基于二维相关谱不变距特征判别掺杂尿素牛奶

摘要：为实现牛奶掺杂尿素的快速客观检测，以浓度为外扰，分别建立纯牛奶和掺杂尿素牛奶的二维相关光谱图库，并采用不变矩统计特征表征所获得纯牛奶及掺杂尿素牛奶的二维相关光谱图；针对提取的二维相关光谱不变矩特征，通过计算其Fisher系数评价类间分离程度，结合主成分分析法进行特征优选，选择4个主成分表征所获得样品的二维相关光谱图特征；将优选的4个特征参数作为输入量，采用支持向量机算法建立掺杂尿素牛奶与纯牛奶间的判别模型，该模型对校正集样品和预测集样品的判别准确率分别为94.4%、84.6%。结果表明，基于二维相关谱不变距特征判别掺杂尿素牛奶是可行的。

关键词：二维相关光谱；Fisher系数；主成分分析；支持向量机

中图分类号：TS252.7；O657.33 文献标识码：A 文章编号：0439-8114（2017）08-1550-04

DOI：10.14088/ki.issn0439-8114.2017.08.037

Detection of Milk Doped with Urea Based on the Moment Invariants Feature of the 2D Correlation Spectrum

CAO Yan，SHAN Hui-yong，ZHAO Hui，YANG Ren-jie，YANG Yan-rong，WEI Yong

（College of Engineering and Technology， Tianjin Agricultural University， Tianjin 300384， China）

Abstract：In order to realize the rapid and objective detection of milk doped with urea， the application of two-dimensional correlation spectroscopy for the identification of mixed milk was studied. Based on the concentration of external disturbance， the 2D correlation spectra of pure milk and milk doped with urea were established and the obtained 2D correlation spectra of milk and milk doped with urea was characterized by invariant moments. The 2D correlation spectra invariant moment features was selected based on Fisher coefficient which is used to evaluate the degree of separation between classes and the principal component analysis. These 4 invariant moment parameters were used as input for SVM to build discriminant model of milk doped with urea and pure milk. The recognition rate of calibration set samples and prediction set samples was 94.4%， 84.6% respectively. The results showed that detection method of milk doped with urea based on the moment invariants feature of the 2D correlation spectrum is feasible.

Key words： 2D correlation spectrum； fisher coefficient； principal component analysis； support vector machine

牛奶中含有大量人们所必需的营养物质，具有较高的营养价值，已成为人们日常饮食中必不可少的食品。同时牛奶掺假的现象日益严重，迫切需要寻求一种能对牛奶中掺杂的目标物进行快速检测的方法。目前采用的常规光谱技术检测牛奶掺杂由于受到牛奶中掺杂物的多样化和微量化影响，掺杂物的特征峰多与牛奶成分的特征峰相互重叠，且掺杂物特征信息与待分析组分之间呈非线性关系，即便与线性模式识别方法相结合，也无法有效地对掺杂牛奶进行判别。相比常规二维光谱，二维相关光谱具有更高的分辨率，可以更好地提取微弱的特征信息，能Ω丛拥耐计捉行解析[1-9]。本研究在二维相关光谱技术基础上，提出一种基于图像特征的判别牛奶掺杂方法，该方法通过提取二维相关光谱图像的不变矩特征，建立支持向量机判别模型，实现了掺杂牛奶的正确识别。

4 基于支持向量机的牛奶掺杂判别

支持向量机（Support vector machine，SVM）是为了解决非线性回归和模式分类问题而产生的，因其在解决小样本、高维数、非线性等方面的独特优势，被广泛应用于各个领域的识别和分类[4-7]。提取纯牛奶和掺杂尿素的牛奶的同步―异步光谱图中贡献率大的4个主成分特征采用支持向量机分析。80个样本数据中，40个为纯牛奶，40个为掺杂尿素，其中选取纯牛奶和掺杂尿素牛奶各27个样本数据作为神经网络的学习训练样本，其余26个样本数据作为预测样本。图7、图8分别为支持向量机校正集预测结果和支持向量机测试集预测结果。

校正集54个样本数据中有3个判别错误，其中有一个纯牛奶被误判为掺杂尿素的牛奶，两个掺杂尿素的牛奶别误判为纯牛奶，所建模型πU集的判别准确率为94.4%；利用模型进行外部预测，预测集26个样本数据中有4个判别错误，其中纯牛奶判别结果全部正确，4个掺杂尿素的牛奶别误判为纯牛奶，所建模型对校正集的判别准确率为84.6%。

5 小结与讨论

研究结果表明，二维相关同步-异步谱图的可分性比二维相关同步谱图的可分性明显；提取纯牛奶和掺杂尿素的牛奶的同步―异步光谱图中贡献率大的4个主成分特征，采用支持向量机模型对校正集样品判别准确率为94.4%，对预测集样品判别正确率为84.6%。基于二维相关谱不变距特征判别掺杂牛奶是可行的，为二维相关谱谱图的客观量化和自动识别提供了一条新的研究思路。

参考文献：

[1] NODA I. Advances in two-dimensional correlation spectroscopy[J].Vibrational Spectroscopy，2004，36（2）：143-165.

[2] HU M K. Visual pattern recognition by moment invariants[J].IEEE Transactions on Information Theory，1962，8（2）：179-187.

[3] 何 敏，章 兢，晏 敏，等.基于纹理特征的回转窑熟料烧结状态分类[J].湖南大学学报（自然科学版），2010（9）：29-33.

[4] 丁世飞，齐丙娟，谭红艳.支持向量机理论与算法研究综述[J].电子科技大学学报，2011，40（1）：2-10.

[5] 李玉景.支持向量机在模式识别领域中的应用研究[D].山东青岛：青岛大学，2008.

[6] 雷 瑾.基于支持向量机的船舶主机缸盖故障诊断的研究[D].上海：上海海事大学，2007.

[7] 忻 栋.支持向量机算法的研究及在说话人识别上的应用[D].杭州：浙江大学，2002.

[8] 姚 磊.基于Hough变换和不变矩的图像模式识别技术研究[D].河北秦皇岛：燕山大学，2006.

[9] 田 野，赵春晖，季亚新.主成分分析在高光谱遥感图像降维中的应用[J].哈尔滨师范大学自然科学学报，2007，23（5）：58-60.

[10] 谢生龙，王夏黎，董春雨.基于不变矩理论线矩法图像特征的提取[J].计算机技术与发展，2014，24（11）：139-143.

[11] 柳林霞，陈 杰，窦丽华.不变矩理论及其在目标识别中的应用[J].火力与指挥控制，2003，28（2）：13-15.