本發(fā)明涉及一種大豆異黃酮含量檢測系統(tǒng)及方法，具體涉及一種基于高光譜及bp神經(jīng)網(wǎng)絡(luò)的大豆異黃酮含量檢測系統(tǒng)及方法，屬于農(nóng)產(chǎn)品檢測方法領(lǐng)域。

背景技術(shù)：

大豆異黃酮具有許多重要的生理活性，如抗氧化、抗溶血，對心血管疾病、骨質(zhì)疏松癥、和更年期綜合癥具有預(yù)防乃至治療的作用，其應(yīng)用價值極高，具有較大的開發(fā)潛力。隨著人民生活水平的逐漸提高，富含大豆異黃酮的大豆制品以及添加有大豆異黃酮的各種食品將會越來越受到大眾的青睞。為了使企業(yè)采購到高異黃酮含量的優(yōu)質(zhì)原料，滿足大豆食品企業(yè)對高品質(zhì)原料的需求，迫切需要快速、準(zhǔn)確、高效的檢測儀器和方法。

目前，大豆異黃酮檢測方法主要有紫外分光光度法，三波長法、高效液相色譜法和氣相色譜法等，這些傳統(tǒng)的化學(xué)檢測手段存在檢測周期長、破換樣本、造成環(huán)境污染的缺點。因此實現(xiàn)大豆異黃酮的快速、無損檢測，就有重要意義。

技術(shù)實現(xiàn)要素：

本發(fā)明為解決現(xiàn)有技術(shù)檢測方法檢測周期長、破換樣本、造成環(huán)境污染以及無法實現(xiàn)在線檢測的問題，進(jìn)而提出基于高光譜及bp神經(jīng)網(wǎng)絡(luò)的大豆異黃酮含量檢測系統(tǒng)及方法。

本發(fā)明為解決上述問題采取的技術(shù)方案是：本發(fā)明所述檢測系統(tǒng)包括系統(tǒng)支架、電源、移動平臺控制器、移動平臺、載物臺、至少一個光源、光譜攝像機(jī)和分析計算機(jī)，電源、移動平臺控制器、移動平臺、載物臺、至少一個光源、光譜攝像機(jī)由下至上依次安裝在系統(tǒng)支架內(nèi)，移動平臺控制器控制移動平臺水平直線移動，光譜攝像機(jī)通過數(shù)據(jù)線與分析計算機(jī)連接，大豆樣本放置在載物臺的上表面。

本發(fā)明所述檢測方法的具體步驟如下：

步驟一、獲取光譜信息：將大豆樣本放置在載物臺的上表面，移動平臺控制器驅(qū)動移動平臺勻速移動，進(jìn)而帶動載物臺上的大豆樣本勻速移動，光源的光線通過條狀空間照射到大豆樣本上，光譜攝像機(jī)采集大豆樣本的光譜圖像；

步驟二、利用黑白標(biāo)定方法減少高光譜圖像中的噪聲信號。采用聚四氟乙烯制成的標(biāo)準(zhǔn)白板和蓋住鏡頭方法，分別獲得標(biāo)定白板反射譜和暗電流反射譜，標(biāo)定方程為：

公式①中r表示相對圖像，rblack表示全黑標(biāo)定圖像，rwhite表示全白標(biāo)定圖像，rraw表示高光譜儀器獲取的原始圖像；

步驟三、經(jīng)過中值濾波得到比原始光譜更平滑，噪聲更小，信噪比更高的光譜曲線，并提取各品種大豆樣本的光譜反射數(shù)據(jù)；中值濾波是一種非線性平滑技術(shù)，平滑結(jié)果由公式如下：

g(x,y)＝med{f(x-k,y-l),(k,l∈w)}②

公式②中f(x,y)表示原始反射光譜，g(x,y)表示平滑后的光譜，w表示二維模板，x表示像素橫坐標(biāo)，y表示像素縱坐標(biāo)，k表示橫坐標(biāo)平移像素數(shù)，l表示縱坐標(biāo)平移像素數(shù)，w表示二維模板；

步驟四、利用異黃酮含量與光譜反射值回歸分析進(jìn)行特征波長選擇，分別選擇5個波長處的反射值作為異黃酮含量預(yù)測的特征波長，特征波長分別為1516nm、1572nm、1691nm、1716nm和1760nm；

步驟五、在matlab環(huán)境下建立輸入層、中間層和輸出層三層bp神經(jīng)網(wǎng)絡(luò)預(yù)測模型，利用bp神經(jīng)網(wǎng)絡(luò)模型對步驟四中采集到的特征波長下的光譜數(shù)據(jù)進(jìn)行有監(jiān)督的學(xué)習(xí)，并預(yù)測大豆樣本異黃酮含量。

本發(fā)明的有益效果是：1、本發(fā)明首先選擇不同地域、不同品種的大豆作為訓(xùn)練樣本建立訓(xùn)練集，提高了預(yù)測模型的范化能力，擴(kuò)大了檢測范圍。在采集大豆樣本高光譜圖像數(shù)據(jù)的過程中，調(diào)整高光譜攝像機(jī)曝光時間為10ms，設(shè)定電控移動平臺的速度為120mm/s，可以防止采集到的圖像產(chǎn)生失真，為獲取條狀空間中每個像素在各個波長處的圖像信息，線陣的探測器在光學(xué)焦面(大豆樣本前進(jìn)方向)的垂直方向作橫向掃描。大豆樣本隨著載物臺的移動，線陣探測器將整個平面進(jìn)行掃描，采集大豆高光譜數(shù)據(jù)，并得到大豆高光譜圖像。根據(jù)中值濾波公式采用3×3滑動窗口得到比原始光譜平滑，噪聲變小，信噪比更高的光譜曲線。采用回歸分析確定了特征波長，大大降低了輸入神經(jīng)元的個數(shù)，提高了模型的計算速度并避免了模型的過擬合現(xiàn)象。最后，利用神經(jīng)網(wǎng)絡(luò)模型對采集到的特征波長下的光譜數(shù)據(jù)進(jìn)行有監(jiān)督的學(xué)習(xí)，并預(yù)測大豆樣本異黃酮含量；2、本發(fā)明結(jié)合光譜信息和模式識別的方法實現(xiàn)了大豆異黃酮的無損快速檢測；3、本發(fā)明方法簡單易行，便于設(shè)計開發(fā)便攜式嵌入式大豆異黃酮含量檢測系統(tǒng)。同時該方法處理的是光譜信息，可以有效地消除干擾影響，提高模型的預(yù)測精度。

附圖說明

圖1是檢測系統(tǒng)的結(jié)構(gòu)示意圖，圖2是高光譜圖像系統(tǒng)采集參數(shù)的流程框圖，圖3是bp神經(jīng)網(wǎng)絡(luò)模型的示意圖。

具體實施方式

具體實施方式一：結(jié)合圖1說明本實施方式，本實施方式所述基于高光譜及bp神經(jīng)網(wǎng)絡(luò)的大豆異黃酮含量檢測系統(tǒng)包括系統(tǒng)支架1、電源2、移動平臺控制器3、移動平臺4、載物臺5、至少一個光源7、光譜攝像機(jī)8和分析計算機(jī)9，電源2、移動平臺控制器3、移動平臺4、載物臺5、至少一個光源7、光譜攝像機(jī)8由下至上依次安裝在系統(tǒng)支架1內(nèi)，移動平臺控制器3控制移動平臺4水平直線移動，光譜攝像機(jī)8通過數(shù)據(jù)線與分析計算機(jī)9連接，大豆樣本6放置在載物臺5的上表面。

具體實施方式二：結(jié)合圖1至圖3說明本實施方式，本實施方式所述基于高光譜及bp神經(jīng)網(wǎng)絡(luò)的大豆異黃酮含量檢測方法的具體步驟如下：

步驟一、獲取光譜信息：將大豆樣本6放置在載物臺5的上表面，移動平臺控制器3驅(qū)動移動平臺4勻速移動，進(jìn)而帶動載物臺5上的大豆樣本6勻速移動，光源7的光線通過條狀空間照射到大豆樣本6上，光譜攝像機(jī)8采集大豆樣本6的光譜圖像；

步驟二、利用黑白標(biāo)定方法減少高光譜圖像中的噪聲信號。采用聚四氟乙烯制成的標(biāo)準(zhǔn)白板和蓋住鏡頭方法，分別獲得標(biāo)定白板反射譜和暗電流反射譜，標(biāo)定方程為：

公式①中r表示相對圖像，rblack表示全黑標(biāo)定圖像，rwhite表示全白標(biāo)定圖像，rraw表示高光譜儀器獲取的原始圖像。

步驟三、經(jīng)過中值濾波得到比原始光譜更平滑，噪聲更小，信噪比更高的光譜曲線，并提取各品種大豆樣本的光譜反射數(shù)據(jù)；中值濾波是一種非線性平滑技術(shù)，平滑結(jié)果由公式如下：

g(x,y)＝med{f(x-k,y-l),(k,l∈w)}②

公式②中f(x,y)表示原始反射光譜，g(x,y)表示平滑后的光譜，w表示二維模板，x表示像素橫坐標(biāo)，y表示像素縱坐標(biāo)，k表示橫坐標(biāo)平移像素數(shù)，l表示縱坐標(biāo)平移像素數(shù)，w表示二維模板；

步驟四、利用異黃酮含量與光譜反射值回歸分析進(jìn)行特征波長選擇，分別選擇5個波長處的反射值作為異黃酮含量預(yù)測的特征波長，特征波長分別為1516nm、1572nm、1691nm、1716nm和1760nm；

步驟五、在matlab環(huán)境下建立輸入層、中間層和輸出層三層bp神經(jīng)網(wǎng)絡(luò)預(yù)測模型，利用bp神經(jīng)網(wǎng)絡(luò)模型對步驟四中采集到的特征波長下的光譜數(shù)據(jù)進(jìn)行有監(jiān)督的學(xué)習(xí)，并預(yù)測大豆樣本異黃酮含量。

本實施方式中bp神經(jīng)網(wǎng)絡(luò)又稱為誤差反向傳播網(wǎng)絡(luò)，有一個輸入層，一個輸出層，一個或多個隱含層。bp算法是一種有監(jiān)督的學(xué)習(xí)方法，其主要思想是把整個學(xué)習(xí)過程分為正向傳播、反向(逆向)傳播和記憶訓(xùn)練三個部分。正向傳播時，輸入樣本從輸入層輸入，經(jīng)各隱含層處理后傳向輸出層，每一層神經(jīng)元的狀態(tài)只影響下一層神經(jīng)元的狀態(tài)。如果在輸出層得不到期望的輸出，則轉(zhuǎn)入誤差的反向傳播階段，將輸出誤差以某種形式通過隱含層向輸入層反傳，并將誤差分?jǐn)偨o各層的所有單元，從而獲得各層單元的誤差信號并將其作為修正各單元權(quán)值的依據(jù)。這種網(wǎng)絡(luò)的信號正向傳播與誤差反向傳播是反復(fù)交替進(jìn)行的，權(quán)值的不斷調(diào)整就是網(wǎng)絡(luò)的記憶訓(xùn)練過程。網(wǎng)絡(luò)的記憶訓(xùn)練過程一直進(jìn)行到網(wǎng)絡(luò)趨向收斂，即輸出誤差達(dá)到要求的標(biāo)準(zhǔn)。

具體實施方式三：結(jié)合圖1至圖3說明本實施方式，本實施方式所述基于高光譜及bp神經(jīng)網(wǎng)絡(luò)的大豆異黃酮含量檢測方法的步驟一中光譜攝像機(jī)8的曝光時間為10ms，波長范圍為1000nm～2500nm，移動平臺4的移動速度為120mm/s。光譜攝像機(jī)8是波長范圍為1000nm～2500nm的高光譜攝像機(jī)。

具體實施方式四：結(jié)合圖1至圖3說明本實施方式，本實施方式所述基于高光譜及bp神經(jīng)網(wǎng)絡(luò)的大豆異黃酮含量檢測方法的步驟五中bp神經(jīng)網(wǎng)絡(luò)有監(jiān)督的學(xué)習(xí)是通過如下步驟實現(xiàn)的：

步驟(一)、輸入模式順傳播，輸入模式由輸入層經(jīng)隱含層向輸出層傳播計算：確定輸入向量xk：

公式③中k＝1,2,...,m；m表示學(xué)習(xí)模式對數(shù)；n表示輸入層單元數(shù)；

確定期望輸出向量yk：

公式④中k＝1,2,...,m；m表示學(xué)習(xí)模式對數(shù)，q表示輸出層單元數(shù)；

計算隱含層各神經(jīng)元的激活值sj：

公式⑤中n表示輸入層單元數(shù)，wij表示輸入層至隱含層的連接權(quán)值，θj表示隱含層單元的閾值，j＝1,2,...,p，p表示隱含層單元數(shù)，xi表示第i層神經(jīng)元輸入；

激活函數(shù)采用s型函數(shù)：

公式⑥中x表示神經(jīng)元的輸入量；

計算隱含層j單元的輸出值：將公式⑤帶入公式⑥中可得隱含層j單元的輸出值：

閾值θj在學(xué)習(xí)過程中與權(quán)值wij一樣也不斷的被修正；

計算輸出層第t個單元的激活值ot：

計算輸出層第t個單元的實際輸出值ct：

ct＝f(ot)⑧，

公式⑦和⑧中wjt表示隱含層至輸出層的權(quán)值，θt表示輸出層單元閾值，j＝1,2,...,p，p表示隱含層單元數(shù)，xj表示隱含層第j個節(jié)點的輸出值，f表示s型激活函數(shù)，t＝1,2,...,q，q表示輸出層單元數(shù)；

利用公式③④⑤⑥⑦⑧可以計算出一個輸入模式的順傳播過程；

步驟(二)、輸出誤差的逆?zhèn)鞑ピ诘谝徊降哪Ｊ巾槀鞑ビ嬎阒械玫搅司W(wǎng)絡(luò)的實際輸出值，當(dāng)這些實際的輸出值與希望的輸出值不一樣或者誤差大于所限定的數(shù)值時，就要對網(wǎng)絡(luò)進(jìn)行校正，計算時從輸出層到隱含層，再從隱含層到輸入層；

輸出層的校正誤差：

公式ⅰ中t＝1,2,...,q，q表示輸出層單元數(shù)，k＝1,2,...,m，m表示學(xué)習(xí)模式對數(shù)，表示希望輸出，表示實際輸出，f′()表示對輸出函數(shù)的導(dǎo)數(shù)，表示第t個單元的激活值；

隱含層各單元的校正誤差：

公式ⅱ中t＝1,2,...,q，q表示輸出層單元數(shù)，j＝1,2,...,p，p表示隱含層單元數(shù)，k＝1,2,...,m，m表示學(xué)習(xí)模式對數(shù)，wjt表示第j個單元與第t個單元的鏈接權(quán)值，表示輸出層的校正誤差，表示第j層第k個神經(jīng)元的線性加權(quán)和；

對于輸出層至隱含層連接權(quán)值和輸出層閾值的校正量：

公式ⅲ和公式ⅳ中表示隱含層j單元的輸出，表示輸出層的校正誤差，j＝1,2,...,p，p表示隱含層單元數(shù)，t＝1,2,...,q，q表示輸出層單元數(shù)，k＝1,2,...,m，m表示學(xué)習(xí)模式對數(shù)，α表示輸出層至隱含層學(xué)習(xí)率，α>0，δvjt表示輸出層至隱含層連接權(quán)值校正量，δγjt表示輸出層閾值校正量；

隱含層至輸入層的校正量：

公式ⅴ和公式ⅵ中表示隱含層j單元的校正誤差，表示標(biāo)準(zhǔn)輸入，i＝1,2,...,n，n表示輸入層單元數(shù)，β表示隱含層至輸入層學(xué)習(xí)率，0＜β＜1；

步驟(三)、循環(huán)記憶訓(xùn)練：對bp神經(jīng)網(wǎng)絡(luò)重復(fù)輸入模式順傳播和輸入誤差逆?zhèn)鞑ィ?/p>

步驟(四)、學(xué)習(xí)結(jié)果判別：當(dāng)每次循環(huán)記憶訓(xùn)練結(jié)束后，都要進(jìn)行學(xué)習(xí)結(jié)果的判別；檢查輸出誤差是否已經(jīng)小到10^-3；如果小到可以允許的程度，就可以結(jié)束整個學(xué)習(xí)過程，否則還要繼續(xù)進(jìn)行循環(huán)訓(xùn)練。

以上所述，僅是本發(fā)明的較佳實施例而已，并非對本發(fā)明作任何形式上的限制，雖然本發(fā)明已以較佳實施例揭露如上，然而并非用以限定本發(fā)明，任何熟悉本專業(yè)的技術(shù)人員，在不脫離本發(fā)明技術(shù)方案范圍內(nèi)，當(dāng)可利用上述揭示的技術(shù)內(nèi)容做出些許更動或修飾為等同變化的等效實施例，但凡是未脫離本發(fā)明技術(shù)方案內(nèi)容，依據(jù)本發(fā)明的技術(shù)實質(zhì)，在本發(fā)明的精神和原則之內(nèi)，對以上實施例所作的任何簡單的修改、等同替換與改進(jìn)等，均仍屬于本發(fā)明技術(shù)方案的保護(hù)范圍之內(nèi)。