公开(公告)号：CN111693488B

公开(公告)日：2022-12-06

申请号：CN202010513459.7

申请日：2020-06-08

Applicant: 济南大学

Inventor： 马荔瑶 ,  申涛 ,  毕淑慧 ,  徐元 ,  赵钦君 ,  闫兴伟 ,  李福坤

IPC: G01N21/359 ,  G06K9/62 ,  G06N20/00

Abstract: 本发明公开了一种基于DS证据理论融合的水果等级分类方法及系统，包括：获取待测水果的原始近红外光谱并进行预处理；利用遗传算法筛选出最佳的特征波长；将所述特征波长分别输入到训练好的极限学习机预测模型和基于偏最小二乘法的预测模型，分别得到待测水果的可溶性固形物含量信息；分别基于所述可溶性固形物含量信息对水果等级进行分类；基于DS证据理论对两种分类结果进行融合，得到基于可溶性固形物含量的水果等级类别。本发明使用基于DS证据理论的苹果等级分类方法，融合极限学习机与偏最小二乘法的两种预测模型。DS融合后测试集分类等级准确率为94.697％，优于单一的模型分类方法。

公开(公告)号：CN111693487A

公开(公告)日：2020-09-22

申请号：CN202010468700.9

申请日：2020-05-28

Applicant: 济南大学

Inventor： 毕淑慧 ,  申涛 ,  赵钦君 ,  徐元 ,  孙明旭 ,  闫兴伟 ,  聂茂勇

IPC: G01N21/359 ,  G06N3/12 ,  G06N20/00

Abstract: 本发明公开了一种基于遗传算法和极限学习机的水果糖度检测方法及系统，包括：获取待测水果的原始近红外光谱并进行预处理；利用遗传算法筛选出最佳的特征波长；将所述最佳的特征波长输入到训练好的极限学习机预测模型，输出水果的可溶性固形物含量信息，进而得到水果糖度信息；其中，所述极限学习机预测模型基于水果的原始近红外光谱及对应的可溶性固形物含量值的对应关系建立。本发明基于遗传算法来筛选波长，将极限学习机法交互验证中因变量的预测值跟实际值的相关系数作为遗传算法的适应度函数，用遗传算法从原始光谱1557个光谱波长中选择最为合适的波长，大大提高水果糖度的预测精度。

公开(公告)号：CN111693488A

公开(公告)日：2020-09-22

申请号：CN202010513459.7

申请日：2020-06-08

Applicant: 济南大学

Inventor： 马荔瑶 ,  申涛 ,  毕淑慧 ,  徐元 ,  赵钦君 ,  闫兴伟 ,  李福坤

IPC: G01N21/359 ,  G06K9/62 ,  G06N20/00

Abstract: 本发明公开了一种基于DS证据理论融合的水果等级分类方法及系统，包括：获取待测水果的原始近红外光谱并进行预处理；利用遗传算法筛选出最佳的特征波长；将所述特征波长分别输入到训练好的极限学习机预测模型和基于偏最小二乘法的预测模型，分别得到待测水果的可溶性固形物含量信息；分别基于所述可溶性固形物含量信息对水果等级进行分类；基于DS证据理论对两种分类结果进行融合，得到基于可溶性固形物含量的水果等级类别。本发明使用基于DS证据理论的苹果等级分类方法，融合极限学习机与偏最小二乘法的两种预测模型。DS融合后测试集分类等级准确率为94.697％，优于单一的模型分类方法。