干燥组件和引风机，能够保持红外光谱仪内部具有一定的干燥度，大大减少外界含有水分的空气进入机体外壳，提升干燥效果和检测精度；
33.5、本技术在安装样品载板时，方便快捷，易操作，且定位效果好，实用性更强。
附图说明
34.图1为本发明亳州芍药辨认的流程图；
35.图2为本发明傅里叶红外光谱仪的立体结构示意图；
36.图3为本发明傅里叶红外光谱仪的内部结构示意图；
37.图4为本发明样品检测圆盘的安装结构示意图；
38.图5为本发明a结构放大示意图；
39.图6为本发明品检测圆盘的俯视图。
40.附图中标记的含义如下：机体外壳1、干燥组件2、风扇21、滤网22、加热组件23、引风机3、密封门4、样品检测圆盘5、限位滑槽51、环形卡块52、固定板53、定位滑块54、安装底板55、样品载板56、压合片57、定位块58、第一磁片59、第二磁片510、电动推杆511、伺服电机6。
具体实施方式
41.下面结合具体实施例对本发明做具体说明。
42.一、仪器和软件：本技术主要对红外光谱仪的样品池部件进行改造，其余的主要检测元件来源于antarisⅱ型傅里叶变换近红外光谱仪(美国thermo fisher scientific)，配备铟镓砷检测器，软件为result 3.0、matlab 7.5、tq analyst 8.0。
43.二、样品信息
44.编号产地亳州芍药安徽亳州非亳州芍药四川成都非亳州芍药云南昆明非亳州芍药河南洛阳非亳州芍药甘肃临洮
45.三、构建亳州芍药的近红外漫反射光谱
46.将亳州芍药在50℃烘干5h，粉碎，过80目筛子，放入样品池部件内，在分辨率为4cm-1
，扫描次数为64次条件下测量，以相同的光谱测量参数测量积分球镀金内壁的近红外漫反射光谱以扣除样品光谱中测量背景(水蒸气和二氧化碳)的影响，光谱测量室的温度为22
±
1℃，湿度为55
±
5％rh。
47.四、对光谱数据处理
48.使用tq analyst 8.0软件，采用savitzky-golay平滑、norris平滑对4200-9800cm-1
范围内的光谱数据进行预处理，用于消除噪声
49.采用主成分分析法(该方法参考的现有技术)对光谱数据进行降维，以压缩数据，除去冗余信息，加快建模速度，提高所建模型的稳定性。在构建亳州芍药产地辨别的人工神经网络模型前，校正样品近红外漫反射光谱数据的维数被降为10个主成分(principle components,pcs)，累计贡献率达99.8％。
50.五、人工神经网络模型的构建
51.输入层节点数的确认，根据主成分分析法获取的10个主成分确定输入层节点为10；
52.输出层节点数的确认，根据芍药样品的产地是否属于亳州确定输出层节点为两个，节点“1”为亳州芍药，节点“0”为非亳州芍药；
53.隐含层节点数的确认，可以通过如下公式计算得出：
54.z＝0.018x2 0.36y2 0.054xy 1
55.x为输入层节点数，这里为10，y为输出层节点数，这里为2，获得隐含层节点数z的初始值，经过修正，得到z为6。
56.输入层与隐含层的传递函数为tansig，隐含层与输出层的传递函数为trainlm，学习速率为0.1，迭代次数为2000次，通过matlab 7.5构建bp人工神经网络模型；
57.本实施例累计采集了600个样本，包括亳州芍药200个，非亳州样本400个，将这600个样品采用与上述相同的方法获得近红外漫反射光谱数据10pcs，然后将600个样本随机分成训练集和预测集，训练集500个，预测集100个，通过这500个训练集去训练人工神经网络模型预测的准确性。
58.六、预测集样品的测定
59.通过matlab软件将这100个预测集样品输入，输出结果为“1”表示为亳州芍药，输出结果为“0”表示为非亳州芍药，结果表明准确率为100％。
[0060][0061][0062]
参照图1-5，所述近红外漫反射光谱由傅里叶红外光谱仪进行检测，所述傅里叶红外光谱仪包括机体外壳1，机体外壳1的侧壁设有干燥组件2，机体外壳1的上端面设有引风机3，机体外壳1的外壁一侧活动连接有密封门4，密封门4的边框处设有一层密封胶条；机体外壳1的内底部设有样品检测圆盘5；样品检测圆盘5的上端面设置有偶数个限位滑槽51，限位滑槽51均匀分布，限位滑槽51成中心对称分布，且对称设置的限位滑槽51相连通，并在一条水平线上；限位滑槽51内滑动设有定位滑块54，定位滑块54的侧壁水平连接有电动推杆511；电动推杆511推动定位滑块54滑动，从而使得固定板53向样品检测圆盘5中心处移动，并带动安装有样品的样品载板56达到待检测位置；
[0063]
待检测完毕后，再次启动电动推杆511，使得样品载板56进行复位；并启动伺服电机6，此时伺服电机6通过转轴带动样品检测圆盘5转动，样品检测圆盘5设置为圆形结构；样品检测圆盘5转动的角度可根据样品载板56设置的个数进行调试，且有关角度的技术原理属于现有技术，本技术不做赘述。
[0064]
固定板53的底部与样品检测圆盘5的上端面贴合，且固定板53的底部宽度大于定位滑块54的宽度，使得样品载板56移动更加稳固；
[0065]
定位滑块54的上端面设有固定板53，固定板53的上端面安装有安装底板55，安装底板55的底部四周分别设有定位块58，定位块58的底部设有第一磁片59；固定板53的上端
面设有与定位块58对应的定位槽，定位槽内设有与第一磁片59对应的第二磁片510；定位滑块54的底部设有刚性滚珠，刚性滚珠与限位滑槽51的底部贴合；
[0066]
安装底板55的上端固定设置有样品载板56，样品载板56的侧壁开设有放置样品的槽口，样品通过压合片57进行压合固定；安装时，将载有样品的样品载板56，通过底部的定位块58卡接于定位槽内，此时第一磁片59与第二磁片510紧密吸附，从而能够方便快捷地完成组装，大大提高检测效率。
[0067]
干燥组件2包括风扇21、滤网22和加热组件23，滤网22设置于干燥组件2的外侧壁，加热组件23设置于干燥组件2的内侧壁，风扇21设置于滤网22和加热组件23之间，通过干燥组件2对红外光谱仪进行干燥，从而保持内部具有一定的干燥度，大大减少外界含有水分的空气进入机体外壳1，提升干燥效果和检测精度。
[0068]
在本发明中，除非另有明确的规定和限定，术语“设置”、“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
[0069]
本发明的控制方式是通过控制器来自动控制，控制器的控制电路通过本领域的技术人员简单编程即可实现，电源的提供也属于本领域的公知常识，并且本发明主要用来保护机械装置，所以本发明不再详细解释控制方式和电路连接。
[0070]
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。