一种使用DNA分子傅里叶红外光谱数学建模的茶花分类及鉴定的方法与流程
本发明涉及茶花鉴定领域，更具体的说，是一种使用dna分子傅里叶红外光谱数学建模的茶花分类及鉴定的方法。
背景技术
我国山茶花属植物资源丰富，分布广泛，且山茶花属植物表型具有较强可塑性，种间杂交容易，品种数量众多，有些品种间性状差异较小，传统形态分类很难快速、准确有效评价与区分。学术界对目前山茶花品种的名称和描述都很混乱，“同物异名”或“同名异物”现象较为严重，缺乏统一规范的名称及科学系统的分类体系，不便于品种鉴定、推广、交流及新品种的培育，因此亟需建立一个科学合理的山茶花品种分类鉴定系统以帮助山茶花在各个领域有长足发展，从而以便于品种鉴定、推广、交流及新品种的培育，为山茶花在园林、园艺领域发展提供分子生物学支持。
技术实现要素：
为了弥补以上不足，本发明提供了一种使用dna分子傅里叶红外光谱数学建模的茶花分类及鉴定的方法。
本发明的方案是：
一种使用dna分子傅里叶红外光谱数学建模的茶花分类及鉴定的方法，包括下列步骤：
1)茶花dna分子的提取：采用改良ctab法提取茶花dna，使用微量分光光度计对提取的茶花dna进行质量鉴定，选择od260/od280比值为1.8-2.0的dna提取液采集表面增强傅里叶红外光谱信号；
2)进行dna分子傅里叶红外光谱信号采集；
3)对采集的光谱数据进行预先处理；使用matlab软件提取主成分；
4)茶花亲缘关系分析及物种鉴定的数学建模方法：使用matlab软件提取主要成分从而支持向量机建模进行茶花类别识别；从77种茶花dna分子傅里叶红外光谱数据库中随机选取60-70％作为训练集，剩余作为测试集，给定类识别标签；通过classificationlearner中newsession导入训练集、测试集、侍测样品数据；选择核函数类型；参数选择；train模型训练，通过confusionmatrix的混淆矩阵图，得到训练精度；模型优化，通过advancen调整模型参数，直到训练精度达到100.0％；保存模型；检测；对侍测样品的分类鉴定进行预测。
作为优选的技术方案，所述步骤2)dna分子傅里叶红外光谱信号采集的方法:使用德国布鲁克alpha傅立叶变换红外光谱仪；分辨率4cm-1；扫描范围4000-400cm-1；扫描次数10-20次；扫描后去co2峰；平移基线。
作为优选的技术方案，扫描次数16次。
作为优选的技术方案，所述步骤3)中对采集的光谱数据进行预先处理为光谱数据平滑；光谱数据标准化；光谱数据二阶求导；光谱数据波段选择700m-1-1800cm-1。
作为优选的技术方案，光谱数据平滑中fftfilter平滑5点。
作为优选的技术方案，所述步骤4)中检测为使用exportmodel导出模型，对测试数据进行检测，检测正确率需达100％。
作为优选的技术方案，所述步骤4)中选择核函数类型为线性核函数、多项式核函数和径向基核函数作为支持向量机的核函数。
作为优选的技术方案，所述步骤4)中77种茶花dna分子傅里叶红外光谱数据库的物种包括寡瓣红山茶、尖萼红山茶、连山红茶、息峰红山茶、薄壳红山茶、秃苞红山茶、窄叶西南红山茶、滇北红山茶、赫章红山茶、秀丽红山茶、芙蓉红山茶、短管红山茶、美丽红山茶、湖南山茶、山茶、短柄山茶、红山茶、短轴红山茶、长蕊红山茶、栓皮红山茶、短蕊红山茶、隐脉红山茶、单体红山茶、香港红山茶、滇山茶、绵管红山茶、毛籽红山茶、浙江红山茶、东安红山茶、长毛红山茶、南山茶、假多齿红山茶、五瓣红山茶、扁果红山茶、白灵红山茶、龙胜红山茶、西南白山茶、短柄红山茶、全缘红山茶、多齿红山茶、寡脉红山茶、竹叶红山茶、长尾红山茶、西南红山茶、峨眉红山茶、白丝毛红山茶、毛蕊红山茶、大花红山茶、栓壳红山茶、卵果红山茶、怒江红山茶、金沙红山茶、皱果茶、皱叶瘤果茶、厚壳红瘤果茶、小瘤果茶、黎平瘤果茶、安龙瘤果茶、湖北瘤果茶、狭叶瘤果茶、倒卵瘤果茶、尖萼瘤果茶、尖苞瘤果茶、荔波瘤果茶、瘤果茶、乐业瘤果茶、三江瘤果茶、曾氏瘤果茶、厚叶山茶、高州油茶、狭叶油茶、茶梅、越南油茶、五柱滇山茶、肖散柱茶、五数离蕊茶和油茶。
由于采用了上述技术方案一种使用dna分子傅里叶红外光谱数学建模的茶花分类及鉴定的方法，包括下列步骤：1)茶花dna分子的提取：采用改良ctab法提取茶花dna，使用微量分光光度计对提取的茶花dna进行质量鉴定，选择od260/od280比值为1.8-2.0的dna提取液采集表面增强傅里叶红外光谱信号；2)进行dna分子傅里叶红外光谱信号采集；3)对采集的光谱数据进行预先处理；使用matlab软件提取主成分；4)茶花亲缘关系分析及物种鉴定的数学建模方法：使用matlab软件提取主要成分从而支持向量机建模进行茶花类别识别；从77种茶花dna分子傅里叶红外光谱数据库中随机选取60-70％作为训练集，剩余作为测试集，给定类识别标签；通过classificationlearner中newsession导入训练集、测试集、侍测样品数据；选择核函数类型；参数选择；train模型训练，通过confusionmatrix的混淆矩阵图，得到训练精度；模型优化，通过advancen调整模型参数，直到训练精度达到100.0％；保存模型；检测；对侍测样品的分类鉴定进行预测。
发明优点：方便茶花鉴定教学，耗费时间少，鉴定准确，方便茶花物种的应用和推广，容易分析其血缘关系与物种类别。
具体实施方式
为了弥补以上不足，本发明提供了一种使用dna分子傅里叶红外光谱数学建模的茶花分类及鉴定的方法，以解决上述背景技术中的问题。
一种使用dna分子傅里叶红外光谱数学建模的茶花分类及鉴定的方法，包括下列步骤：
1)茶花dna分子的提取：采用改良ctab法提取茶花dna，使用微量分光光度计对提取的茶花dna进行质量鉴定，选择od260/od280比值为1.8-2.0的dna提取液采集表面增强傅里叶红外光谱信号；
2)进行dna分子傅里叶红外光谱信号采集；
3)对采集的光谱数据进行预先处理；使用matlab软件提取主成分；
4)茶花亲缘关系分析及物种鉴定的数学建模方法：使用matlab软件提取主要成分从而支持向量机建模进行茶花类别识别；从77种茶花dna分子傅里叶红外光谱数据库中随机选取60-70％作为训练集，剩余作为测试集，给定类识别标签；通过classificationlearner中newsession导入训练集、测试集、侍测样品数据；选择核函数类型；参数选择；train模型训练，通过confusionmatrix的混淆矩阵图，得到训练精度；模型优化，通过advancen调整模型参数，直到训练精度达到100.0％；保存模型；检测；对侍测样品的分类鉴定进行预测。
所述步骤2)dna分子傅里叶红外光谱信号采集的方法:使用德国布鲁克alpha傅立叶变换红外光谱仪；分辨率4cm-1；扫描范围4000-400cm-1；扫描次数10-20次；扫描后去co2峰；平移基线。
扫描次数16次。
所述步骤3)中对采集的光谱数据进行预先处理为光谱数据平滑；光谱数据标准化；光谱数据二阶求导；光谱数据波段选择700m-1-1800cm-1。
光谱数据平滑中fftfilter平滑5点。
所述步骤4)中检测为使用exportmodel导出模型，对测试数据进行检测，检测正确率需达100％。
所述步骤4)中选择核函数类型为线性核函数、多项式核函数和径向基核函数作为支持向量机的核函数。
所述步骤4)中77种茶花dna分子傅里叶红外光谱数据库的物种包括寡瓣红山茶、尖萼红山茶、连山红茶、息峰红山茶、薄壳红山茶、秃苞红山茶、窄叶西南红山茶、滇北红山茶、赫章红山茶、秀丽红山茶、芙蓉红山茶、短管红山茶、美丽红山茶、湖南山茶、山茶、短柄山茶、红山茶、短轴红山茶、长蕊红山茶、栓皮红山茶、短蕊红山茶、隐脉红山茶、单体红山茶、香港红山茶、滇山茶、绵管红山茶、毛籽红山茶、浙江红山茶、东安红山茶、长毛红山茶、南山茶、假多齿红山茶、五瓣红山茶、扁果红山茶、白灵红山茶、龙胜红山茶、西南白山茶、短柄红山茶、全缘红山茶、多齿红山茶、寡脉红山茶、竹叶红山茶、长尾红山茶、西南红山茶、峨眉红山茶、白丝毛红山茶、毛蕊红山茶、大花红山茶、栓壳红山茶、卵果红山茶、怒江红山茶、金沙红山茶、皱果茶、皱叶瘤果茶、厚壳红瘤果茶、小瘤果茶、黎平瘤果茶、安龙瘤果茶、湖北瘤果茶、狭叶瘤果茶、倒卵瘤果茶、尖萼瘤果茶、尖苞瘤果茶、荔波瘤果茶、瘤果茶、乐业瘤果茶、三江瘤果茶、曾氏瘤果茶、厚叶山茶、高州油茶、狭叶油茶、茶梅、越南油茶、五柱滇山茶、肖散柱茶、五数离蕊茶和油茶。
为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施例，进一步阐述本发明。
实施例一：
1)茶花dna分子的提取：采用改良ctab法提取茶花dna，使用微量分光光度计对提取的茶花dna进行质量鉴定，选择od260/od280比值为1.8的dna提取液采集表面增强傅里叶红外光谱信号；
2)进行dna分子傅里叶红外光谱信号采集；
3)对采集的光谱数据进行预先处理；使用matlab软件提取主成分；
4)茶花亲缘关系分析及物种鉴定的数学建模方法：使用matlab2016以上版本软件提取主要成分从而支持向量机建模进行茶花类别识别；从77种茶花dna分子傅里叶红外光谱数据库中随机选取60-70％作为训练集，剩余作为测试集，给定类识别标签；通过classificationlearner中newsession导入训练集、测试集、侍测样品数据；选择核函数类型；参数选择；train模型训练，通过confusionmatrix的混淆矩阵图，得到训练精度；模型优化，通过advancen调整模型参数，直到训练精度达到100.0％；保存模型；检测；对侍测样品的分类鉴定进行预测。
所述步骤2)dna分子傅里叶红外光谱信号采集的方法:使用德国布鲁克alpha傅立叶变换红外光谱仪；分辨率4cm-1；扫描范围4000-400cm-1；扫描次数10次；扫描后去co2峰；平移基线。
所述步骤3)中对采集的光谱数据进行预先处理为光谱数据平滑；光谱数据标准化；光谱数据二阶求导；光谱数据波段选择700m-1-1800cm-1。
光谱数据平滑中fftfilter平滑5点。
所述步骤4)中检测为使用exportmodel导出模型，对测试数据进行检测，检测正确率需达100％。
所述步骤4)中选择核函数类型为线性核函数、多项式核函数和径向基核函数作为支持向量机的核函数。
所述步骤4)中77种茶花dna分子傅里叶红外光谱数据库的物种包括寡瓣红山茶、尖萼红山茶、连山红茶、息峰红山茶、薄壳红山茶、秃苞红山茶、窄叶西南红山茶、滇北红山茶、赫章红山茶、秀丽红山茶、芙蓉红山茶、短管红山茶、美丽红山茶、湖南山茶、山茶、短柄山茶、红山茶、短轴红山茶、长蕊红山茶、栓皮红山茶、短蕊红山茶、隐脉红山茶、单体红山茶、香港红山茶、滇山茶、绵管红山茶、毛籽红山茶、浙江红山茶、东安红山茶、长毛红山茶、南山茶、假多齿红山茶、五瓣红山茶、扁果红山茶、白灵红山茶、龙胜红山茶、西南白山茶、短柄红山茶、全缘红山茶、多齿红山茶、寡脉红山茶、竹叶红山茶、长尾红山茶、西南红山茶、峨眉红山茶、白丝毛红山茶、毛蕊红山茶、大花红山茶、栓壳红山茶、卵果红山茶、怒江红山茶、金沙红山茶、皱果茶、皱叶瘤果茶、厚壳红瘤果茶、小瘤果茶、黎平瘤果茶、安龙瘤果茶、湖北瘤果茶、狭叶瘤果茶、倒卵瘤果茶、尖萼瘤果茶、尖苞瘤果茶、荔波瘤果茶、瘤果茶、乐业瘤果茶、三江瘤果茶、曾氏瘤果茶、厚叶山茶、高州油茶、狭叶油茶、茶梅、越南油茶、五柱滇山茶、肖散柱茶、五数离蕊茶和油茶。
实施例二：
1)茶花dna分子的提取：采用改良ctab法提取茶花dna，使用微量分光光度计对提取的茶花dna进行质量鉴定，选择od260/od280比值为2.0的dna提取液采集表面增强傅里叶红外光谱信号；
2)进行dna分子傅里叶红外光谱信号采集；
3)对采集的光谱数据进行预先处理；使用matlab软件提取主成分；
4)茶花亲缘关系分析及物种鉴定的数学建模方法：使用matlab2016以上版本软件提取主要成分从而支持向量机建模进行茶花类别识别；从77种茶花dna分子傅里叶红外光谱数据库中随机选取60-70％作为训练集，剩余作为测试集，给定类识别标签；通过classificationlearner中newsession导入训练集、测试集、侍测样品数据；选择核函数类型；参数选择；train模型训练，通过confusionmatrix的混淆矩阵图，得到训练精度；模型优化，通过advancen调整模型参数，直到训练精度达到100.0％；保存模型；检测；对侍测样品的分类鉴定进行预测。
所述步骤2)dna分子傅里叶红外光谱信号采集的方法:使用德国布鲁克alpha傅立叶变换红外光谱仪；分辨率4cm-1；扫描范围4000-400cm-1；扫描次数20次；扫描后去co2峰；平移基线。
所述步骤3)中对采集的光谱数据进行预先处理为光谱数据平滑；光谱数据标准化；光谱数据二阶求导；光谱数据波段选择700m-1-1800cm-1。
光谱数据平滑中fftfilter平滑5点。
所述步骤4)中检测为使用exportmodel导出模型，对测试数据进行检测，检测正确率需达100％。
所述步骤4)中选择核函数类型为线性核函数、多项式核函数和径向基核函数作为支持向量机的核函数。
所述步骤4)中77种茶花dna分子傅里叶红外光谱数据库的物种包括寡瓣红山茶、尖萼红山茶、连山红茶、息峰红山茶、薄壳红山茶、秃苞红山茶、窄叶西南红山茶、滇北红山茶、赫章红山茶、秀丽红山茶、芙蓉红山茶、短管红山茶、美丽红山茶、湖南山茶、山茶、短柄山茶、红山茶、短轴红山茶、长蕊红山茶、栓皮红山茶、短蕊红山茶、隐脉红山茶、单体红山茶、香港红山茶、滇山茶、绵管红山茶、毛籽红山茶、浙江红山茶、东安红山茶、长毛红山茶、南山茶、假多齿红山茶、五瓣红山茶、扁果红山茶、白灵红山茶、龙胜红山茶、西南白山茶、短柄红山茶、全缘红山茶、多齿红山茶、寡脉红山茶、竹叶红山茶、长尾红山茶、西南红山茶、峨眉红山茶、白丝毛红山茶、毛蕊红山茶、大花红山茶、栓壳红山茶、卵果红山茶、怒江红山茶、金沙红山茶、皱果茶、皱叶瘤果茶、厚壳红瘤果茶、小瘤果茶、黎平瘤果茶、安龙瘤果茶、湖北瘤果茶、狭叶瘤果茶、倒卵瘤果茶、尖萼瘤果茶、尖苞瘤果茶、荔波瘤果茶、瘤果茶、乐业瘤果茶、三江瘤果茶、曾氏瘤果茶、厚叶山茶、高州油茶、狭叶油茶、茶梅、越南油茶、五柱滇山茶、肖散柱茶、五数离蕊茶和油茶。
实施例三：
1)茶花dna分子的提取：采用改良ctab法提取茶花dna，使用微量分光光度计对提取的茶花dna进行质量鉴定，选择od260/od280比值为1.9的dna提取液采集表面增强傅里叶红外光谱信号；
2)进行dna分子傅里叶红外光谱信号采集；
3)对采集的光谱数据进行预先处理；使用matlab软件提取主成分；
4)茶花亲缘关系分析及物种鉴定的数学建模方法使用matlab2016以上版本软件提取主要成分从而支持向量机建模进行茶花类别识别；从77种茶花dna分子傅里叶红外光谱数据库中随机选取60-70％作为训练集，剩余作为测试集，给定类识别标签；通过classificationlearner中newsession导入训练集、测试集、侍测样品数据；选择核函数类型；参数选择；train模型训练，通过confusionmatrix的混淆矩阵图，得到训练精度；模型优化，通过advancen调整模型参数，直到训练精度达到100.0％；保存模型；检测；对侍测样品的分类鉴定进行预测。
所述步骤2)dna分子傅里叶红外光谱信号采集的方法:使用德国布鲁克alpha傅立叶变换红外光谱仪；分辨率4cm-1；扫描范围4000-400cm-1；扫描次数16次；扫描后去co2峰；平移基线。
所述步骤3)中对采集的光谱数据进行预先处理为光谱数据平滑；光谱数据标准化；光谱数据二阶求导；光谱数据波段选择700m-1-1800cm-1。
光谱数据平滑中fftfilter平滑5点。
所述步骤4)中检测为使用exportmodel导出模型，对测试数据进行检测，检测正确率需达100％。
所述步骤4)中选择核函数类型为线性核函数、多项式核函数和径向基核函数作为支持向量机的核函数。
所述步骤4)中77种茶花dna分子傅里叶红外光谱数据库的物种包括寡瓣红山茶、尖萼红山茶、连山红茶、息峰红山茶、薄壳红山茶、秃苞红山茶、窄叶西南红山茶、滇北红山茶、赫章红山茶、秀丽红山茶、芙蓉红山茶、短管红山茶、美丽红山茶、湖南山茶、山茶、短柄山茶、红山茶、短轴红山茶、长蕊红山茶、栓皮红山茶、短蕊红山茶、隐脉红山茶、单体红山茶、香港红山茶、滇山茶、绵管红山茶、毛籽红山茶、浙江红山茶、东安红山茶、长毛红山茶、南山茶、假多齿红山茶、五瓣红山茶、扁果红山茶、白灵红山茶、龙胜红山茶、西南白山茶、短柄红山茶、全缘红山茶、多齿红山茶、寡脉红山茶、竹叶红山茶、长尾红山茶、西南红山茶、峨眉红山茶、白丝毛红山茶、毛蕊红山茶、大花红山茶、栓壳红山茶、卵果红山茶、怒江红山茶、金沙红山茶、皱果茶、皱叶瘤果茶、厚壳红瘤果茶、小瘤果茶、黎平瘤果茶、安龙瘤果茶、湖北瘤果茶、狭叶瘤果茶、倒卵瘤果茶、尖萼瘤果茶、尖苞瘤果茶、荔波瘤果茶、瘤果茶、乐业瘤果茶、三江瘤果茶、曾氏瘤果茶、厚叶山茶、高州油茶、狭叶油茶、茶梅、越南油茶、五柱滇山茶、肖散柱茶、五数离蕊茶和油茶。
以上显示和描述了本发明的基本原理、主要特征及本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界。
相关知识
昆虫物种识别与分类的现代分子方法.pptx
大气现象的真实感建模及绘制技术研究
数学建模穷举法范文
被子植物花图式与花程式及检索表的使用
基于FTIR技术金花茶组植物物种鉴定研究
一种鉴定棉花花药颜色性状的分子标记组合及方法和应用
一种基于高光谱技术的碱化土壤空间酸碱度监测方法与流程
光纤红外光谱技术助力非侵入性、原位植物健康监测
一种菊花托桂花型分子标记辅助选择的方法与流程
DNA分子标记在花卉研究中的应用
网址: 一种使用DNA分子傅里叶红外光谱数学建模的茶花分类及鉴定的方法与流程 https://m.huajiangbk.com/newsview662150.html
| 上一篇: 红山茶花 |
下一篇: 山茶品种花型有哪些分类方法？ |
