买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明涉及一种基于光谱特征和PCA‑KNN的成品油溯源方法，采用高光谱油液快速检测设备获取炼厂每一生产批次的成品油的唯一光谱特征，通过PCA以及KNN算法对获得的成品油光谱特征进行机器学习、训练模型以及建立光谱特征数据库，终端客户使用同样的高光谱油液检测设备对获得的成品油进行实时检测，获得的光谱特征通过主成分特征识别、数据归类和回归算法在建立的光谱特征数据库中进行分类，达到溯源的目的；本发明提供的成品油溯源方法充分利用光谱特征的唯一性，不需要经过实验室检测环节，能够达到现场实时追溯成品油炼厂出处、品类、批次和出厂时间，在低成本和简单操作下提高对成品油质量的把控。

主权项：1.一种基于光谱特征和PCA-KNN的成品油溯源方法，其特征在于，包括以下步骤：S1、光谱特征数据集采集，采用便携式高光谱油液快速检测设备从每一生产批次的成品油获得其唯一的光谱特征数据，包括反射率和DN值；S2、采用主成分分析法建立光谱特征模型库，包括：S201、光谱特征数据标准化；先对步骤S1中采集到的光谱特征数据建立成品油样本以及其光谱谱段的矩阵X，维度尺寸为， 其中，n表示成品油样本数量，p表示每个成品油样本包含的光谱谱段，每行代表一个成品油样本，每列代表一个光谱变量，对光谱特征数据进行标准化处理： 其中，表示每列的平均值；S202、建立协方差矩阵S；S203、计算协方差矩阵S的特征向量和特征值；S204、选择主成分，将步骤S203中得到的特征值降序排列，选择前个特征值作为主成分；S205、完成光谱特征模型库建立；S3、建立成品油预测溯源模型：通过K最近邻算法对S2步骤中产生的新的光谱特征向量在光谱特征模型库中进行分类训练，建立成品油溯源模型；S301、机器学习训练阶段，存储成品油样本特征向量及其相应的油样样本标签，K最近邻算法根据输入已知成品油样本特征向量进行分类并打上标签；S302、预测溯源阶段，K最近邻算法通过计算待溯源成品油样本与训练集中所有成品油样本之间的距离，识别出最近邻的集群，根据最近邻的集群将待溯源成品油样本进行分类、打上标签完成溯源；S4、将待溯源成品油按照步骤S1的方法采集光谱特征数据，经过步骤S3得到的成品油预测溯源模型即可快速完成待测成品油溯源。

全文数据：

权利要求：

百度查询： 联桥网云信息科技(长沙)有限公司 一种基于光谱特征和PCA-KNN的成品油溯源方法