基于二維相關(guān)譜不變距特征判別摻雜尿素牛奶

曹燕++單慧勇++趙輝++楊仁杰++楊延榮++衛(wèi)勇

摘要：為實(shí)現(xiàn)牛奶摻雜尿素的快速客觀檢測(cè)，以濃度為外擾，分別建立純牛奶和摻雜尿素牛奶的二維相關(guān)光譜圖庫(kù)，并采用不變矩統(tǒng)計(jì)特征表征所獲得純牛奶及摻雜尿素牛奶的二維相關(guān)光譜圖；針對(duì)提取的二維相關(guān)光譜不變矩特征，通過(guò)計(jì)算其Fisher系數(shù)評(píng)價(jià)類間分離程度，結(jié)合主成分分析法進(jìn)行特征優(yōu)選，選擇4個(gè)主成分表征所獲得樣品的二維相關(guān)光譜圖特征；將優(yōu)選的4個(gè)特征參數(shù)作為輸入量，采用支持向量機(jī)算法建立摻雜尿素牛奶與純牛奶間的判別模型，該模型對(duì)校正集樣品和預(yù)測(cè)集樣品的判別準(zhǔn)確率分別為94.4%、84.6%。結(jié)果表明，基于二維相關(guān)譜不變距特征判別摻雜尿素牛奶是可行的。

關(guān)鍵詞：二維相關(guān)光譜；Fisher系數(shù)；主成分分析；支持向量機(jī)

中圖分類號(hào)：TS252.7；O657.33 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：0439-8114（2017）08-1550-04

DOI：10.14088/j.cnki.issn0439-8114.2017.08.037

Detection of Milk Doped with Urea Based on the Moment Invariants Feature of the 2D Correlation Spectrum

CAO Yan，SHAN Hui-yong，ZHAO Hui，YANG Ren-jie，YANG Yan-rong，WEI Yong

（College of Engineering and Technology， Tianjin Agricultural University， Tianjin 300384， China）

Abstract：In order to realize the rapid and objective detection of milk doped with urea， the application of two-dimensional correlation spectroscopy for the identification of mixed milk was studied. Based on the concentration of external disturbance， the 2D correlation spectra of pure milk and milk doped with urea were established and the obtained 2D correlation spectra of milk and milk doped with urea was characterized by invariant moments. The 2D correlation spectra invariant moment features was selected based on Fisher coefficient which is used to evaluate the degree of separation between classes and the principal component analysis. These 4 invariant moment parameters were used as input for SVM to build discriminant model of milk doped with urea and pure milk. The recognition rate of calibration set samples and prediction set samples was 94.4%， 84.6% respectively. The results showed that detection method of milk doped with urea based on the moment invariants feature of the 2D correlation spectrum is feasible.

Key words： 2D correlation spectrum； fisher coefficient； principal component analysis； support vector machine

牛奶中含有大量人們所必需的營(yíng)養(yǎng)物質(zhì)，具有較高的營(yíng)養(yǎng)價(jià)值，已成為人們?nèi)粘ｏ嬍持斜夭豢缮俚氖称贰Ｍ瑫r(shí)牛奶摻假的現(xiàn)象日益嚴(yán)重，迫切需要尋求一種能對(duì)牛奶中摻雜的目標(biāo)物進(jìn)行快速檢測(cè)的方法。目前采用的常規(guī)光譜技術(shù)檢測(cè)牛奶摻雜由于受到牛奶中摻雜物的多樣化和微量化影響，摻雜物的特征峰多與牛奶成分的特征峰相互重疊，且摻雜物特征信息與待分析組分之間呈非線性關(guān)系，即便與線性模式識(shí)別方法相結(jié)合，也無(wú)法有效地對(duì)摻雜牛奶進(jìn)行判別。相比常規(guī)二維光譜，二維相關(guān)光譜具有更高的分辨率，可以更好地提取微弱的特征信息，能對(duì)復(fù)雜的圖譜進(jìn)行解析[1-9]。本研究在二維相關(guān)光譜技術(shù)基礎(chǔ)上，提出一種基于圖像特征的判別牛奶摻雜方法，該方法通過(guò)提取二維相關(guān)光譜圖像的不變矩特征，建立支持向量機(jī)判別模型，實(shí)現(xiàn)了摻雜牛奶的正確識(shí)別。

4 基于支持向量機(jī)的牛奶摻雜判別

支持向量機(jī)（Support vector machine，SVM）是為了解決非線性回歸和模式分類問(wèn)題而產(chǎn)生的，因其在解決小樣本、高維數(shù)、非線性等方面的獨(dú)特優(yōu)勢(shì)，被廣泛應(yīng)用于各個(gè)領(lǐng)域的識(shí)別和分類[4-7]。提取純牛奶和摻雜尿素的牛奶的同步—異步光譜圖中貢獻(xiàn)率大的4個(gè)主成分特征采用支持向量機(jī)分析。80個(gè)樣本數(shù)據(jù)中，40個(gè)為純牛奶，40個(gè)為摻雜尿素，其中選取純牛奶和摻雜尿素牛奶各27個(gè)樣本數(shù)據(jù)作為神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)訓(xùn)練樣本，其余26個(gè)樣本數(shù)據(jù)作為預(yù)測(cè)樣本。圖7、圖8分別為支持向量機(jī)校正集預(yù)測(cè)結(jié)果和支持向量機(jī)測(cè)試集預(yù)測(cè)結(jié)果。

校正集54個(gè)樣本數(shù)據(jù)中有3個(gè)判別錯(cuò)誤，其中有一個(gè)純牛奶被誤判為摻雜尿素的牛奶，兩個(gè)摻雜尿素的牛奶別誤判為純牛奶，所建模型對(duì)校正集的判別準(zhǔn)確率為94.4%；利用模型進(jìn)行外部預(yù)測(cè)，預(yù)測(cè)集26個(gè)樣本數(shù)據(jù)中有4個(gè)判別錯(cuò)誤，其中純牛奶判別結(jié)果全部正確，4個(gè)摻雜尿素的牛奶別誤判為純牛奶，所建模型對(duì)校正集的判別準(zhǔn)確率為84.6%。

5 小結(jié)與討論

研究結(jié)果表明，二維相關(guān)同步-異步譜圖的可分性比二維相關(guān)同步譜圖的可分性明顯；提取純牛奶和摻雜尿素的牛奶的同步—異步光譜圖中貢獻(xiàn)率大的4個(gè)主成分特征，采用支持向量機(jī)模型對(duì)校正集樣品判別準(zhǔn)確率為94.4%，對(duì)預(yù)測(cè)集樣品判別正確率為84.6%。基于二維相關(guān)譜不變距特征判別摻雜牛奶是可行的，為二維相關(guān)譜譜圖的客觀量化和自動(dòng)識(shí)別提供了一條新的研究思路。

參考文獻(xiàn)：

[1] NODA I. Advances in two-dimensional correlation spectroscopy[J].Vibrational Spectroscopy，2004，36（2）：143-165.

[2] HU M K. Visual pattern recognition by moment invariants[J].IEEE Transactions on Information Theory，1962，8（2）：179-187.

[3] 何 敏，章 兢，晏 敏，等.基于紋理特征的回轉(zhuǎn)窯熟料燒結(jié)狀態(tài)分類[J].湖南大學(xué)學(xué)報(bào)（自然科學(xué)版），2010（9）：29-33.

[4] 丁世飛，齊丙娟，譚紅艷.支持向量機(jī)理論與算法研究綜述[J].電子科技大學(xué)學(xué)報(bào)，2011，40（1）：2-10.

[5] 李玉景.支持向量機(jī)在模式識(shí)別領(lǐng)域中的應(yīng)用研究[D].山東青島：青島大學(xué)，2008.

[6] 雷 瑾.基于支持向量機(jī)的船舶主機(jī)缸蓋故障診斷的研究[D].上海：上海海事大學(xué)，2007.

[7] 忻 棟.支持向量機(jī)算法的研究及在說(shuō)話人識(shí)別上的應(yīng)用[D].杭州：浙江大學(xué)，2002.

[8] 姚 磊.基于Hough變換和不變矩的圖像模式識(shí)別技術(shù)研究[D].河北秦皇島：燕山大學(xué)，2006.

[9] 田 野，趙春暉，季亞新.主成分分析在高光譜遙感圖像降維中的應(yīng)用[J].哈爾濱師范大學(xué)自然科學(xué)學(xué)報(bào)，2007，23（5）：58-60.

[10] 謝生龍，王夏黎，董春雨.基于不變矩理論線矩法圖像特征的提取[J].計(jì)算機(jī)技術(shù)與發(fā)展，2014，24（11）：139-143.

[11] 柳林霞，陳 杰，竇麗華.不變矩理論及其在目標(biāo)識(shí)別中的應(yīng)用[J].火力與指揮控制，2003，28（2）：13-15.