基于荚果物理特征的易脱壳性评价方法、装置及存储介质与流程

本发明涉及农业物料的属性评估，特别是涉及一种基于荚果物理特征的易脱壳性评价方法、装置及存储介质。

背景技术：

1、花生、核桃等荚果不仅可以作为食品，还是重要的油料原材料，对荚果进行榨油加工时，需要将荚果的果壳脱去，得到果仁再进行后续的处理，因此易脱壳性是荚果的重要特性，在油料原材料的选取与农业培育过程中，都需要充分考虑荚果的易脱壳性。

2、现有技术中，评价未知易脱壳性的荚果时，主要是通过实验方式进行脱壳实测，并根据脱壳实验的结果进行评价，这种方法中，需要足够多的样本进行测试，且测试过程中，还需要对脱壳机械进行反复的工艺参数调节以达到最佳的脱壳效果(如申请人的在先申请cn115318633a中公开了根据脱壳效果进行实时工艺参数调节)，如此得到的结果才能作为参照，效率很低。

3、在理论研究方面，对于易脱壳性的研究一般集中在遗传学等生物学角度，对于如何对未知易脱壳性的荚果进行可量化的难度评价仍属于空白。

技术实现思路

1、发明目的：为了克服现有技术中存在的不足，本发明提供一种能够提取出核心物理特征并据此构建评价模型以方便对荚果进行量化评估的基于荚果物理特征的易脱壳性评价方法、装置及存储介质。

2、技术方案：为实现上述目的，本发明的基于荚果物理特征的易脱壳性评价方法，所述方法包括：

3、获取包含多个品种的荚果的实验数据的数据库，所述实验数据包括品种信息、多种物理特征的实测数据以及品质指标的实测数据；

4、基于所述品质指标的实测数据对所述物理特征的实测数据进行第一轮数据分析，得到与所述品质指标强相关的所述物理特征，称为第一物理特征；

5、基于所述数据库中的品质指标的实测数据对所述第一物理特征的实测数据进行第二轮数据分析，以将所有所述第一物理特征分成n个分组，n为大于1的整数；

6、从每组所述第一物理特征中选取至少一项代表性的物理特征，称为第二物理特征；

7、基于所述第二物理特征构建评价模型。

8、优选地，所述第一轮数据分析基于相关性分析进行，具体包括：

9、对所述数据库中的所有所述物理特征按实测数据进行频数统计；

10、根据频数统计的结果以及所述品质指标的实测数据，根据相关性分析确定所述第一物理特征。

11、优选地，所述基于所述数据库中的品质指标的实测数据对所述第一物理特征的实测数据进行第二轮数据分析，以将所有所述第一物理特征分成n个分组，包括：

12、基于因子分析的方法对所述第一物理特征的实测数据进行第二轮数据分析，形成n个影响因子，以及对应于各影响因子的第一物理特征；

13、将每个所述影响因子对应的所述第一物理特征作为一个分组，得到n个分组。

14、优选地，所述从每组所述第一物理特征中选取至少一项代表性的物理特征，称为第二物理特征，包括：

15、选择各组中因子权重最大的第一物理特征作为具有代表性的物理特征，即第二物理特征。

16、优选地，所述基于所述第二物理特征构建评价模型包括：

17、为各所述第二物理特征分配权重，根据权重以及各品种的荚果对应的所述第二物理特征的具体数值，计算各品种的荚果的综合得分；

18、基于所述综合得分的高低对所有品种的花生进行分类，得到三个等级的品种，分别为易脱壳、中等难度以及难脱壳三个等级；

19、采用每个等级对应的品种的第二物理特征的实测数据构建对应于该等级的分级函数，综合得到的所有所述分级函数等到所述评价模型。

20、基于荚果物理特征的易脱壳性评价装置，其包括：

21、获取模块，其用于获取包含多个品种的荚果的实验数据的数据库，所述实验数据包括品种信息、多种物理特征的实测数据以及品质指标的实测数据；

22、第一分析模块，其用于基于所述品质指标的实测数据对所述物理特征的实测数据进行第一轮数据分析，得到与所述品质指标强相关的所述物理特征，称为第一物理特征；

23、第二分析模块，其用于基于所述数据库中的品质指标的实测数据对所述第一物理特征的实测数据进行第二轮数据分析，以将所有所述第一物理特征分成n个分组，n为大于1的整数；

24、选取模块，其用于从每组所述第一物理特征中选取至少一项代表性的物理特征，称为第二物理特征；

25、模型构建模块，其用于基于所述第二物理特征构建评价模型。

26、存储介质，其内存储有计算机可执行程序，所述计算机可执行程序被处理器执行时实现上述的基于荚果物理特征的易脱壳性评价方法。

27、有益效果：本发明的基于荚果物理特征的易脱壳性评价方法、装置及存储介质，具有如下有益效果：

28、(1)本发明先基于物理特征与品质指标的相关性进行第一轮筛选，在将有信息重叠的物理特性分入同一分组，并针对每个分组选取代表性的物理特征，可以对众多的物理特性进行筛选，得到数量较少的、最具代表性的物理特征，也即第二物理特征，如此基于得到的第二物理特征构建的评价模型能够充分对荚果的易脱壳性进行估计，且模型的复杂程度低，用户对待评估的荚果进行有限几个物理特征的测试即可实现对荚果易脱壳性的预估，如此可以为开发新品种等研究提供便利。

29、(2)充分利用了因子分析对很多影响因素进行降维形成少数几个影响因子的思想，对第一物理特征进行分组，有效使同一分组内的第一物理特征具有信息重叠，为进一步简化提供基础。

30、(3)基于第二物理特征对各品种的荚果进行评分，再基于评分得到的综合得分对品种进行分级，最后基于各等级的品种的第二物理特征数据得到了分级函数，基于得到的评价模型可以有效对易脱壳性未知的荚果品种进行易脱壳性预测。

技术特征：

1.基于荚果物理特征的易脱壳性评价方法，其特征在于：所述方法包括：

2.根据权利要求1所述的基于荚果物理特征的易脱壳性评价方法，其特征在于，所述第一轮数据分析基于相关性分析进行，具体包括：

3.根据权利要求1所述的基于荚果物理特征的易脱壳性评价方法，其特征在于，所述基于所述数据库中的品质指标的实测数据对所述第一物理特征的实测数据进行第二轮数据分析，以将所有所述第一物理特征分成n个分组，包括：

4.根据权利要求3所述的基于荚果物理特征的易脱壳性评价方法，其特征在于，所述从每组所述第一物理特征中选取至少一项代表性的物理特征，称为第二物理特征，包括：

5.根据权利要求1所述的基于荚果物理特征的易脱壳性评价方法，其特征在于，所述基于所述第二物理特征构建评价模型包括：

6.基于荚果物理特征的易脱壳性评价装置，其特征在于，其包括：

7.存储介质，其特征在于，其内存储有计算机可执行程序，所述计算机可执行程序被处理器执行时实现权利要求1-5任一项所述的基于荚果物理特征的易脱壳性评价方法。

技术总结本发明公开了一种基于荚果物理特征的易脱壳性评价方法、装置及存储介质，其中方法包括获取包含多个品种的荚果的实验数据的数据库；基于所述品质指标的实测数据对所述物理特征的实测数据进行第一轮数据分析，得到与所述品质指标强相关的所述物理特征，称为第一物理特征；基于所述数据库中的品质指标的实测数据对所述第一物理特征的实测数据进行第二轮数据分析，以将所有所述第一物理特征分成N个分组，N为大于1的整数；从每组所述第一物理特征中选取至少一项代表性的物理特征，称为第二物理特征；基于所述第二物理特征构建评价模型。本发明能够有效从众多的物理特征中选取最具代表性的物理特征构建评价荚果易脱壳性的评价模型。技术研发人员：王建楠,谢焕雄,刘敏基,颜建春,魏海,张会娟,王申莹,游兆延,吴阳华受保护的技术使用者：农业农村部南京农业机械化研究所技术研发日：技术公布日：2024/6/11