本發(fā)明屬于枸杞地農(nóng)殘分析，尤其涉及一種基于決策樹的枸杞地農(nóng)殘分析方法及系統(tǒng)。

背景技術(shù)：

1、枸杞作為一種廣受歡迎的滋補(bǔ)食材，其質(zhì)量安全問題一直備受關(guān)注。在枸杞種植過程中，農(nóng)戶為了提高產(chǎn)量和防治病蟲害，往往會(huì)使用各種農(nóng)藥，導(dǎo)致枸杞果實(shí)表面殘留農(nóng)藥，危害消費(fèi)者健康。傳統(tǒng)的農(nóng)殘檢測(cè)方法需要對(duì)枸杞樣品進(jìn)行前處理，耗時(shí)耗力，難以實(shí)現(xiàn)大批量樣品的快速篩選。而近紅外光譜法作為一種快速、無損的檢測(cè)技術(shù)，可以在不破壞枸杞果實(shí)的情況下獲取其光譜信息，但如何從海量的光譜數(shù)據(jù)中準(zhǔn)確判別農(nóng)殘含量，并建立光譜特征與農(nóng)殘含量的關(guān)聯(lián)模型，是一個(gè)亟待解決的技術(shù)難題。

2、此外，由于枸杞果實(shí)表面的農(nóng)殘分布不均勻，加之枸杞品種、產(chǎn)地、采收時(shí)間等因素的差異，導(dǎo)致獲取的光譜信息存在較大的波動(dòng)性和不確定性，給模型的建立和優(yōu)化帶來了挑戰(zhàn)。同時(shí)，如何在海量的光譜數(shù)據(jù)中篩選出與農(nóng)殘含量相關(guān)性最大的特征波段，并構(gòu)建穩(wěn)健高效的決策樹模型，也是一個(gè)技術(shù)難點(diǎn)。如何平衡模型的復(fù)雜度和泛化能力，避免過擬合和欠擬合，需要在算法設(shè)計(jì)和參數(shù)調(diào)優(yōu)方面進(jìn)行深入研究。

技術(shù)實(shí)現(xiàn)思路

1、為解決上述技術(shù)問題，本發(fā)明提出了一種基于決策樹的枸杞地農(nóng)殘分析方法及系統(tǒng)，以解決上述現(xiàn)有技術(shù)存在的問題。

2、為實(shí)現(xiàn)上述目的，本發(fā)明提供了一種基于決策樹的枸杞地農(nóng)殘分析方法，包括：

3、獲取不同枸杞品種、產(chǎn)地和采收時(shí)間的枸杞樣本的光譜特征與農(nóng)殘含量的關(guān)聯(lián)數(shù)據(jù)集；

4、對(duì)所述關(guān)聯(lián)數(shù)據(jù)集進(jìn)行預(yù)處理，獲得特征波段數(shù)據(jù)集；

5、基于偏最小二乘回歸法構(gòu)建模型，通過所述特征波段數(shù)據(jù)集對(duì)所述模型進(jìn)行訓(xùn)練，獲得關(guān)聯(lián)模型；

6、獲取實(shí)時(shí)枸杞光譜數(shù)據(jù)，基于所述關(guān)聯(lián)模型對(duì)所述實(shí)時(shí)枸杞光譜數(shù)據(jù)進(jìn)行計(jì)算，生成計(jì)算結(jié)果，通過決策樹算法對(duì)所述計(jì)算結(jié)果進(jìn)行判別，將枸杞劃分為合格品和不合格品。

7、優(yōu)選地，所述獲取不同枸杞品種、產(chǎn)地和采收時(shí)間的枸杞樣本的光譜特征與農(nóng)殘含量的關(guān)聯(lián)數(shù)據(jù)集的過程包括：

8、采用近紅外光譜儀獲取不同枸杞品種、產(chǎn)地和采收時(shí)間的枸杞樣本的光譜信息；

9、通過高效液相色譜法測(cè)定枸杞表面農(nóng)殘含量；

10、基于所述枸杞樣本的光譜信息和所述枸杞表面農(nóng)殘含量建立光譜特征與農(nóng)殘含量的關(guān)聯(lián)數(shù)據(jù)集。

11、優(yōu)選地，對(duì)所述關(guān)聯(lián)數(shù)據(jù)集進(jìn)行預(yù)處理，獲得特征波段數(shù)據(jù)集的過程包括：

12、將所述關(guān)聯(lián)數(shù)據(jù)集劃分為初始光譜數(shù)據(jù)集和農(nóng)殘含量數(shù)據(jù)集；

13、對(duì)所述初始光譜數(shù)據(jù)集進(jìn)行去噪和歸一化預(yù)處理后，構(gòu)建光譜數(shù)據(jù)矩陣；

14、針對(duì)所述光譜數(shù)據(jù)矩陣進(jìn)行主成分分析，通過特征值分解和特征向量提取，獲得數(shù)據(jù)矩陣的主成分的累積貢獻(xiàn)率；

15、根據(jù)所述主成分的累積貢獻(xiàn)率，確定新的特征波段，得到降維后的光譜特征數(shù)據(jù)；

16、將所述降維后的光譜特征數(shù)據(jù)和農(nóng)殘含量數(shù)據(jù)集進(jìn)行結(jié)合，獲得所述特征波段數(shù)據(jù)集。

17、優(yōu)選地，所述獲得數(shù)據(jù)矩陣的主成分的累積貢獻(xiàn)率的過程包括：

18、針對(duì)所述光譜數(shù)據(jù)矩陣進(jìn)行主成分分析，得到各主成分的貢獻(xiàn)率；

19、根據(jù)所述各主成分的貢獻(xiàn)率，繪制累積貢獻(xiàn)率曲線，確定所述曲線的拐點(diǎn)位置，完成主成分的累積貢獻(xiàn)率的獲取。

20、優(yōu)選地，所述基于偏最小二乘回歸法構(gòu)建模型，通過所述特征波段數(shù)據(jù)集對(duì)所述模型進(jìn)行訓(xùn)練，獲得關(guān)聯(lián)模型的過程包括：

21、采用偏最小二乘回歸算法，以所述特征波段為自變量，所述農(nóng)殘含量為因變量，建立預(yù)測(cè)模型；

22、基于所述特征波段數(shù)據(jù)集對(duì)所述預(yù)測(cè)模型進(jìn)行訓(xùn)練，獲得所述關(guān)聯(lián)模型。

23、優(yōu)選地，基于所述特征波段數(shù)據(jù)集對(duì)所述預(yù)測(cè)模型進(jìn)行訓(xùn)練，獲得所述關(guān)聯(lián)模型的過程包括：

24、通過交叉驗(yàn)證方法，確定所述預(yù)測(cè)模型的最佳主成分?jǐn)?shù)；

25、通過所述預(yù)測(cè)模型預(yù)測(cè)所述特征波段數(shù)據(jù)集的農(nóng)藥殘留量，將預(yù)測(cè)值與實(shí)測(cè)值進(jìn)行比對(duì)，評(píng)估所述預(yù)測(cè)模型的預(yù)測(cè)精度；若所述預(yù)測(cè)精度未達(dá)到預(yù)設(shè)閾值，則調(diào)整模型參數(shù)，重新建立定量關(guān)系模型，直至所述預(yù)測(cè)精度滿足要求。

26、優(yōu)選地，通過交叉驗(yàn)證方法，確定所述預(yù)測(cè)模型的最佳主成分?jǐn)?shù)的過程包括：

27、采用k折交叉驗(yàn)證方法，將所述預(yù)處理后的數(shù)據(jù)集劃分為k個(gè)子集；

28、針對(duì)每一折交叉驗(yàn)證，使用對(duì)應(yīng)的訓(xùn)練集構(gòu)建偏最小二乘回歸模型；

29、分析所述k折交叉驗(yàn)證的結(jié)果，確定最佳主成分?jǐn)?shù)；

30、根據(jù)所述最佳主成分?jǐn)?shù)，在所述預(yù)處理后的數(shù)據(jù)集上訓(xùn)練偏最小二乘回歸模型，得到所述預(yù)測(cè)模型。

31、優(yōu)選地，所述通過決策樹算法對(duì)所述計(jì)算結(jié)果進(jìn)行判別，將枸杞劃分為合格品和不合格品的過程包括：構(gòu)建決策樹算法，將所述計(jì)算結(jié)果輸入至所述決策樹算法中，通過所述決策樹的分支結(jié)構(gòu)和節(jié)點(diǎn)閾值進(jìn)行定性判別，若農(nóng)殘含量低于預(yù)設(shè)閾值，則判定該枸杞樣本為合格品，否則判定為不合格品。

32、為實(shí)現(xiàn)上述目的，本發(fā)明還提供了一種基于決策樹的枸杞地農(nóng)殘分析系統(tǒng)，包括：

33、數(shù)據(jù)獲取模塊，用于獲取不同枸杞品種、產(chǎn)地和采收時(shí)間的枸杞樣本的光譜特征與農(nóng)殘含量的關(guān)聯(lián)數(shù)據(jù)集；

34、預(yù)處理模塊，用于對(duì)所述關(guān)聯(lián)數(shù)據(jù)集進(jìn)行預(yù)處理，獲得特征波段數(shù)據(jù)集；

35、模型構(gòu)建模塊，用于基于偏最小二乘回歸法構(gòu)建模型，通過所述特征波段數(shù)據(jù)集對(duì)所述模型進(jìn)行訓(xùn)練，獲得關(guān)聯(lián)模型；

36、判別模塊，用于獲取實(shí)時(shí)枸杞光譜數(shù)據(jù)，基于所述關(guān)聯(lián)模型對(duì)所述實(shí)時(shí)枸杞光譜數(shù)據(jù)進(jìn)行計(jì)算，生成計(jì)算結(jié)果，通過決策樹算法對(duì)所述計(jì)算結(jié)果進(jìn)行判別，將枸杞劃分為合格品和不合格品。

37、與現(xiàn)有技術(shù)相比，本發(fā)明具有如下優(yōu)點(diǎn)和技術(shù)效果：

38、本發(fā)明公開了一種基于近紅外光譜技術(shù)和化學(xué)計(jì)量學(xué)方法快速、無損檢測(cè)枸杞農(nóng)殘含量的方法。通過采集不同品種、產(chǎn)地和采收時(shí)間枸杞樣本的光譜信息，并與高效液相色譜法測(cè)定的農(nóng)殘含量建立關(guān)聯(lián)數(shù)據(jù)集。對(duì)光譜數(shù)據(jù)進(jìn)行預(yù)處理后，采用主成分分析提取特征波段，再通過偏最小二乘回歸建立光譜特征與農(nóng)殘含量的定量關(guān)聯(lián)模型，并結(jié)合決策樹算法對(duì)枸杞農(nóng)殘含量進(jìn)行定性判別。本發(fā)明可實(shí)現(xiàn)枸杞農(nóng)殘含量的快速、準(zhǔn)確、無損檢測(cè)，為枸杞質(zhì)量安全控制提供有力的技術(shù)手段。

技術(shù)特征：

1.一種基于決策樹的枸杞地農(nóng)殘分析方法，其特征在于，包括以下步驟：

2.根據(jù)權(quán)利要求1所述的基于決策樹的枸杞地農(nóng)殘分析方法，其特征在于，所述獲取不同枸杞品種、產(chǎn)地和采收時(shí)間的枸杞樣本的光譜特征與農(nóng)殘含量的關(guān)聯(lián)數(shù)據(jù)集的過程包括：

3.根據(jù)權(quán)利要求1所述的基于決策樹的枸杞地農(nóng)殘分析方法，其特征在于，對(duì)所述關(guān)聯(lián)數(shù)據(jù)集進(jìn)行預(yù)處理，獲得特征波段數(shù)據(jù)集的過程包括：

4.根據(jù)權(quán)利要求3所述的基于決策樹的枸杞地農(nóng)殘分析方法，其特征在于，所述獲得數(shù)據(jù)矩陣的主成分的累積貢獻(xiàn)率的過程包括：

5.根據(jù)權(quán)利要求1所述的基于決策樹的枸杞地農(nóng)殘分析方法，其特征在于，所述基于偏最小二乘回歸法構(gòu)建模型，通過所述特征波段數(shù)據(jù)集對(duì)所述模型進(jìn)行訓(xùn)練，獲得關(guān)聯(lián)模型的過程包括：

6.根據(jù)權(quán)利要求5所述的基于決策樹的枸杞地農(nóng)殘分析方法，其特征在于，基于所述特征波段數(shù)據(jù)集對(duì)所述預(yù)測(cè)模型進(jìn)行訓(xùn)練，獲得所述關(guān)聯(lián)模型的過程包括：

7.根據(jù)權(quán)利要求6所述的基于決策樹的枸杞地農(nóng)殘分析方法，其特征在于，通過交叉驗(yàn)證方法，確定所述預(yù)測(cè)模型的最佳主成分?jǐn)?shù)的過程包括：

8.根據(jù)權(quán)利要求1所述的基于決策樹的枸杞地農(nóng)殘分析方法，其特征在于，所述通過決策樹算法對(duì)所述計(jì)算結(jié)果進(jìn)行判別，將枸杞劃分為合格品和不合格品的過程包括：構(gòu)建決策樹算法，將所述計(jì)算結(jié)果輸入至所述決策樹算法中，通過所述決策樹的分支結(jié)構(gòu)和節(jié)點(diǎn)閾值進(jìn)行定性判別，若農(nóng)殘含量低于預(yù)設(shè)閾值，則判定該枸杞樣本為合格品，否則判定為不合格品。

9.根據(jù)權(quán)利要求1-8任一項(xiàng)所述的基于決策樹的枸杞地農(nóng)殘分析方法的分析系統(tǒng)，其特征在于，包括：

技術(shù)總結(jié)
本發(fā)明公開了一種基于決策樹的枸杞地農(nóng)殘分析方法及系統(tǒng)，屬于枸杞地農(nóng)殘分析技術(shù)領(lǐng)域，包括：針對(duì)不同枸杞品種、產(chǎn)地和采收時(shí)間的枸杞樣本，采用近紅外光譜儀獲取其光譜信息，并通過高效液相色譜法測(cè)定枸杞表面農(nóng)殘含量，建立光譜特征與農(nóng)殘含量的關(guān)聯(lián)數(shù)據(jù)集；對(duì)獲取的枸杞光譜數(shù)據(jù)進(jìn)行預(yù)處理，包括去噪、歸一化等，提高光譜信息的質(zhì)量和一致性，然后采用主成分分析法從海量光譜數(shù)據(jù)中提取最能反映農(nóng)殘含量差異的特征波段，降低數(shù)據(jù)維度；根據(jù)提取的特征波段，采用偏最小二乘回歸法建立光譜特征與農(nóng)殘含量的定量關(guān)聯(lián)模型，通過交叉驗(yàn)證和外部驗(yàn)證，優(yōu)化模型的參數(shù)，提高模型的穩(wěn)健性和預(yù)測(cè)精度。

技術(shù)研發(fā)人員：吳燕,王曉菁,馬婷慧,張鋒鋒
受保護(hù)的技術(shù)使用者：寧夏農(nóng)產(chǎn)品質(zhì)量標(biāo)準(zhǔn)與檢測(cè)技術(shù)研究所（寧夏農(nóng)產(chǎn)品質(zhì)量監(jiān)測(cè)中心）
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/23