基于单变量特征选择的农产品质量监控方法

摘要

本发明公开了一种基于单变量特征选择的农产品质量监控方法，包含以下步骤:对农产品进行实时数据采集，采集到的产品数据包含第一数量的属性特征；通过单变量特征选择法对第一数量的属性特征构建的特征空间进行特征选择得到第二数量的属性特征，第二数量小于第一数量；对挑选出的第二数量的属性特征进行分析判断农产品的质量。本发明提出的基于单变量特征选择的农产品质量监控方法，能够提高农产品质量监控的准确性与效率，从而有利于提高农产品的总体质量。

说明书

技术领域

本发明涉及信息管理以及农产品质量监控领域，具体涉及一种基于单变量特征选择的农产品质量监控方法。

背景技术

目前，消费市场上的农产品的质量安全状况却不容乐观，每年都有大量的产品中包含不合格产品，如进口乳制品、食用植、物油、水产品、肉类、酒类等。因此，农产品质量监控逐渐成为人们十分关注的话题。

早在2001年欧盟就发布了《食品安全白皮书》，日本就针对牛肉产品建立了溯源系统。与发达国家相比，我国虽在农产品安全追溯方面起步较晚，但至目前为止，也积攒了一定的研究成果，例如：利用RFID电子标识技术建立了猪肉安全的溯源系统、利用二维码技术建立了马铃薯质量的溯源系统等。但是现有的溯源系统的甄别能力较低，普及范围较小。同时，由于农产品种类繁多，各种产品特征属性复杂，对不同农产品进行有效的质量监控具有一定的难度。

发明内容

本发明提供了一种基于单变量特征选择的农产品质量监控方法，采用如下的技术方案：

一种基于单变量特征选择的农产品质量监控方法，包含以下步骤:

对农产品进行实时数据采集，采集到的产品数据包含第一数量的属性特征；

通过单变量特征选择法对第一数量的属性特征构建的特征空间进行特征选择得到第二数量的属性特征，第二数量小于第一数量；

对挑选出的第二数量的属性特征进行分析判断农产品的质量。

进一步地，通过单变量特征选择法对第一数量的属性特征构建的特征空间进行特征选择得到第二数量的属性特征的具体方法为:

通过单变量特征选择方法计算训练样本数据中的第一数量的属性特征的重要性并排序；根据排序结果从中挑选出排名靠前的第二数量的属性特征。

进一步地，通过SelectKBest方法选择前K个属性特征作为第二数量的属性特征。

进一步地，通过SelectPercentile方法选择前M％的属性特征作为第二数量的属性特征。

进一步地，对挑选出的第二数量的属性特征进行分析判断农产品的质量的具体方法为根据下述公式计算数据异常趋势系数δ:

其中，M表示时间区间的个数，a

设定趋势系数阈值γ，若δ大于γ，则表示农产品的质量在时间趋势上存在异常，标记质量不合格。

进一步地，对挑选出的第二数量的属性特征进行分析判断农产品的质量的具体方法为:

将需要监控的农产品分为I个区域，根据下述公式计算数据偏差值△u

其中，L

进一步地，农产品为进口农产品。

进一步地，在对农产品进行实时数据采集的具体方法为：

通过无线传感网络对农产品进行实时数据采集。

进一步地，无线传感网络为星型、树形和网状三种中的一种。

进一步地，采集到的属性特征包含农产品生产阶段、收购阶段加工阶段和销售阶段的所有相关特征。

本发明的有益之处还在于所提供的基于单变量特征选择的农产品质量监控方法能够提高农产品质量监控的准确性与效率，从而有利于提高农产品的总体质量。

附图说明

图1是本发明的基于单变量特征选择的农产品质量监控方法的示意图。

具体实施方式

以下结合附图和具体实施例对本发明作具体的介绍。

如图1所示，本发明揭示一种基于单变量特征选择的农产品质量监控方法，包含以下步骤:S1：对农产品进行实时数据采集，采集到的产品数据包含第一数量的属性特征；S2：通过单变量特征选择法对第一数量的属性特征构建的特征空间进行特征选择得到第二数量的属性特征，第二数量小于第一数量；S3：对挑选出的第二数量的属性特征进行分析判断农产品的质量。

通过上述的方法能够提高农产品质量监控的准确性与效率，从而有利于提高农产品的总体质量。

对于步骤:S1：对农产品进行实时数据采集，采集到的产品数据包含第一数量的属性特征

是指对农产品进行实时数据采集，然后定义采集到的产品数据包含第一数量的属性特征。这里的属性特征包括农产品的生产阶段、收购阶段、加工阶段、销售阶段等相关属性特征。

作为一种具体的实施方式，在对农产品进行实时数据采集的具体方法为：通过无线传感网络对农产品进行实时数据采集。这样通过大数据技术对农产品进行实时数据采集，能够保证对农产品进行实时数据采集的全面性以及采集效率。

进一步地，本方案中的无线传感网络为星型、树形和网状三种中的一种，从而进一步提高对农产品进行实时数据采集的全面性。

作为一种具体的实施方式，农产品为进口农产品。农产品进口规模不断扩大，通过这样的方式能够保证进口农产品的质量安全状况，从而避免进口的农产品中包含不合格产品。

对于步骤S2：通过单变量特征选择法对第一数量的属性特征构建的特征空间进行特征选择得到第二数量的属性特征，第二数量小于第一数量

是指第一数量的属性特征，也就是农产品的生产阶段、收购阶段、加工阶段、销售阶段等相关属性特征，构建了一个特征空间。通过单变量特征选择法对第一数量的属性特征构建的特征空间进行特征选择，得到第二数量的属性特征，并且该第二数量小于第一数量。

作为一种具体的实施方式，通过单变量特征选择法对第一数量的属性特征构建的特征空间进行特征选择得到第二数量的属性特征的具体方法为:

通过单变量特征选择方法计算训练样本数据中的第一数量的属性特征的重要性并排序；根据排序结果从中挑选出排名靠前的第二数量的属性特征。排名靠前的第二数量的属性特征的排名的阈值可以根据需求进行设定。

具体地，在本发明中，通过SelectKBest方法选择前K个属性特征作为第二数量的属性特征。

作为另一种可选的实施方式，也可以通过SelectPercentile方法选择前M％的属性特征作为第二数量的属性特征。

对于步骤S3：对挑选出的第二数量的属性特征进行分析判断农产品的质量

是指对挑选出的第二数量的属性特征的数据趋势的异常和数据分布的异常进行分析，从而判断农产品的质量。

作为一种具体的实施方式，对挑选出的第二数量的属性特征进行分析判断农产品的质量的具体方法为：根据下述公式计算数据异常趋势系数δ:

其中，M表示时间区间的个数，a

设定趋势系数阈值γ，若δ大于γ，则表示农产品的质量在时间趋势上存在异常，标记质量不合格。

作为一种具体的实施方式，对挑选出的第二数量的属性特征进行分析判断农产品的质量的另一个具体方法为:

将需要监控的农产品分为I个区域，根据下述公式计算数据偏差值△u

其中，L

以上显示和描述了本发明的基本原理、主要特征和优点。本行业的技术人员应该了解，上述实施例不以任何形式限制本发明，凡采用等同替换或等效变换的方式所获得的技术方案，均落在本发明的保护范围内。