基于光譜技術的蠶蛹雌雄快速無損檢測方法與流程

本發明涉及蠶蛹雌雄識別的技術領域，尤其涉及到基于光譜技術的蠶蛹雌雄快速無損檢測方法。

背景技術：

蠶蛹雌雄識別技術無論對蠶種生產還是對蠶絲生產，都具有重要的經濟意義。家蠶的雌雄識別技術一直是蠶業工作者想要解決的難題。在蠶業新品種選育及生產上蠶種制造過程中，都需要將不同品系的雌雄蠶蛹分開，進行雜交。據不完全統計，全國每年靠人工鑒別的蠶蛹數目高達數十億之多，不僅浪費大量的人力物力和時間，而且容易出錯。此外雌雄蠶在繭絲質量方面有較大的差別，雄繭的絲質和產量均明顯高于雌繭，可繅制高品位的生絲，增加出口創匯。所以探索一種自動識別蠶蛹雌雄的新方法，無論對蠶種生產還是對蠶絲生產，都具有重要的經濟意義。

為區別雌雄蠶蛹，人們曾嘗試過多方面探索得出各種區別方法，但每種方法均有它的局限性，至今還沒有出現一種檢測精確度高、檢測速度快、不會損傷到蠶蛹的檢測方法。

技術實現要素：

本發明的目的在于克服現有技術的不足，提供一種檢測精確度高、檢測速度快、不會損傷到蠶蛹的基于光譜技術的蠶蛹雌雄快速無損檢測方法。

為實現上述目的，本發明所提供的技術方案為：方法包括以下步驟：

(1)甄選不同品種的蠶樣品進行光譜掃描；

(2)對光譜掃描過的該不同品種蠶樣品進行破繭雌雄檢測；

(3)構建成繭蠶樣本的光學模型；

(4)搭建光譜采集模塊進行光譜采集；

(5)分離采集到的光譜；

(6)將分離后的光譜進行預處理并提取特征波長，建立單源光譜的判別模型；

(7)多源信息融合，得出蠶蛹性別的無損鑒別結果。

進一步地，所述步驟(3)構建的光學模型以蒙特卡羅模型為基礎，設置吸收系數、折射系數、散射系數以及反射系數，以研究入射光在成繭蠶樣本組織中的傳播、拉曼光在成繭蠶樣本組織中的產生和傳播以及熒光在成繭蠶樣本組織中的產生和傳播。

進一步地，所述拉曼光的產生依據照明光產生拉曼散射光的概率p來估計:

其中，μa為吸收系數，μs為散射系數，ry為拉曼量子產量；為了確定拉曼光子是否在某個特定的散射位置上產生，產生一個0到1之間的隨機數，若概率p大于這個隨機數，則認為拉曼光子產生，否則，認為沒有拉曼光子產生。

進一步地，所述步驟(4)光譜采集模塊分為拉曼和熒光混合光譜采集模塊和近紅外漫透射光譜采集模塊。

進一步地，所述光譜預處理前需將取得的拉曼與熒光混合光譜通過扣減環境背景，對積分時間和激發光強度進行歸一化，然后使用五次多項式對曲線進行擬合并進行迭代減法，最終分離出拉曼光譜和熒光光譜。

進一步地，建立單源光譜判別模型的具體步驟如下：

1)對光譜進行小波變換除噪；

2)通過spxy(samplesetpartitioningbasedonjointx-ydistance)法選取樣本，進行樣本劃分，選出建模樣本；

3)進行區間偏最小二乘法處理，優選光譜區；

4)對預選擇的波長進行連續投影算法和遺傳算法處理，提取特征波長；

5)通過神經網絡，偏最小二乘判別分析，支持向量機分類處理，利用光譜區的信息建模；

6)對提起的特征波長進行偏最小二乘判別分析，利用特征波長點組合建模；

7)結合步驟5)和6)選擇最優單源光譜數學判別模型。

進一步地，所述多源信息融合具體為：采用兩級dempster-shafer證據理論進行決策層多源信息融合；而在dempster-shafer證據理論融合中通過采用咨詢專家、分析多源光譜信息的特異性信息以及采用灰關聯分析方法解決基本概率賦值問題。

本方案原理以及優點如下：

本方案以參考數據挖掘、光學技術、光譜分析技術、計算機技術和蠶桑科學已有的研究為基礎，采用理論分析和實驗驗證相結合的方法，對基于拉曼、熒光和近紅外光譜多源信息融合的繭殼內蠶蛹雌雄進行無損檢測；本方案具有檢測精確度高、檢測速度快、不會損傷到蠶蛹等優點。

附圖說明

圖1為本發明的工作流程圖；

圖2為本發明中建立單源光譜判別模型的流程圖；

圖3為本發明中兩級d-s證據理論進行決策層多源信息融合流程圖。

具體實施方式

下面結合具體實施例對本發明作進一步說明：

參見附圖1-3所示，本實施例所述的基于光譜技術的蠶蛹雌雄快速無損檢測方法，包括以下步驟：

(1)甄選不同品種的蠶樣品進行光譜掃描；

(2)對光譜掃描過的該不同品種蠶樣品進行破繭雌雄檢測；

(3)構建成繭蠶樣本的光學模型：

構建的光學模型以蒙特卡羅模型為基礎，設置吸收系數、折射系數、散射系數以及反射系數，以研究入射光在成繭蠶樣本組織中的傳播、拉曼光在成繭蠶樣本組織中的產生和傳播以及熒光在成繭蠶樣本組織中的產生和傳播。

其中，拉曼光的產生依據照明光產生拉曼散射光的概率p來估計:

μa為吸收系數，μs為散射系數，ry為拉曼量子產量；為了確定拉曼光子是否在某個特定的散射位置上產生，產生一個0到1之間的隨機數，若概率p大于這個隨機數，則認為拉曼光子產生，否則，認為沒有拉曼光子產生；

(4)搭建光譜采集模塊進行光譜采集：

光譜采集模塊分為拉曼和熒光混合光譜采集模塊和近紅外漫透射光譜采集模塊。

(5)分離采集到的光譜：

將取得的拉曼與熒光混合光譜通過扣減環境背景，對積分時間和激發光強度進行歸一化，然后使用五次多項式對曲線進行擬合并進行迭代減法，分離出拉曼光譜和熒光光譜；

(6)將分離后的光譜進行預處理并提取特征波長，建立單源光譜的判別模型，具體步驟如下：

1)對光譜進行小波變換除噪；

2)通過spxy法選取樣本，進行樣本劃分，選出建模樣本；

3)進行區間偏最小二乘法處理，優選光譜區；

4)對預選擇的波長進行連續投影算法和遺傳算法處理，提取特征波長；

5)通過神經網絡，偏最小二乘判別分析，支持向量機分類處理，利用光譜區的信息建模；

6)對提起的特征波長進行偏最小二乘判別分析，利用特征波長點組合建模；

7)結合步驟5)和6)選擇最優數學判別模型；

(7)多源信息融合，得出蠶蛹性別的無損檢測結果：

采用兩級dempster-shafer證據理論進行決策層多源信息融合；而在dempster-shafer證據理論融合中通過采用咨詢專家、分析多源光譜信息的特異性信息以及采用灰關聯分析方法解決基本概率賦值問題。

本實施例以參考數據挖掘、光學技術、光譜分析技術、計算機技術和蠶桑科學已有的研究為基礎，采用理論分析和實驗驗證相結合的方法，對基于拉曼、熒光和近紅外光譜多源信息融合的繭殼內蠶蛹雌雄進行無損檢測，具有檢測精確度高、檢測速度快、不會損傷到蠶蛹等優點。

以上所述之實施例子只為本發明之較佳實施例，并非以此限制本發明的實施范圍，故凡依本發明之形狀、原理所作的變化，均應涵蓋在本發明的保護范圍內。