基于近红外光谱与信息处理的玉米品种鉴别方法

摘要

本发明公开了一种基于近红外光谱与信息处理的玉米品种鉴别方法，该方法使用傅里叶变换漫反射近红外光谱仪采集玉米种子的光谱数据，根据光谱特点，采用归一化主成分分析，即将样本点在各主轴上的投影的平方和归一化，调整样本点在特征空间中的分布，并根据数据在各主轴上投影的散布情况调整主成分权重，最后采用最近邻分类方法进行分类。与传统化学鉴别方法相比，本发明提供的方法高效，快捷，并且无须专业人士操作。

主权项

1.一种基于近红外光谱与信息处理的玉米品种鉴别方法，其特征在于，该方法包括：获取光谱数据；对训练样本集进行归一化主成分分析，并根据样本点在主轴上的散布情况调整主成分的权重；训练得到的变换矩阵转置后与待测样本相乘并由权重系数进行加权，得到测试样本的样本特征；以及使用最近邻分类方法为分类器进行分类；其中，所述的归一化主成分分析，是将样本主成分分析得到的各主成分进行平方根归一化，具体包括：首先得到训练数据集合x_j，j＝1，...，s的协方差矩阵C_x，其中s为训练数据集合的个数，然后求出C_x从大到小排列的特征值λ_k以及满足条件$u_l^T{u}_k=\left\{\begin{array}{c}1,l=k\\ 0,l\ne k\end{array}\right.$的特征向量u_k，然后令为新的特征向量，将u′_k按照λ_k的大小降序排列，并将其作为列组成归一化主成分分析的变换矩阵U，得到样本的特征数据为：y_i＝U^Tx_i，主成分数目：25～35；所述的根据样本点在主轴上的散布情况调整主成分的权重，是对主成分进行加权，加权系数$h_n=\sqrt{\underset{k}{\Sigma }{({\bar{\beta }}_k-\bar{\beta })}^2}/\sqrt{\underset{k}{\Sigma }\underset{i}{\Sigma }{({\beta }_{\mathrm{ki}}-{\bar{\beta }}_k)}^2},$其中，β_ki表示第k类的第i样本在第n主轴上的投影值，表示第k类的所有训练样本在第n主轴上的投影平均值，表示所有训练样本在第n主轴上的投影平均值，加权后得到的样本特征为：z_i＝(h₁y_i1，h₂y_i2，...，h_dy_id)，其中i表示某样本，d表示主成分的数目。