1.茶叶近红外光谱分析中谱图基线校正方法,其特征在于:包括以下步骤:步骤一:采集茶叶样本,获取茶叶近红外光谱数据,形成原始数据;
步骤二:数据获取及参数初始化;获取原始数据并对自适应导数加权惩罚最小二乘基线校正方法参数进行初始化,所需初始化参数包含:平滑系数λ,迭代次数T,平衡系数α,拟合基线差分矩阵D,权重系数W及相对拟合误差系数δ;
步骤三:计算拟合基线;根据惩罚最小二乘法,基于权重系数计算拟合基线;
步骤四:校正误差;计算原始数据和拟合基线之间的差值,得到校正误差;
步骤五:区间确认;根据校正误差大小确定基线区间和特征区间;
步骤六:计算权重系数;根据权重函数计算指数权重,基于误差导数计算变化趋势,并结合平衡系数确定更新权重;
步骤七:更新拟合基线;根据所计算的权重系数进行基线更新;
步骤八:终止条件判断;计算原始数据和拟合基线的相对拟合误差及当前迭代次数,如果相对拟合误差小于设定误差系数δ或当前迭代次数大于设定迭代次数T,则转至步骤九,否则转至步骤三;
步骤九:输出校正数据;利用拟合基线,确定最终的茶叶校正数据。
2.根据权利要求1所述的茶叶近红外光谱分析中谱图基线校正方法,其特征在于:所述步骤二中的自适应导数加权惩罚小二乘法如下:J=(y-z)TW(y-z)+λzTDTDz (1)其中,y为采集的茶叶光谱数据;()T为矩阵的转置;差分矩阵D一般取二阶差分,表示为:所述校正基线z的计算公式如下:
z=(W+λDTD)-1Wy (2)。
3.根据权利要求1所述的茶叶近红外光谱分析中谱图基线校正方法,其特征在于:所述步骤六中的加权函数表示如下:所述式(3)中 表示基于校正误差的指数权重,d-表示校正误差中所有负数变量之和, 表示第i个变量的校正误差,α为平衡系数, 表示第i个变量的校正误差导数。
4.根据权利要求1至3任一所述的茶叶近红外光谱分析中谱图基线校正方法,其特征在于:所述步骤八中的相对拟合误差判断条件表示如下:式中y表示所采集的茶叶光谱数据,zt-1表示经过t次迭代获得的基线,δ表示用户设定的相对误差系数。
5.茶叶近红外光谱分析过程中的谱图基线校正系统,其特征在于:包括:茶叶样本采集模块:采集茶叶样本,获取茶叶近红外光谱数据,形成原始数据;
数据获取及参数初始化模块:获取原始数据并对自适应导数加权惩罚最小二乘基线校正方法参数进行初始化,所需初始化参数包含:平滑系数λ,迭代次数T,平衡系数α,拟合基线差分矩阵D,权重系数W及相对拟合误差系数δ;
计算拟合基线模块:根据惩罚最小二乘法,基于权重系数计算拟合基线;
校正误差模块:计算原始数据和拟合基线之间的差值,得到校正误差;
区间确认模块:根据校正误差大小确定基线区间和特征区间;
计算权重系数模块:根据权重函数计算指数权重,基于误差导数计算变化趋势,并结合平衡系数确定更新权重系数;
更新拟合基线模块:根据所计算的权重系数进行基线更新;
终止条件判断模块:计算原始数据和拟合基线的相对拟合误差及当前迭代次数,如果相对拟合误差小于设定误差系数δ或当前迭代次数大于设定迭代次数T,则重新判断,否则重新调用计算拟合基线模块进行拟合基线计算;
输出校正数据模块:利用拟合基线,确定最终的茶叶校正数据。
6.根据权利要求5所述的茶叶近红外光谱分析过程中的谱图基线校正系统,其特征在于:所述自适应导数加权惩罚小二乘法如下:J=(y-z)TW(y-z)+λzTDTDz (5)其中差分矩阵D一般取二阶差分,表示为:
所述校正基线z的计算公式如下:
z=(W+λDTD)-1Wy (6)
7.根据权利要求5所述的茶叶近红外光谱分析过程中的谱图基线校正系统,其特征在于:所述加权函数表示如下:所述式(3)中 表示基于校正误差的指数权重,d-表示校正误差中所有负数变量之和, 表示第i个变量的校正误差,α为平衡系数, 表示第i个变量的校正误差导数。
8.根据权利要求5至7任一所述的茶叶近红外光谱分析过程中的谱图基线校正系统,其特征在于:所述步骤七中的相对误差判断条件表示如下:式中y表示所采集的茶叶光谱数据,zt-1表示经过t次迭代获得的基线,δ表示用户设定的相对误差系数。
9.一种茶叶糖分预测方法,其特征在于:基于权利要求1至8任一所述的茶叶校正数据,对茶叶进行糖分预测;具体为,当采用airPLS时,权重更新公式可表示为:当采用arPLS时,权重更新公式可表示为:
- - t
其中m和σ分别表示校正误差中所有负数变量之和d的均值和标准差;
糖分预测定量分析指标为决定系数,具体表示为:其中,yi表示真实值, 表示预测值, 为样本均值,np表示预测集样本数。