本發(fā)明涉及一種葡萄酒產(chǎn)地智能識別方法及系統(tǒng),該方法包括步驟:采集待檢測葡萄酒的光譜數(shù)據(jù),并繪制光譜圖;對所述光譜圖進行預處理,所述預處理包括降維和去噪;利用預先訓練好的預測模型從預處理后的光譜圖中提取出特征變量,并對提取出的特征變量進行分類,基于各特征變量的分類確定出葡萄酒的產(chǎn)地;所述預測模型為支持向量機分析的RBM串聯(lián)多層BP神經(jīng)元網(wǎng)絡(luò)模型,所述預測模型通過將多個RBM進行多層串聯(lián)作為前向算法,后項的更新算法采用BP算法,并融合支持向量機算法而訓練得到。與傳統(tǒng)的近紅外光譜檢測不同,本發(fā)明結(jié)合了化學檢測及機器學習技術(shù),可以消除傳統(tǒng)光譜檢測所存在的噪聲的影響,因此可以提高葡萄酒產(chǎn)地識別的準確性。
聲明:
“葡萄酒產(chǎn)地智能識別方法及系統(tǒng)” 該技術(shù)專利(論文)所有權(quán)利歸屬于技術(shù)(論文)所有人。僅供學習研究,如用于商業(yè)用途,請聯(lián)系該技術(shù)所有人。
我是此專利(論文)的發(fā)明人(作者)