一种茶叶样本的处理方法

技术领域

本发明涉及电数字数据处理技术领域，特别是涉及一种茶叶样本的处理方法。

背景技术

现有技术中对茶叶优先级的评估主要是依赖于人工经验和感官评价，不同的茶叶优先级对应不同的茶叶品质，优先级越高，对应的茶叶品质越好；这种由人工判断茶叶优先级的方法存在较强的主观性。茶叶生长过程中的气象因素对茶叶的优先级具有显著影响，如何基于茶叶生长过程中的气象因素自动判断茶叶的优先级，是亟待解决的问题。

发明内容

本发明的目的在于提供一种茶叶样本的处理方法，用于基于茶叶生长过程中的气象因素自动判断茶叶的优先级。

根据本发明，一种茶叶样本的处理方法，包括以下步骤：

S100，获取茶叶样本的气象参数列表R，R＝(r

S200，获取茶叶样本的标准优先级序列Z，Z＝(z

S300，遍历R，将r

S400，获取皮尔逊相关系数原始列表P，P＝(p

S500，遍历P，如果p

S600，获取目标权值序列A，A＝(a

S700，获取目标茶叶的数据E，E＝(e

S800，遍历E，根据e

S900，获取目标茶叶的优先级z’，z’＝∑

本发明至少具有以下有益效果：

本发明获取了茶叶样本的气象参数列表，该列表中存储有各茶叶样本的各气象参数的各预设时间点的值；本发明还获取了茶叶样本的标准优先级序列，该序列中每一元素对应一个茶叶样本的标准优先级；本发明获取了由不同茶叶样本对应于同一气象参数的同一预设时间点的值构成的原始序列，并获取了每一原始序列与标准优先级序列的皮尔逊相关系数，如果某原始序列与标准优先级序列的皮尔逊相关系数大于等于预设的皮尔逊相关系数阈值，则将该原始序列对应的气象参数编号和预设时间点编号追加至目标参数序列中，由此，本发明可以获取所有与茶叶优先级较为相关的气象参数编号和预设时间点编号信息；基于目标参数序列中每一气象参数编号和预设时间点编号对应的权重，本发明能够实现对目标茶叶的优先级的预测，实现了自动判断茶叶优先级的目的。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种茶叶样本的处理方法的流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

根据本发明，提供一种茶叶样本的处理方法，如图1所示，包括：

S100，获取茶叶样本的气象参数列表R，R＝(r

优选的，本发明的处理方法在S100之前还包括：

S010，获取待筛选的茶叶数据L，L＝{l

l

,M

S020，根据L中任意两个待筛选的茶叶的数据之间的相似度将待筛选的茶叶进行分组，得到分组结果B，B＝{B

本领域技术人员知悉，现有技术中任何的获取两向量之间的方法均落入本发明的保护范围，可选的，利用余弦相似度算法获取L中任意两个待筛选的茶叶的数据之间的相似度。

本领域技术员知悉，现有技术中任何的聚类方法均落入本发明的保护范围。可选的，先获取L中两个待筛选的茶叶的数据之间的相似度，然后将该相似度与1之和的导数作为L中该两个待筛选的茶叶的数据之间的距离；有了L中任意两个待筛选的茶叶的数据之间的距离之后，就可以根据现有技术中公开的聚类算法进行聚类，此处不再赘述聚类的过程。应当理解的是，本实施例中属于同一组的待筛选的茶叶的数据之间的相似度较大，属于不同组的待筛选的茶叶的数据之间的相似度较小。

S030，遍历B，获取B

S040，遍历B，删除B

本实施例中剔除了B

S050，将B’中的筛选后的茶叶确定为茶叶样本。

本实施例的S010-S050实现了对茶叶数据的筛选过程，将其中各茶叶数据之间相似度较大但是对应的茶叶标准优先级差异较大的茶叶数据进行了剔除，保证了最终得到的茶叶样本对应的茶叶数据的准确性。

本实施例中M＝8，第1个气象参数为平均温度(即将每日的温度数据累加，然后除以观测天数，由此得到平均温度值)，第2个气象参数为积温(即将每日的温度与预设的基准温度进行比较，若温度高于预设的基准温度，则将该温度累加，由此得到积温)，第3个气象参数为有效积温(即将每日的温度高于预设的基准温度的部分累加，由此得到有效积温)，第4个气象参数为气温日较差均值(即将每日的最高温度与最低温度之差累加，然后除以观测天数，由此得到气温日较差的均值)，第5个气象参数为适温天数(即统计每日的温度是否在适宜温度范围内，累加满足条件的天数，由此得到适温天数)，第6个气象参数为雨日数量(即统计降水量大于预设的降水量阈值的天数，由此得到雨日的数量)，第7个气象参数为累积日照时数(即将每日的日照时数累加，由此得到累积的日照时数)，第8个气象参数为平均湿度(即将每日的湿度数据累加，然后除以观测天数，由此得到平均湿度值)。

本实施例中v＝8，第1个预设时间点为采收前10天，第2个预设时间点为采收前20天，第3个预设时间点为采收前30天，第4个预设时间点为采收前40天，第5个预设时间点为采收前50天，第6个预设时间点为采收前60天，第7个预设时间点为采收前70天，第8个预设时间点为采收前80天。

本实施例选择的气象参数的数量较多，选择的气象参数较为全面，且考虑的预设时间点也较多，考虑较为全面，有利于提高为目标茶叶打标签的准确性。

S200，获取茶叶样本的标准优先级序列Z，Z＝(z

可选的，z

S210，获取第i个茶叶样本的初始序列D

本领域技术人员知悉，现有技术中任何的获取茶叶中酚氨比、水浸出物含量和咖啡碱含量的方法均落入本发明的保护范围。

S220，获取第i个茶叶样本的归一化序列D’

本领域技术人员知悉，现有技术中任何的归一化方法均落入本发明的保护范围。可选的，采用max-min的归一化方法进行归一化。

S230，获取z

可选的，β

S300，遍历R，将r

本实施例中，H

S400，获取皮尔逊相关系数原始列表P，P＝(p

本领域技术人员知悉，获取皮尔逊相关系数的过程为现有技术，此处不再赘述。

S500，遍历P，如果|p

可选的，p

优选的，p

S510，随机从R中抽取Q个茶叶样本的气象参数的记录，得到抽取列表R’，R’＝(r’

本实施例中随机从R中抽取Q个茶叶样本的气象参数的记录执行后续的S520-S590的计算量较小，提高了获取p

S520，获取抽取茶叶样本的标准优先级序列Z’，Z’＝(z’

S530，遍历R’，将r

S540，获取皮尔逊相关系数抽取列表P’，P’＝(p’

S550，遍历P’，如果|p’

可选的，将P’中绝对值最大的皮尔逊相关系数的绝对值确定为p

本实施例中Δp为经验值，可选的，Δp为0.1。

S560，遍历G’

S570，根据任意两个随机从R中抽取的茶叶样本的第k数据向量之间的相似度将随机从R中抽取的茶叶样本进行分类，得到分类结果Y

本领域技术人员知悉，现有技术中任何的获取两向量之间的方法均落入本发明的保护范围，可选的，利用余弦相似度算法获取任意两个随机从R中抽取的茶叶样本的第k数据向量之间的相似度。

本领域技术员知悉，现有技术中任何的聚类方法均落入本发明的保护范围。可选的，先获取两个随机从R中抽取的茶叶样本的第k数据向量之间的相似度，然后将该相似度与1之和的导数作为该两个随机从R中抽取的茶叶样本的第k数据向量之间的距离；有了任意两个随机从R中抽取的茶叶样本的第k数据向量之间的距离之后，就可以根据现有技术中公开的聚类算法进行聚类，此处不再赘述聚类的过程。应当理解的是，本实施例中属于同一类别的茶叶样本的第k数据向量之间的相似度较大，属于不同类别的茶叶样本的第k数据向量之间的相似度较小。

S580，遍历Y

本领域技术人员知悉，方差的获取方法为现有技术，此处不再赘述。

S590，如果δ

本实施例中δ

根据本发明S510-S590得到的p

S600，获取目标权值序列A，A＝(a

可选的，利用层次分析法获取a

S700，获取目标茶叶的数据E，E＝(e

S800，遍历E，根据e

可选的，S800包括：

S810，获取第n待匹配序列w

本实施例中，等级越高表示茶叶的优先级越高，对应的茶叶的品质越高；当第c

可选的，本实施例中w

S820，将e

S900，获取目标茶叶的优先级z’，z’＝∑

本发明获取了茶叶样本的气象参数列表，该列表中存储有各茶叶样本的各气象参数的各预设时间点的值；本发明还获取了茶叶样本的标准优先级序列，该序列中每一元素对应一个茶叶样本的标准优先级；本发明获取了由不同茶叶样本对应于同一气象参数的同一预设时间点的值构成的原始序列，并获取了每一原始序列与标准优先级序列的皮尔逊相关系数，如果某原始序列与标准优先级序列的皮尔逊相关系数大于等于预设的皮尔逊相关系数阈值，则将该原始序列对应的气象参数编号和预设时间点编号追加至目标参数序列中，由此，本发明可以获取所有与茶叶优先级较为相关的气象参数编号和预设时间点编号信息；基于目标参数序列中每一气象参数编号和预设时间点编号对应的权重，本发明能够实现对目标茶叶的优先级的预测，实现了自动判断茶叶优先级的目的。

虽然已经通过示例对本发明的一些特定实施例进行了详细说明，但是本领域的技术人员应该理解，以上示例仅是为了进行说明，而不是为了限制本发明的范围。本领域的技术人员还应理解，可以对实施例进行多种修改而不脱离本发明的范围和精神。本发明的范围由所附权利要求来限定。