基于特征波长筛选的光谱特征模型的构建方法及装置.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114166764A(43)申请公布日2022.03.11(21)申请号202111322543.1(22)申请日2021.11.09(71)申请人中国农业科学院农产品加工研究所地址100196北京市海淀区圆明园西路2号(72)发明人李倩倩李熠(74)专利代理机构北京路浩知识产权代理有限公司11002代理人盛大文(51)Int.Cl.G01N21/31(2006.01)G01N21/01(2006.01)G06F17/16(2006.01)权利要求书1页说明书9页附图7页(54)发明名称基于特征波长筛选的光谱特征模型的构建方法及装置(57)摘要本发明提供一种基于特征波长筛选的光谱特征模型的构建方法及装置，所述方法包括：通过数据预处理方法处理原始光谱数据，得到待筛选光谱数据；应用变量投影重要性算法筛选所述待筛选光谱数据，得到第一特征波长集合；应用连续变量投影算法筛选所述第一特征波长集合，得到第二特征波长集合；利用多元线性回归策略构建基于所述第二特征波长集合的光谱特征模型。本发明实施例提供的基于特征波长筛选的光谱特征模型的构建方法及装置，简化了模型，提高了模型的可解释性和预测性能。CN114166764ACN114166764A权利要求书1/1页1.一种基于特征波长筛选的光谱特征模型的构建方法，其特征在于，包括：通过数据预处理方法处理原始光谱数据，得到待筛选光谱数据；应用变量投影重要性算法筛选所述待筛选光谱数据，得到第一特征波长集合；应用连续变量投影算法筛选所述第一特征波长集合，得到第二特征波长集合；利用多元线性回归策略构建基于所述第二特征波长集合的光谱特征模型。2.根据权利要求1所述的基于特征波长筛选的光谱特征模型的构建方法，其特征在于，所述数据预处理方法，具体包括以下一种或几种：Savitzky‑Golay平滑处理、求导处理、中心化处理、标准化处理、归一化处理、标准正态变量变换处理以及多元散射校正处理。3.根据权利要求1所述的基于特征波长筛选的光谱特征模型的构建方法，其特征在于，所述应用变量投影重要性算法筛选所述待筛选光谱数据，得到第一特征波长集合，具体包括：确定最优主成分数；利用偏最小二乘算法，得到基于所述最优主成分数下的所述待筛选光谱数据中各波长的重要性系数；取所述重要性系数大于1的波长组成第一特征波长集合。4.根据权利要求1所述的基于特征波长筛选的光谱特征模型的构建方法，其特征在于，所述应用连续变量投影算法筛选所述第一特征波长集合，得到第二特征波长集合，具体包括：初始流程，随机选取所述第一特征波长集合中的一个波长作为初始波长；选取流程，依次计算所述初始波长在所述第一特征波长集合中剩余特征波长上的投影值，选取最大投影值对应的所述特征波长到所述第二特征波长集合中，并更新所述第一特征波长集合；输出流程，重复执行所述选取流程，直到所述第二特征波长集合中的特征波长个数满足预设值，输出第二特征波长集合。5.根据权利要求1所述的基于特征波长筛选的光谱特征模型的构建方法，其特征在于，所述利用多元线性回归策略构建基于所述第二特征波长集合的光谱特征模型，具体包括：将所述第二特征波长集合中的各个特征波长及对应的相关系数代入多元线性回归方程，得到光谱特征模型。6.一种基于特征波长筛选的光谱特征模型的构建装置，其特征在于，包括：预处理模块，用于通过数据预处理方法处理原始光谱数据，得到待筛选光谱数据；第一筛选模块，用于应用变量投影重要性算法筛选所述待筛选光谱数据，得到第一特征波长集合；第二筛选模块，用于应用连续变量投影算法筛选所述第一特征波长集合，得到第二特征波长集合；构建模块，用于利用多元线性回归策略构建基于所述第二特征波长集合的光谱特征模型。7.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至5任一项所述基于特征波长筛选的光谱特征模型的构建方法的步骤。8.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述基于特征波长筛选的光谱特征模型的构建方法的步骤。2CN114166764A说明书1/9页基于特征波长筛选的光谱特征模型的构建方法及装置技术领域[0001]本发明涉及化学计量学技术领域，尤其涉及一种基于特征波长筛选的光谱特征模型的构建方法及装置。背景技术[0002]近年来，随着化学计量学结合光谱技术在快速、无损检测中的应用越来越广泛，其中的变量选择方法也格外受到重视。然而采用全谱建立模型，不仅增加建模时间，同时光谱中的基线、噪声、共线性变量等干扰信息还会导致模型的预测准确率降低，降低模型的泛化能力，影响建模