一种基于近红外光光谱特征的动物骨质识别方法及系统
技术领域
本发明涉及动物骨骼组织检测领域,尤其涉及一种基于近红外光光谱特征的动物骨质识别方法及系统。
背景技术
近红外光谱技术具有分析速度快、分析效率高、分析成本低、测试重现性好、光谱测量方便、便于实现在线分析、可实现无损分析和在体实时等特点,目前被广泛应用。已有研究表明,近红外光谱技术可应用于椎骨组织的检测,实现术中骨组织的实时定位和识别。利用近红外光谱技术可实现骨组织近红外光谱的实时测量,光纤光谱仪和光纤等测量设备价格低廉、体积小巧且便于操作。
目前还少有基于骨组织的动物类别检测,基于近红外光谱特征的动物种类识别方法具有重要意义。现有方案中,对于猪骨、牛骨等动物骨骼的判定主要靠经验,当骨组织外形切割差不多时,这种判定方法会存在误差。另外,基于骨组织成分检测具有可靠性,但是这种方法检测过程繁琐、价格昂贵,难以满足大批量样品的低成本方便检测。
目前尚没有有效的基于近红外光光谱特征的牛骨、猪骨识别方法或装置。
发明内容
发明目的:针对现有技术中动物骨骼检测过程繁琐、成本高的缺陷,本发明公开了一种基于近红外光光谱特征的动物骨质识别方法及系统,在方法中建立了动物种类和骨质近红外光谱特征的关联,可通过测量骨质近红外光谱数据进而判断出所测骨质的所属来源动物种类,识别成本低。
技术方案:为实现上述技术目的,本发明采用以下技术方案。
一种基于近红外光光谱特征的动物骨质识别方法,包括以下步骤:
S1、获得已知不同动物的若干组骨质近红外光谱数据D;
S2、对S1中骨质近红外光谱数据D进行数据预处理,对骨质近红外光谱数据D进行频域变换,进而提取骨质近红外光谱特征S;
S3、构建并训练动物判别函数分类器:将所述骨质近红外光谱特征S作为待测样本,具体而言,将所述骨质近红外光谱特征S中80%作为训练数据,20%作为测试数据,构建和训练动物判别函数分类器,根据动物类别对动物判别函数分类器输出的识别结果进行校验,准确率达到阈值后,动物判别函数分类器训练完成;
S4、对待识别的动物骨质进行处理,获取其骨质近红外光谱数据,提取其骨质近红外光谱特征后输入到动物判别函数分类器,获取识别结果。
优选地,所述步骤S1中,不同动物的骨质近红外光谱数据D具体包括:对于每一组骨质近红外光谱数据Di,包括骨密质光谱数据和骨疏质光谱数据,骨密质光谱数据包括骨密质上若干点的数据,骨疏质光谱数据包括骨疏质上若干点的数据。
优选地,在进行所述S2中数据预处理前,将骨质近红外光谱数据D进行归一化处理。
优选地,所述S2中骨质近红外光谱特征S包括骨疏质第一光谱斜率特征、骨疏质第二光谱斜率特征以及骨密质第一光谱斜率特征、骨密质第二光谱斜率特征;其中所述骨疏质第一光谱斜率特征和骨密质第一光谱斜率特征为近红外光谱范围450nm至600nm内的斜率特征,骨疏质第二光谱斜率特征和骨密质第二光谱斜率特征为近红外光谱范围700nm至850nm内的斜率特征。
优选地,所述步骤S3中构建动物判别函数分类器的具体过程为:构建动物种类识别线性分类器作为动物判别函数分类器,所述动物判别函数分类器中,选取马氏距离d作为判别准则,计算待测样本X到各类中心
d(X,ωi)<d(X,ωp)
其中,d(X,ωi)为待测样本X到第ωi类中心
优选地,所述马氏距离计算如下:
假设待测样本中有M种动物类别:ω1,ω2,...,ωM;每个类别有n个样本,共有N个样本,第ωi类表示为
其中,
一种基于近红外光光谱特征的动物骨质识别系统,用于实现以上任一所述的一种基于近红外光光谱特征的动物骨质识别方法,包括近红外光谱采集系统和动物判别函数分类器,动物判别函数分类器接收近红外光谱采集系统发送的近红外光谱特征,动物判别函数分类器输出识别结果;
其中,近红外光谱采集系统包括骨质近红外光谱测量模块、数据存储模块和光谱特征计算模块,数据存储模块与骨质近红外光谱测量模块、光谱特征计算模块连接,骨质近红外光谱测量模块与光谱特征计算模块连接,光谱特征计算模块和数据存储模块设置于PC机内,光谱特征计算模块包括特征提取软件;数据存储模块包括数据存储软件;骨质近红外光谱测量模块用于获取待识别动物的骨质近红外光谱数据,光谱特征计算模块用于根据骨质近红外光谱数据计算相应的骨质近红外光谱特征,数据存储模块用于存储骨质近红外光谱数据和骨质近红外光谱特征。
优选地,所述骨质近红外光谱测量模块包括近红外光源、光纤光谱仪和双光纤探头;光纤光谱仪与PC机连接,双光纤探头与近红外光源、光纤光谱仪连接。
优选地,所述近红外光源为HL2000卤素光源,光纤光谱仪为USB2000光纤光谱仪。
有益效果:本发明建立了动物种类和骨质近红外光谱特征的关联,可通过测量骨质近红外光谱数据进而判断出所测骨质的所属来源动物种类,通过提取动物的骨质近红外光谱数据,进而获取其骨质近红外光谱特征,再通过动物判别函数分类器得到动物的识别结果,本发明的方法简单便捷,可适用于大批量样品的识别分析,检测成本低;且本发明对建立动物骨骼识别体系有重要价值,对应用近红外光谱技术具有重大意义。
附图说明
图1为本发明的方法流程图;
图2为本发明的系统结构图;
其中1为PC机,2为近红外光源,3为光纤光谱仪,4为双光纤探头,5为动物骨质;
图3为本发明实施例中牛骨的骨质近近红外光谱曲线;
图4为本发明实施例中猪骨的骨质近近红外光谱曲线。
具体实施方式
以下结合附图和实施例对本发明做进一步的说明和解释。
实施例
如附图1所示,一种基于近红外光光谱特征的动物骨质识别方法,包括以下步骤:
S1、获得已知不同动物的多组骨质近红外光谱数据D;不同动物的骨质近红外光谱数据D具体包括:对于每一组骨质近红外光谱数据Di,包括骨密质光谱数据和骨疏质光谱数据,骨密质光谱数据包括骨密质上若干点的数据,骨疏质光谱数据包括骨疏质上若干点的数据。
S2、对S1中骨质近红外光谱数据D进行数据预处理:将骨质近红外光谱数据D进行归一化处理后进行频域变换,提取骨质近红外光谱特征S;骨质近红外光谱特征S包括骨疏质近红外光谱特征(第一光谱斜率特征和第二光谱斜率特征)、骨密质近红外光谱特征(第一光谱斜率特征和第二光谱斜率特征);其中第一光谱斜率特征为近红外光谱范围450nm-600nm内斜率特征,第二光谱斜率特征为近红外光谱范围700nm-850nm内斜率特征。
S3、构建并训练动物判别函数分类器:将所述骨质近红外光谱特征S作为训练数据,在本实施例中,骨质近红外光谱特征S中80%作为训练数据,20%作为测试数据,构建和训练动物判别函数分类器,根据已知的动物类别对动物判别函数分类器输出的识别结果进行校验,准确率达到阈值后,动物判别函数分类器训练完成;
构建动物判别函数分类器的具体过程为:构建动物种类识别线性分类器作为动物判别函数分类器,选取马氏距离d作为判别准则,计算待测样本X到各类中心
d(X,ωi)<d(X,ωp)(1)
其中,d(X,ωi)为待测样本X到第ωi类中心
判别式(1)中,马氏距离d计算过程如下:
假设待测样本中有M种动物类别:ω1,ω2,...,ωM。每个类别有n个样本,共有N个样本,第ωi类表示为
其中,
S4、对待识别的动物骨质进行处理,获取其骨质近红外光谱数据,提取其骨质近红外光谱特征后输入到动物判别函数分类器,获取识别结果。
本发明建立了动物种类和骨质近红外光谱特征的关联,可通过测量骨质近红外光谱数据进而判断出所测骨质的所属来源动物种类,通过提取动物的骨质近红外光谱数据,进而获取其骨质近红外光谱特征,再通过动物判别函数分类器得到动物的识别结果,本发明的方法简单便捷,可适用于大批量样品的识别分析,检测成本低;且本发明对建立动物骨骼识别体系有重要价值,对应用近红外光谱技术具有重大意义。
如附图2所示,一种基于近红外光光谱特征的动物骨质识别系统,用于实现以上所述的一种基于近红外光光谱特征的动物骨质识别方法,包括近红外光谱采集系统和动物判别函数分类器,动物判别函数分类器接收近红外光谱采集系统发送的近红外光谱特征,动物判别函数分类器输出识别结果;
其中,近红外光谱采集系统包括骨质近红外光谱测量模块、数据存储模块和光谱特征计算模块,数据存储模块与骨质近红外光谱测量模块、光谱特征计算模块连接,骨质近红外光谱测量模块与光谱特征计算模块连接,光谱特征计算模块和数据存储模块设置于PC机1内,光谱特征计算模块包括特征提取软件;数据存储模块包括数据存储软件;骨质近红外光谱测量模块用于获取待识别动物的骨质近红外光谱数据,光谱特征计算模块用于根据骨质近红外光谱数据计算相应的骨质近红外光谱特征,数据存储模块用于存储骨质近红外光谱数据和骨质近红外光谱特征。
骨质近红外光谱测量模块包括近红外光源2、光纤光谱仪3和双光纤探头4;光纤光谱仪3与PC机1连接,双光纤探头4与近红外光源2、光纤光谱仪3连接。近红外光源2为HL2000卤素光源,光纤光谱仪3为USB2000光纤光谱仪。
本发明中动物骨质识别系统,其系统结构图如图2所示;其中,1为PC机、2为近红外光源、3为光纤光谱仪、4为双光纤探头、5为动物骨质。
本系统的工作原理为:近红外光源2发出光,通过双光纤探头4入射到动物骨质5中,光经过骨组织吸收、散射等作用后,通过双光纤探头4传送至光纤光谱仪3,光电转换与A/D转换由光纤光谱仪3内部的CCD检测器完成,数字量通过接线发送至PC机1。本发明中所述系统成本低,操作简单。
本实施例中以猪骨和牛骨为例,附图3为以实验测试得到的牛骨的骨质近红外光谱数据绘制的典型的近红外光谱曲线,其中,1表示牛骨的骨疏质近红外光谱曲线,2表示牛骨的骨密质近红外光谱曲线,附图4为以实验测试得到的猪骨的骨质近红外光谱数据绘制的典型的近红外光谱曲线,其中,1为猪骨的骨疏质近红外光谱曲线,2为猪骨的骨密质近红外光谱曲线。
表1为牛骨和猪骨的骨质近红外光谱数据比较,其中牛骨、猪骨各测试200个样本,其中骨疏质样本100个、骨密质样本100个,牛骨骨疏质的第一光谱斜率特征和第二光谱斜率特征分别为B11(450-600nm)和B12(700-850nm),牛骨骨密质的第一光谱斜率特征和第二光谱斜率特征分别为B21(450-600nm)和B22(700-850nm);猪骨骨疏质的第一光谱斜率特征和第二光谱斜率特征分别为P11(450-600nm)和P12(700-850nm),猪骨骨密质的第一光谱斜率特征和第二光谱斜率特征分别为P21(450-600nm)和P22(700-850nm),各组斜率均值如表1所示:
表1
表2为牛骨和猪骨识别率比较,从表2中可以看出,采用本发明的4个形态量化特征进行牛骨、猪骨判别时,可以达到92.68%的识别率,相比只选用部分特征的识别率均有提高,4个特征在描述两种骨质差异时具有绝对优势。
表2
本发明通过分别获取450nm至600nm内的斜率特征和700nm至850nm内的斜率特征,再通过动物判别函数分类器得到动物的识别结果,大大提高了动物骨质的识别率。
以上所述仅是本发明的优选实施方式,应当指出:对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。