基于近红外光谱信息的烟叶风格特征的随机森林分类方法

摘要

本发明公开一种基于近红外光谱信息的烟叶风格特征的随机森林分类方法，其特征在于：该方法是通过以下步骤来实现的：（1）建模样品准备；（2）光谱扫描；（3）光谱预处理；（4）导出光谱数据；5）建立模型；（6）按步骤2～4扫描待测样品，处理后获得其近红外光谱数据，分别与存储器中的数学模型进行比对即可获得烟叶的种植区域、品种、等级部位等决定风格特征的因素。本发明以烟叶的近红外光谱信息为对象，采用随机森林分类方法对决定烟叶风格特征的种植区域、品种、等级部位进行模式识别。本发明操作更加简便，省时省力，不需要对样品进行前处理，直接扫描其近红外谱图在2分钟内就可以获得样品的种植区域、品种、等级部位等信息。

主权项

基于近红外光谱信息的烟叶风格特征的随机森林分类方法，该方法是通过以下步骤来实现的：（1）建模样品准备：收集获得烟叶样品，烟叶样品状态为烟丝或粉末均可，样品需包含种植区域、等级部位、品种等信息；（2）光谱扫描：通过近红外光谱仪扫描建模样品获得其近红外谱图，仪器的工作参数为：光谱范围10000～3800cm‑1，分辨率4～32cm‑1，扫描1～100次取平均光谱，每个样品扫描获得2个以上的平均光谱；（3）光谱预处理：采用标准正则变换消除样品不均匀带来的差异，采用诺里斯平滑滤波平滑光谱，消除高频噪音保留有用的低频信息，采用二阶微分处理，消除基线漂移的影响，获得比原光谱更高分辨率和更清晰的光谱轮廓变化；（4）导出光谱数据：将10000～3800cm‑1光谱范围的数据点导出；（5）建立模型：将建模样品的近红外谱图数据与样品风格特征信息相结合，并将建模样品随机分成10～90%，一部分样品用于随机森林建模，另外的样品用于模型验证，决策树为50个以上，节点处变量数为2个以上，重复多次，逐步优化模型，使其达到最佳状态，建模样品最终的类别由输出类别的众数决定，同时给出建模样品训练过程中类别判别的正确率。将建立得到的分类模型存入存储器中；（6）样品检测：按步骤2～4扫描待测样品，处理后获得其近红外光 谱数据，分别与存储器中的数学模型进行比对即可获得烟叶的种植区域、品种、等级部位等决定风格特征的因素。