(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211161366.8 (22)申请日 2022.09.23 (71)申请人 中国农业科 学院农业质量标准与检 测技术研究所 地址 100000 北京市海淀区中关村南大街 12号 (72)发明人 陈志军　刘艳　钱永忠　 (74)专利代理 机构 北京超凡宏宇专利代理事务 所(特殊普通 合伙) 11463 专利代理师 张萍 (51)Int.Cl. G16B 40/00(2019.01) G16B 50/00(2019.01) G06F 16/22(2019.01) G06F 16/242(2019.01)G06F 16/28(2019.01) G06K 9/62(2022.01) (54)发明名称 一种特征品质成分的识别方法、 系统、 设备 及存储介质 (57)摘要 本申请提供了一种特征品质成分的识别方 法、 系统、 设备及存储介质， 应用于蛋白组学与生 物信息学技术领域， 该方法包括： 获得交替等距 对数比转换模型中排序第一的成分向量的参数 估计值； 按照各个成分向量的编号依次对组学成 分矩阵的各个成分向量进行交替排序， 重复交替 等距对数比转换模型构建与排序第一的成分向 量的参数估计过程， 获得所有成分向量所对应的 参数估计值， 生成待检测参数向量； 运用重抽样 技术对待检测参数向量进行显著性统计检验， 并 根据显著性统计检验结果筛选出产品的特征品 质成分； 本申请通过对所有成分向量所生成的待 检测参数向量进行显著性统计检测， 筛选出产品 的特征品质成分， 实现了对不同品种同类品质中 特征成分品质的鉴别。 权利要求书3页 说明书12页 附图4页 CN 115273987 A 2022.11.01 CN 115273987 A 1.一种特 征品质成分的识别方法， 其特 征在于， 所述识别方法包括： 基于品质组学成分表中包含的产品类别、 品质成分检测结果信 息， 生成产品向量、 组学 成分矩阵和预定参数向量； 根据所述产品向量、 所述组学成分矩阵和所述预定参数向量， 构建特征品质成分识别 统计模型； 对所述特征品质成分识别统计模型中组学成分矩阵的各个成分 向量进行编 号并排序， 并对完成编号后的组学成分矩阵进行等距对数比转换， 生成交替 等距对数比转换模型； 运用统计学习机获得交替 等距对数比转换模型中排序第一的成分向量的参数估计值； 按照所述各个成分 向量的编号依次对组学成分矩阵的各个成分 向量进行交替排序， 重 复所述交替等距对数比转换模型构建与排序第一的成分向量的参数估计过程， 获得所有成 分向量所对应的参数估计值， 并生成待检测参数向量； 运用重抽 样技术对所述待检测参数向量进行显著性统计检验， 获取显著性统计检验结 果， 并根据所述显著性统计 检验结果筛 选出产品的特 征品质成分。 2.根据权利要求1所述的方法， 其特征在于， 基于品质组学成分表中包含的产品类别、 品质成分检测结果信息， 生成产品向量、 组学成分矩阵和预定参数向量， 包括： 在品质组学成分表中获取产品类别、 品质成分检测结果信息； 运用稳健极大似然估计法对所述品质成分检测结果信 息中的未检出值用进行估计， 得 到未检出值估计值； 根据所述未检出值估计值对所述品质成分检测结果信 息中的未检出值进行替换， 生成 组学成分矩阵及产品向量、 预定参数向量。 3.根据权利要求1所述的方法， 其特征在于， 根据所述产品向量、 所述组学成分矩阵和 所述预定参数向量， 构建特 征品质成分识别统计模型， 具体包括： 利用SQL命令语句分别提取产品向量、 组学成分矩阵和预定参数向量， 构建特征品质成 分识别统计模型： y=XB+e； 其中，y表示由产品分类信息组成的产品向量， X表示组学成分矩阵， B表示品种成分的 预定参数向量， e表示误差向量。 4.根据权利要求1所述的方法， 其特征在于， 针对所述特征品质成分识别统计模型中组 学成分矩阵的各个成分向量进 行编号并排序， 并对完成编号后的组学成分矩阵进 行等距对 数比转换， 生成交替 等距对数比转换模型， 包括： 将所述组学成分矩阵 X中所有成分向量按1到 D进行编号， 并对编号后的所有成分向量 进行排序； 针对排序后所述组学成分矩阵 X进行空间维度的等距对数比转换， 得到交替等距对数 比转换模型； y=Z(l)Γ(l)+e； 其中，y表示由产品类别组成的产品向量；  Z(l)表示等距对数比转换后的组学成分矩 阵；Γ(l) 表示等距对数比应转换后对应的转化后的预定参数向量； e表示误差向量， l表示 在组学成分矩阵 X中， 编号为l的成分向量 排在第一 位，l=1, 2, ..., D。 5.根据权利要求4所述的方法， 其特征在于， 运用统计学习机获得交替等距对数比转换权　利　要　求　书 1/3 页 2 CN 115273987 A 2模型中排序第一的成分向量的参数估计值， 包括： 初始时， 将组学成分矩阵 X中的成分向量按1到 D的排列顺序， 令 l=1， 将第1列成分向量 排在第一 位， 则生成交替 等距对数比转换模型 y=Z(1)Γ(1)+e； 选择统计学习机中偏最小二乘算法对 y=Z(1)Γ(1)+e交替等距对数比转换模型进行求解 运算， 得到求 解运算结果； 根据该求解运算结果进行 k折交叉检验， 得到转化后预定参数向量 Γ(1)的参数估计值， 并记录所述 参数估计值中第1个待检参数 ， 舍弃其他待检测参数。 6.根据权利要求5所述的方法， 其特征在于， 按照所述各个成分 向量的编 号依次对组学 成分矩阵的各个成分向量进行 交替排序， 重复所述交替等距对数比转换模 型构建与排序第 一的成分向量的参数估计过程， 获得所有成分向量所对应的参数估计值， 并生成待检测参 数向量， 包括： 令l=2时， 将所述组学成分矩阵 X中编号为2的成分向量排在第一位， 生成交替等距对数 比转换模型 y=Z(2)Γ(2)+e； 运用统计学习机中偏最小二乘算法对 y=Z(2)Γ(2)+e交替等距对数比转换模型进行求解 运算， 得到求 解运算结果； 根据该求解运算结果进行相同的 k折交叉检验， 得到转化后预定参数向量 Γ(2) 的参数 估计值， 并记录所述 参数估计值中第1个待检测参数 ， 舍弃其他参数； 令l依次等于3至 D时， 依次重复上述交替等距对数比转换模型的求解运算及 k折交叉检 验过程， 获得 所有待检测参数 ，l=1, 2, ..., D； 将所有D个待检参数组成如下待检测参数向量： 。 7.根据权利要求1所述的方法， 其特征在于， 运用重抽 样技术对所述待检测参数向量进 行显著性统计检验， 获取显著性统计检验结果， 并根据所述显著性统计检验结果筛选出产 品的特征品质成分， 包括： 计算M次重抽样所有的所述待检测参数向量 g中待检测参数 的方差sl，M>=200次， 服从于标准 正态分布 N(0,1)； 为提升本方法的灵敏度， 令 αadj=α /D， 其中，αadj为矫正显著水平， α为显著水平； 依照αadj对待检测参数向量 g中所有待检测参数进行显著性统计检验， 筛选出通过显著 性统计检验的待检测参数， 确定产品的特 征品质成分。 8.一种特 征品质成分的识别系统， 其特 征在于， 所述识别系统包括： 基于品质组学成分表中包含的产品类别、 品质成分检测结果信 息， 生成产品向量、 组学 成分矩阵和预定参数向量； 根据所述产品向量、 所述组学成分矩阵和所述预定参数向量， 构建特征品质成分识别 统计模型； 对所述特征品质成分识别统计模型中组学成分矩阵的各个成分 向量进行编 号并排序，权　利　要　求　书 2/3 页 3 CN 115273987 A 3