申请/专利权人：中新国际联合研究院

申请日：2022-06-20

公开（公告）日：2024-04-19

公开（公告）号：CN115060663B

主分类号：G01N21/25

分类号：G01N21/25;G01N3/40;G01N31/16;G01N5/00;G01N33/02;G06F17/18;G06N20/00

优先权：

专利状态码：有效-授权

法律状态：2024.04.19#授权;2022.10.04#实质审查的生效;2022.09.16#公开

摘要：本发明公开了基于机器学习定量测试香蕉品质的方法，该方法将传统化学测定方法与曲线拟合等数学方法相结合，根据香蕉表皮颜色预估质构、还原糖浓度、酸度、抗坏血酸含量等内部性质：基于传统化学方法测定香蕉颜色、酸度、质构等指标，利用归一化、去除异常值、数据平滑等数据预处理，衡量颜色与其他性质的单调性关系，通过初步多项式曲线拟合，加权最小二乘法拟合与评估预测香蕉品质。本发明首次建立了基于机器学习预测香蕉品质的方法，并利用该方法对香蕉内部性质进行预估，计算量小，准确率高，校正决定系数达95％以上。本发明提供了一种容易落地工业化应用的，无破坏即可精准评估香蕉内部性质的定量新方法。

主权项：1.一种基于机器学习定量测试香蕉品质的方法，其特征在于包括如下步骤：1香蕉数据采集：分别采取香蕉颜色、硬度、pH值、还原糖含量、淀粉酶含量、抗坏血酸含量、可滴定酸含量和质量损失率八个评价香蕉品质的指标；2香蕉量化指标数据集构建：将所得的八个指标的原始数据保留两位小数分类记录到Excel表格中，并进行升序排列，导出只保留八个指标具体数据的纯文本格式的香蕉数据集csv文件，构建初始数据集；3数据预处理：将所得的csv文件中的八个指标数据进行归一化处理，基于DBSCAN算法去除异常点，并对数据作平滑处理；4单调性评估：调用python软件中的spearman秩函数，分别计算颜色与其他七个指标的spearman秩相关系数矩阵，衡量所有数据指标两两之间单调性关系的强弱，若spearman秩相关系数的绝对值大于0.9，界定数据指标两两之间的相关性强；5初步拟合：通过步骤4得到颜色与其他七个指标两两之间有强相关性，采用加权最小二乘法对颜色与硬度、pH值、还原糖含量、淀粉酶含量、抗坏血酸含量、可滴定酸含量、质量损失率分别进行多项式拟合，得到硬度、pH值、还原糖含量、淀粉酶含量、抗坏血酸含量、可滴定酸含量、质量损失率的七个初步拟合好的多项式和曲线；6加权最小二乘法拟合与评估：对于步骤5中拟合曲线上偏离原始数据的数据进行线性插值，计算邻近三个点确定的二次曲线曲率，作为近似曲率，确定各个样本点的权值并基于曲率对数据进行加权最小二乘多项式拟合；7多项式拟合效果评估：计算步骤6中的七个多项式的曲线拟合的校正决定系数，校正决定系数均大于0.99，则界定拟合效果良好；8香蕉品质评估：测定颜色值后，通过步骤7中的七个多项式分别计算得到硬度、可滴定酸含量、还原糖含量、淀粉酶含量、抗坏血酸含量、可滴定酸含量、质量损失率七个指标的具体含量。

全文数据：

权利要求：

百度查询： 中新国际联合研究院 一种基于机器学习定量测试香蕉品质的方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD