基于噪声鲁棒性特征提取的普洱茶品种鲁棒判别方法

摘要

利用近红外光谱与机器学习方法快速鉴别普洱茶叶品质时，中低端近红外光谱采集设备采集的光谱存在高维、重叠和噪声大的特性，严重影响了建模准确。本文提出了一个噪声鲁棒的特征提取方法，与支持向量机（SVM）分类器结合，建立普洱茶叶品质鉴别方法。首先，利用噪声鲁棒的特征提取方法、主成分分析（PCA）与连续投影算法（SPA）对获得的近红外光谱数据进行特征提取，获得特征空间；然后利用SVM对特征提取后的数据进行训练，获得鉴别模型。模型鉴别结果比较表明，对于噪声残留近红外光谱数据，本文提出的噪声鲁棒特征提取方法能够有效抵抗噪声的影响、从高维光谱中提出特征变量，以提高模型的鉴别精度。鉴别模型预测的正确率、召回率、特效度、准确率及平衡F分数分均明显高于其他两种方法所得模型。对于古树普洱茶叶与非古树普洱茶叶的鉴别，本文鉴别模型预测的正确率和召回率分别达到了92.06%和95.38%，表明本文方法训练所得模型具有较好的鉴别能力。研究结果为实现在实际应用中精准判别普洱茶品质提供理论参考和依据。

关键词

近红外光谱 / 噪声 / 快速鉴别 / 普洱茶 / 特征提取 / 机器学习