一種基于近紅外光譜的雜交種純度鑒別方法
【專利摘要】本發(fā)明提出了一種基于近紅外光譜的雜交種純度鑒別方法，包括以下步驟：步驟1：采集種子樣本的近紅外光譜數(shù)據(jù)；步驟2：對采集的種子樣本的近紅外光譜數(shù)據(jù)進(jìn)行預(yù)處理，并從經(jīng)過預(yù)處理的光譜數(shù)據(jù)中選擇具代表性的訓(xùn)練樣本光譜數(shù)據(jù)；步驟3：通過特征提取算法和建模方法對所選取的訓(xùn)練樣本光譜數(shù)據(jù)建立種子的純度鑒別模型；步驟4：利用所建立的鑒別模型，對待鑒別種子的光譜進(jìn)行鑒別。其具有成本低、易操作、高可靠的優(yōu)點(diǎn)，無需專業(yè)人士即可實(shí)現(xiàn)雜交種的純度鑒別，并改進(jìn)了現(xiàn)有方法所建立的鑒別模型的穩(wěn)定性和適應(yīng)性不高的缺點(diǎn)。
【專利說明】
一種基于近紅外光譜的雜交種純度鑒別方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及種子的純度鑒定領(lǐng)域，特別是一種基于近紅外光譜的雜交種純度鑒別 方法。
【背景技術(shù)】
[0002] 我國是糧食生產(chǎn)大國。農(nóng)作物種業(yè)是國家戰(zhàn)略性、基礎(chǔ)性的核心產(chǎn)業(yè)，是促進(jìn)農(nóng)業(yè) 長期穩(wěn)定發(fā)展、保障國家糧食安全的根本。玉米是我國重要的糧食和飼料作物之一，2012年 已經(jīng)成為我國產(chǎn)量第一的糧食作物。我國玉米生產(chǎn)主要依靠雜交種，種子純度的鑒定是保 障種子質(zhì)量的核心，影響玉米雜交種純度的主要原因是母本在雜交種子中混雜。
[0003] 目前鑒定玉米雜交種純度的方法主要分為田間鑒定和室內(nèi)鑒定兩大類。田間鑒定 是將樣品在田間播種，該方法是權(quán)威的純度鑒定方法，但其最大的限制因素是時間長、費(fèi)用 高、用地較多。室內(nèi)鑒定有形態(tài)學(xué)鑒定技術(shù)、電泳譜帶鑒定技術(shù)、分子標(biāo)記鑒定法等，但是操 作復(fù)雜，成本較高，耗時長，不能進(jìn)行實(shí)時分析。
[0004] 近紅外光譜波長范圍為780~2500nm，該譜區(qū)承載樣品分子C-H，N-H，0-H極為 豐富的成分信息與結(jié)構(gòu)信息，而且不同譜區(qū)的近紅外光譜可以采集樣品不同深度（10-1~ 102nm)的樣品信息，使其具有分析速度快、無損、成本低、綠色分析等優(yōu)點(diǎn)。近紅外光譜分 析技術(shù)在農(nóng)產(chǎn)品檢測中的應(yīng)用已有大量研究成果，在玉米雜交種純度鑒定方面的研究也屢 見不鮮。但現(xiàn)有的研究大多需要將種子粉碎后進(jìn)行分析，不能實(shí)現(xiàn)對種子進(jìn)行無損、實(shí)時檢 測，不能分選出雜交種子中混合的母本單粒種子，而且沒有研究不同制種地的雜交種和母 本是否可分。

【發(fā)明內(nèi)容】

[0005] 針對現(xiàn)有種子純度鑒別方法的現(xiàn)狀與諸多不足，本發(fā)明提出一種低成本、易操作、 高可靠的基于近紅外光譜的種子雜交種純度鑒別方法，無需專業(yè)人士即可實(shí)現(xiàn)雜交種的純 度鑒別，并改進(jìn)了現(xiàn)有方法所建立的鑒別模型的穩(wěn)定性和適應(yīng)性不高的缺點(diǎn)。
[0006] 本發(fā)明的技術(shù)方案是這樣實(shí)現(xiàn)的：
[0007] -種基于近紅外光譜的雜交種純度鑒別方法，包括以下步驟：
[0008] 步驟1 :采集種子樣本的近紅外光譜數(shù)據(jù)；
[0009] 步驟2 :對采集的種子樣本的近紅外光譜數(shù)據(jù)進(jìn)行預(yù)處理，并從經(jīng)過預(yù)處理的光 譜數(shù)據(jù)中選擇具代表性的訓(xùn)練樣本光譜數(shù)據(jù)；
[0010] 步驟3 :通過特征提取算法和建模方法對所選取的訓(xùn)練樣本光譜數(shù)據(jù)建立種子的 純度鑒別模型；
[0011] 步驟4 :利用所建立的鑒別模型，對待鑒別種子的光譜進(jìn)行鑒別。
[0012] 上述技術(shù)方案中，所述步驟1中的采集的種子樣本的近紅外光譜數(shù)據(jù)來源于近紅 外光譜儀，如果有相同型號的多臺近紅外光譜儀，則在采集種子樣本的近紅外光譜數(shù)據(jù)時， 多臺近紅外光譜儀所處的外部環(huán)境相同；對同一份種子樣本，在相同的測量時間點(diǎn)要求在 不同的近紅外光譜儀上進(jìn)行測量，得到對應(yīng)的多條光譜數(shù)據(jù)。
[0013] 上述技術(shù)方案中，步驟2中所述對近紅外光譜數(shù)據(jù)進(jìn)行預(yù)處理，采用的預(yù)處理方 法包括數(shù)據(jù)歸一化處理、導(dǎo)數(shù)法處理、平滑處理、中心化及標(biāo)準(zhǔn)化處理。
[0014] 上述技術(shù)方案中，步驟2中所述具代表性的訓(xùn)練樣本光譜數(shù)據(jù)，是指能夠?qū)τ捎?種子樣品光譜測定時間、空間的變動、樣品產(chǎn)地與制種時間變動這些不確定因素給純度鑒 別帶來的影響進(jìn)行包容的樣本數(shù)據(jù)。
[0015] 由于種子樣品光譜測定時間、空間的變動（測試儀器的不同等）、樣品產(chǎn)地與制種 時間變動這些不確定因素，會給純度鑒別帶來影響，因此該具有代表性的訓(xùn)練樣本光譜數(shù) 據(jù)是能夠?qū)@些不確定信息進(jìn)行包容的樣本數(shù)據(jù)，以減小對光譜鑒別的準(zhǔn)確性。
[0016] 上述技術(shù)方案中，步驟3中所述建立種子的純度鑒別模型，包括對挑選的訓(xùn)練樣 本光譜數(shù)據(jù)進(jìn)行降維處理，該降維處理包括主成分分析（PCA)、偏最小二乘法回歸（PLS)或 線性鑒別分析（LDA)降維方法。
[0017] 上述技術(shù)方案中，步驟3中所采用的建模方法根據(jù)模型的適用范圍及分析目標(biāo)的 不同采用不同的建模方法，包括基但不限于高維形象幾何分析的仿生模式識別方法（BPR)、 支持向量機(jī)（SVM)或最近歐氏距離方法。
[0018] 上述技術(shù)方案中，步驟4中所述利用所建立的純度鑒別模型，對待鑒別種子的光 譜進(jìn)行鑒別，包括：首先獲取待鑒別種子的光譜數(shù)據(jù)，然后對該待鑒別種子的光譜數(shù)據(jù)進(jìn)行 預(yù)處理、特征提取，最后利用所建立的鑒別模型進(jìn)行鑒別，并給出鑒別結(jié)果。
[0019] 上述技術(shù)方案中，對待鑒別種子的光譜數(shù)據(jù)所進(jìn)行的預(yù)處理與特征提取操作，與 所述的純度鑒別模型所使用的預(yù)處理與特征提取操作相同。
[0020] 從上述技術(shù)方案中可以看出，本發(fā)明具有以下有益效果：
[0021] (1)本發(fā)明的基于近紅外光譜的雜交種純度鑒別方法，由于選擇了能夠包容大部 分不確定信息的代表性的訓(xùn)練樣本光譜數(shù)據(jù)，提高了模型應(yīng)對光譜采集時間、地點(diǎn)、環(huán)境等 條件變動的應(yīng)變能力，也提高了模型應(yīng)對樣品種子制種時間與地點(diǎn)變動的應(yīng)變能力，增強(qiáng) 了模型的穩(wěn)健性。
[0022] (2)本發(fā)明的基于近紅外光譜的雜交種純度鑒別方法，能夠快速對雜交種純度做 出鑒別，鑒別時間少成本低，對測試者不要求具有專業(yè)知識，應(yīng)用方便。
【附圖說明】
[0023] 為了更清楚地說明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實(shí)施例或現(xiàn) 有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本 發(fā)明的一些實(shí)施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動性的前提下，還可 以根據(jù)這些附圖獲得其他的附圖。
[0024] 圖1是本發(fā)明提供的基于近紅外光譜的雜交種純度鑒別方法的流程圖；
[0025] 圖2是依照本發(fā)明實(shí)施例的經(jīng)過降維處理之后的樣本空間分布圖；
[0026] 圖3是依照本發(fā)明實(shí)施例的擴(kuò)大建模集樣品來源的變動范圍之后，數(shù)據(jù)的二維空 間分布圖；
[0027] 圖4是本發(fā)明實(shí)施例中的測量光譜的時間段、測量天數(shù)、光譜數(shù)目及簡稱。
【具體實(shí)施方式】
[0028] 下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完 整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；?本發(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有作出創(chuàng)造性勞動前提下所獲得的所有其他 實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。
[0029] 需要說明的是，實(shí)施例算法中的預(yù)處理方法、特征提取方法以及建模方法并不固 定，實(shí)驗(yàn)者可以根據(jù)不同的情況以及不同的實(shí)驗(yàn)經(jīng)驗(yàn)來合理選擇各步驟方法，實(shí)施例使用 的各步驟算法并非用來限制本發(fā)明。
[0030] 如圖1所示，本發(fā)明提供的基于近紅外光譜的雜交種純度鑒別方法，包括以下步 驟：
[0031] 步驟1 :采集種子樣本的近紅外光譜數(shù)據(jù)；
[0032] 步驟2 :對采集的種子樣本的近紅外光譜數(shù)據(jù)進(jìn)行預(yù)處理，并從經(jīng)過預(yù)處理的光 譜數(shù)據(jù)中選擇具代表性的訓(xùn)練樣本光譜數(shù)據(jù)；
[0033] 步驟3 :通過特征提取算法和建模方法對所選取的訓(xùn)練樣本光譜數(shù)據(jù)建立種子的 純度鑒別模型；
[0034] 步驟4 :利用所建立的鑒別模型，對待鑒別種子的光譜進(jìn)行鑒別。
[0035] 上述技術(shù)方案中，所述步驟1中的采集的種子樣本的近紅外光譜數(shù)據(jù)來源于近紅 外光譜儀，如果有相同型號的多臺近紅外光譜儀，則在采集種子樣本的近紅外光譜數(shù)據(jù)時， 多臺近紅外光譜儀所處的外部環(huán)境相同；對同一份種子樣本，在相同的測量時間點(diǎn)要求在 不同的近紅外光譜儀上進(jìn)行測量，得到對應(yīng)的多條光譜數(shù)據(jù)。
[0036] 上述技術(shù)方案中，步驟2中所述對近紅外光譜數(shù)據(jù)進(jìn)行預(yù)處理，采用的預(yù)處理方 法包括數(shù)據(jù)歸一化處理、導(dǎo)數(shù)法處理、平滑處理、中心化及標(biāo)準(zhǔn)化處理。
[0037] 上述技術(shù)方案中，步驟2中所述具代表性的訓(xùn)練樣本光譜數(shù)據(jù)，是指能夠?qū)τ捎?種子樣品光譜測定時間、空間的變動、樣品產(chǎn)地與制種時間變動這些不確定因素給純度鑒 別帶來的影響進(jìn)行包容的樣本數(shù)據(jù)。
[0038] 由于種子樣品光譜測定時間、空間的變動（測試儀器的不同等）、樣品產(chǎn)地與制種 時間變動這些不確定因素，會給純度鑒別帶來影響，因此該具有代表性的訓(xùn)練樣本光譜數(shù) 據(jù)是能夠?qū)@些不確定信息進(jìn)行包容的樣本數(shù)據(jù)，以減小對光譜鑒別的準(zhǔn)確性。
[0039] 上述技術(shù)方案中，步驟3中所述建立種子的純度鑒別模型，包括對挑選的訓(xùn)練樣 本光譜數(shù)據(jù)進(jìn)行降維處理，該降維處理包括主成分分析（PCA)、偏最小二乘法回歸（PLS)或 線性鑒別分析（LDA)降維方法。
[0040] 上述技術(shù)方案中，步驟3中所采用的建模方法根據(jù)模型的適用范圍及分析目標(biāo)的 不同采用不同的建模方法，包括基但不限于高維形象幾何分析的仿生模式識別方法（BPR)、 支持向量機(jī)（SVM)或最近歐氏距離方法。
[0041] 上述技術(shù)方案中，步驟4中所述利用所建立的純度鑒別模型，對待鑒別種子的光 譜進(jìn)行鑒別，包括：首先獲取待鑒別種子的光譜數(shù)據(jù)，然后對該待鑒別種子的光譜數(shù)據(jù)進(jìn)行 預(yù)處理、特征提取，最后利用所建立的鑒別模型進(jìn)行鑒別，并給出鑒別結(jié)果。
[0042] 上述技術(shù)方案中，對待鑒別種子的光譜數(shù)據(jù)所進(jìn)行的預(yù)處理與特征提取操作，與 所述的純度鑒別模型所使用的預(yù)處理與特征提取操作相同。
[0043] 以下實(shí)施例中的實(shí)驗(yàn)儀器采用德國BRUKER公司Optics MPA型傅里葉變換漫反射 近紅外光譜儀，譜區(qū)范圍（波數(shù)）：12000~4000cm-l，掃描次數(shù)：32次，分辨率：8cm-l。單 籽粒樣品測定用小樣品附件。光譜采集和數(shù)據(jù)格式轉(zhuǎn)換軟件均為OPUS 6.5。
[0044] (一）采集種子樣本的近紅外光譜數(shù)據(jù)。
[0045] 采用單粒光譜測量，測量樣品時將種子樣品胚面朝下放入小樣品池，每個品種多 次隨機(jī)取樣并測量。
[0046] 玉米種子雜交種及其母本研究所用玉米種子樣品為2009年海南制種的NH101雜 交種（CB)和母本（FP)，分別簡稱HCB和HFP，以及另一種（非2009年和非海南制種）NH101 雜交種和母本，分別簡稱MCB和MFP。
[0047] 實(shí)驗(yàn)在5個時間段進(jìn)行，時間跨度最長達(dá)10個月，每個時間段包含4(或7)天，每 天從大袋種子中隨機(jī)抽取實(shí)驗(yàn)樣品，測量一次光譜。測量光譜的時間段、測量天數(shù)、光譜數(shù) 目及簡稱見圖4列表。
[0048] (二）對采集的種子樣本的近紅外光譜數(shù)據(jù)進(jìn)行預(yù)處理，并從經(jīng)過預(yù)處理的光譜 數(shù)據(jù)中選擇具代表性的訓(xùn)練樣本光譜數(shù)據(jù)。
[0049] 由于在采集樣本的光譜數(shù)據(jù)時，不同數(shù)據(jù)采集時間導(dǎo)致了環(huán)境溫度變化比較大， 而參比只做了一次，導(dǎo)致部分光譜數(shù)據(jù)發(fā)生偏移，因此需要采用適當(dāng)?shù)念A(yù)處理方法消除這 一影響。
[0050] 數(shù)據(jù)預(yù)處理采用移動窗口平均（MWA，窗口為9)、一階差分導(dǎo)數(shù)（FD，差分寬度為9) 和矢量歸一化（VN)方法。這些方法可以濾除光譜數(shù)據(jù)中的噪聲數(shù)據(jù)，對光譜進(jìn)行基線校正 和提高分辨率，消除光譜平移，并能在一定程度上消除光譜測量中產(chǎn)生的隨機(jī)誤差。
[0051] (三）通過特征提取算法和建模方法對所選取的訓(xùn)練樣本光譜數(shù)據(jù)建立種子的純 度鑒別模型。
[0052] 建模過程中采用的降維方法為主成分分析（PCA)進(jìn)行一次降維，將光譜數(shù)據(jù)降維 至10維（前10個主成分的累積貢獻(xiàn)率大于98% )，再用線性鑒別分析（LDA)進(jìn)行二次降 維，降至2維。
[0053] 建模過程中采用的建模方法為仿生模式識別方法（BPR)對NH101的母本和雜交種 進(jìn)行建模。使用二權(quán)值神經(jīng)元作為基本覆蓋單元，運(yùn)用最小生成樹的方法連接基本覆蓋單 元，建立玉米母本和雜交種的仿生模式識別模型。
[0054] 為了能夠表示出各類種子樣品集差異的大小，定義它們在特征空間的相對距離 ，如下述公式所述：
[0055] 式中心表示第i類和第j類樣本之間的相對距離，D u表示第i類與第j類重心 的平方歐氏距離，Wi表示第i類樣本內(nèi)部的平均離差平方和，W ,表示第j類內(nèi)部的平均離 差平方和。^的值越大，表明第i類和第j類樣品集差異也越大。在定性分析中兩個樣品 集之間的相對距離可評價這兩類樣品的分類能力。
[0056] 實(shí)驗(yàn)中的測試結(jié)果用正確識別率（CorrectAcceptance Rate，CAR)、正確拒識率 (Correct Rejection Rate，CRR)和相對距離等參數(shù)來評價。
[0057] (四）利用所建立的鑒別模型，對待鑒別種子的光譜進(jìn)行鑒別。
[0058] 用T1時間段的光譜數(shù)據(jù)探究NH101母本和雜交種玉米種子對近紅外光譜是否具 有可分性，其相對距離是否滿足鑒別要求。
[0059] 圖2為T1時間段原始光譜用PCA方法降維，其前10維用LDA方法繼續(xù)降維之后 的樣本空間分布圖。圖中可見，由于測定光譜時間不同光譜離散在空間分布的差異難以見 到，整個樣品集在空間分布更加收縮，MCB和MFP的相對距離經(jīng)過計(jì)算為2. 0734,比單純用 PCA降維的前2維的相對距離增大近70倍。圖中可得光譜預(yù)處理對校正光譜失真與離散的 重要性。
[0060] 為了使鑒別模型能包容不同產(chǎn)地和年份的NH101母本和雜交種的差異，使用T1時 間段測量的MCB、MFP和T3、T5時間段測量的MCB、MFP、HCB、HFP作為訓(xùn)練集建立模型，擴(kuò) 大了建模集樣品來源的范圍，提高了模型應(yīng)對樣品來源變動的容變性。用T2時間段測量的 MCB、MFP和T4時間段測量的MCB、MFP、HCB、HFP組成測試集進(jìn)行測試。實(shí)驗(yàn)證明，經(jīng)過擴(kuò)大 建模集樣品來源的變動范圍，鑒別模型能夠包容產(chǎn)地和年份的差異。數(shù)據(jù)的二維空間分布 如圖3所示。
[0061] 本發(fā)明以不同年份和產(chǎn)地的NH101玉米雜交種和母本種子為對象，研究了鑒別玉 米雜交種子純度的近紅外光譜分析方法，通過代表性樣本的選擇，能夠提高模型對光譜采 集時間、地點(diǎn)、環(huán)境等條件變動的應(yīng)變能力，也提高了模型對樣品種子制種時間與地點(diǎn)變動 的應(yīng)變能力，增強(qiáng)了模型的穩(wěn)健性，能夠提高測試樣品的正確識別率和正確拒識率，所建模 型具有實(shí)際的可行性，可以進(jìn)一步為實(shí)用設(shè)備的研制提供基礎(chǔ)。
[0062] 以上所述的具體實(shí)施例，對本發(fā)明的目的、技術(shù)方案和有益效果進(jìn)行了進(jìn)一步詳 細(xì)說明，所應(yīng)理解的是，以上所述僅為本發(fā)明的具體實(shí)施例而已，并不用于限制本發(fā)明，凡 在本發(fā)明的精神和原則之內(nèi)，所做的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保 護(hù)范圍之內(nèi)。
【主權(quán)項(xiàng)】
1. 一種基于近紅外光譜的雜交種純度鑒別方法，其特征在于，包括以下步驟： 步驟1 :采集種子樣本的近紅外光譜數(shù)據(jù)； 步驟2 :對采集的種子樣本的近紅外光譜數(shù)據(jù)進(jìn)行預(yù)處理，并從經(jīng)過預(yù)處理的光譜數(shù) 據(jù)中選擇具代表性的訓(xùn)練樣本光譜數(shù)據(jù)； 步驟3 :通過特征提取算法和建模方法對所選取的訓(xùn)練樣本光譜數(shù)據(jù)建立種子的純度 鑒別模型； 步驟4 :利用所建立的鑒別模型，對待鑒別種子的光譜進(jìn)行鑒別。2. 根據(jù)權(quán)利要求1所述的基于近紅外光譜的雜交種純度鑒別方法，其特征在于： 所述種子樣本的近紅外光譜數(shù)據(jù)來源于近紅外光譜儀，如果有相同型號的多臺近紅 外光譜儀，則在采集種子樣本的近紅外光譜數(shù)據(jù)時，多臺近紅外光譜儀所處的外部環(huán)境相 同； 對同一份種子樣本，在相同的測量時間點(diǎn)要求在不同的近紅外光譜儀上進(jìn)行測量，得 到對應(yīng)的多條光譜數(shù)據(jù)。3. 根據(jù)權(quán)利要求1所述的基于近紅外光譜的雜交種純度鑒別方法，其特征在于： 步驟2中所述對近紅外光譜數(shù)據(jù)進(jìn)行預(yù)處理，采用的預(yù)處理方法包括數(shù)據(jù)歸一化處 理、導(dǎo)數(shù)法處理、平滑處理、中心化及標(biāo)準(zhǔn)化處理。4. 根據(jù)權(quán)利要求1所述的基于近紅外光譜的雜交種純度鑒別方法，其特征在于： 步驟2中所述具代表性的訓(xùn)練樣本光譜數(shù)據(jù)，是指能夠?qū)τ捎诜N子樣品光譜測定時 間、空間的變動、樣品產(chǎn)地與制種時間變動這些不確定因素給純度鑒別帶來的影響進(jìn)行包 容的樣本數(shù)據(jù)。5. 根據(jù)權(quán)利要求1所述的基于近紅外光譜的雜交種純度鑒別方法，其特征在于： 步驟3中所述建立種子的純度鑒別模型，包括對挑選的訓(xùn)練樣本光譜數(shù)據(jù)進(jìn)行降維處 理，該降維處理包括主成分分析（PCA)、偏最小二乘法回歸（PLS)或線性鑒別分析（LDA)降 維方法。6. 根據(jù)權(quán)利要求1所述的基于近紅外光譜的雜交種純度鑒別方法，其特征在于： 步驟3中所述建立種子的純度鑒別模型，采用的建模方法包括但不限于：基于高維形 象幾何分析的仿生模式識別方法（BPR)、支持向量機(jī)（SVM)或最近歐氏距離方法。7. 根據(jù)權(quán)利要求1所述的基于近紅外光譜的雜交種純度鑒別方法，其特征在于： 步驟4中所述利用所建立的鑒別模型，對待鑒別種子的光譜進(jìn)行鑒別，包括： 首先獲取待鑒別種子的光譜數(shù)據(jù)，然后對該待鑒別種子的光譜數(shù)據(jù)進(jìn)行預(yù)處理、特征 提取，最后利用所建立的鑒別模型進(jìn)行鑒別，并給出鑒別結(jié)果。8. 根據(jù)權(quán)利要求1所述的基于近紅外光譜的雜交種純度鑒別方法，其特征在于： 對采集的待鑒別種子的近紅外光譜數(shù)據(jù)進(jìn)行的預(yù)處理與特征提取操作，與所述的純度 鑒別模型所使用的預(yù)處理與特征提取操作相同。
【文檔編號】G01N21/359GK105866056SQ201510133847
【公開日】2016年8月17日
【申請日】2015年3月25日
【發(fā)明人】孫虎, 董肖莉, 安冬, 李衛(wèi)軍, 黃華軍
【申請人】山東翰能高科科技有限公司