申请/专利权人：河南省药品医疗器械检验院(河南省疫苗批签中心);中国食品药品检定研究院(国家药品监督管理局医疗器械标准管理中心、中国药品检验总所);河南中医药大学

申请日：2024-02-20

公开（公告）日：2024-05-24

公开（公告）号：CN118067651A

主分类号：G01N21/3563

分类号：G01N21/3563;G06N20/00;G06F18/27;G01N21/359

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.06.11#实质审查的生效;2024.05.24#公开

摘要：本发明涉及基于近红外光谱与机器学习算法联用的艾叶真伪判别方法，可有效解决艾叶真伪鉴别，保证艾叶质量和药用价值的问题，在对未知真伪的艾叶样本进行判别时，按照样本近红外光谱测定方法及测定参数进行测定，得到光谱数据选取筛选得到的391个波数特征数据，进行标准化前处理，通过二阶多项式特征衍生，再输入逻辑回归模型中，根据输出结果进行样本归属正伪品的判别，本发明方法应用了近红外光谱分析技术，快速、无损、无污染、检测成本低廉，高效率的完成艾叶样本的测定以及判定，对实验人员、实验环境的要求低，整个过程稳定可靠、准确率高，采用逻辑回归模型良好的在线学习和增量学习特性，模型后期的迭代和进一步优化完善会更加易于实现。

主权项：1.一种基于近红外光谱与机器学习算法联用的艾叶真伪判别方法，其特征在于，在对未知真伪的艾叶样本进行判别时，必需按照样本近红外光谱测定方法及测定参数进行测定，得到光谱数据选取筛选得到的391个波数特征数据，进行标准化前处理，再通过二阶多项式特征衍生，再输入逻辑回归模型中，根据输出结果进行样本归属正品还是伪品的判别，具体包括以下步骤：（1）采集艾叶样品近红外光谱数据：首先通过近红外光谱仪对多批艾叶正品样本以及多种属来源的伪品样本进行近红外光谱的测定，波数范围为12000cm-1～4000cm-1，扫描次数为32次，分辨率为8cm-1，每个样本重复测定6次，取平均光谱作为样本的近红外光谱数据；（2）数据处理：将采样波数点作为特征，共计1899个特征，对艾叶样品近红外光谱数据进行标准化处理，使用机器学习相关的特征工程技术和方法对标准化后的数据采用嵌入法进行特征筛选，通过交叉验证得分的阈值学习曲线选择出阈值，筛选出391个波数特征，再使用这391个波数特征训练模型；（3）逻辑回归模型超参数的优化和训练：为了避免模型学习训练出现欠拟合情况，再使用二阶多项式对这391个波数特征进行衍生，得到77028个特征，将96批样本数据随机进行训练集67批和测试集29批的划分，在模型建立阶段，按照上述数据预处理和特征工程方法处理训练集数据，再进行逻辑回归模型超参数的优化和训练；（4）艾叶真伪判别：逻辑回归模型的正则化惩罚项采用L2法，正则化强度倒数C为0.9，求解器为“liblinear”，多分类选择自动模式，模型训练完毕可得到优化模型参数；再按照上述数据预处理及特征工程方法处理后的测试集样本数据对模型进行评估，判断艾叶真伪，实现对艾叶真伪的判别。

全文数据：

权利要求：

百度查询： 河南省药品医疗器械检验院(河南省疫苗批签中心);中国食品药品检定研究院(国家药品监督管理局医疗器械标准管理中心、中国药品检验总所);河南中医药大学 一种基于近红外光谱与机器学习算法联用的艾叶真伪判别方法

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