所述N= 12。
[0038]具体的，所述扣除无用的背景单元的方法是：
[0039]人机交互式选择样品在PCA得分空间中的R0I像元，计算背景像元与样本像元之间 的欧式距离并显示为直方图形式，寻找能将背景和样本像元显著分离的阈值，删除无用的 背景单元。
[0040]本发明的有益效果是:通过建立冬虫夏草粉光谱与伪品主成分特征和含量的映射 关系，从而可以准确定量出冬虫夏草粉中市售伪品含量;实现了冬虫夏草粉中复杂伪品添 加物的定量分析。本方法简便、快速、无损地实现了对冬虫夏草粉中伪品含量分析全草进行 鉴别，具有客观量化、结果准确、成本低廉等诸多优点。
【附图说明】
[0041 ]图1为无损检测冬虫夏草粉中伪品含量的方法流程图。
【具体实施方式】
[0042]本发明提出一种无损检测冬虫夏草粉/粉片中伪品含量的方法，解决传统技术中 检测方式存在操作繁琐、检测成本高、需要消耗样品的问题。
[0043]以检测冬虫夏草粉中伪品含量为例（检测粉片的方式与其一致，只是检测对象上 的区别），本发明中的无损检测冬虫夏草粉中伪品含量的方法如图1所示，其包括：
[0044] a.选取冬虫夏草样品制备成冬虫夏草纯粉样品；
[0045] b.选取与冬虫夏草纯粉易混淆的样品作为伪品粉样品；
[0046] c.将伪品粉按一定比例混合至冬虫夏草纯粉样品中形成混合样品；
[0047] d.采集混合样品高光谱信息，并进行成分相关特征提取；
[0048] e.建立混合样品的成分相关特征与该样品中伪品的种类和含量映射关系的PLSR 预测模型；
[0049] f.在进行冬虫夏草粉中伪品含量检测时，采集该冬虫夏草粉的高光谱信息，并对 高光谱信息进行处理后代入PLSR预测模型；
[0050] g.根据PLSR预测模型预测输出值检测冬虫夏草粉中伪品的种类和含量。
[0051] 在具体实现上，本发明方案包括以下几个部分：
[0052] 一、建立冬虫夏草粉中伪品含量的PLSR预测模型的步骤：
[0053] 1.样品准备：
[0054] 1.1以产地不同划分冬虫夏草的种类，选取主产区青海玉树、青海果洛、青海海南、 青海黄蓝、青海海东、四川、西藏、甘肃、云南九个地区的9种冬虫夏草样品（即I = 9 )，分别依 次经干刷、清洗、40°C低温干燥，再超微粉碎为粒度D9Q< 25μπι的颗粒，形成冬虫夏草纯粉。
[0055] 1.2选取市售类似冬虫夏草纯粉（易与冬虫夏草纯粉混淆的样品，如：人工发酵菌 丝粉)的样品3种（即J = 3)，分别经40°C低温干燥后作为伪品粉。
[0056] 1.3将3种伪品粉中的每一种与9种冬虫夏草纯粉中的每一种按照各种预定比例进 行均匀混合，这里所述的"各种预定比例"可以根据需求进行预设，为了让建立的模型更精 细，可以将比例值也设置的尽量多，例如：1 %，2 %，3 %，4%.....99 %等，且该比例值是指 进行均匀混合后，伪品含量占混合物的质量比或者摩尔比；
[0057] 具体混合步骤如下：
[0058]将第1种伪品粉与第1种冬虫夏草纯粉按照1 %的比例进行混合（混合后伪品粉的 含量占混合物的质量比为1 %);
[0059] 将第1种伪品粉与第1种冬虫夏草纯粉按照2%的比例进行混合(混合后伪品粉的 含量占混合物的质量比为2% );
[0060] 将第1种伪品粉与第1种冬虫夏草纯粉按照3%的比例进行混合（混合后伪品粉的 含量占混合物的质量比为3%);
[0061] ·
[0062] .
[0063] .
[0064]将第1种伪品粉与第1种冬虫夏草纯粉按照99%的比例进行混合(混合后伪品粉的 含量占混合物的质量比为99% );
[0065] 将第2种伪品粉与第1种冬虫夏草纯粉按照1 %的比例进行混合(混合后伪品粉的 含量占混合物的质量比为1 % );
[0066] 将第2种伪品粉与第1种冬虫夏草纯粉按照2%的比例进行混合(混合后伪品粉的 含量占混合物的质量比为2% );
[0067] 将第2种伪品粉与第1种冬虫夏草纯粉按照3%的比例进行混合(混合后伪品粉的 含量占混合物的质量比为3% );
[0068] .
[0069] .
[0070] ·
[0071] 将第2种伪品粉与第1种冬虫夏草纯粉按照99%的比例进行混合(混合后伪品粉的 含量占混合物的质量比为99% );
[0072] 将第3种伪品粉与第1种冬虫夏草纯粉按照1 %的比例进行混合(混合后伪品粉的 含量占混合物的质量比为1 % );
[0073] 将第3种伪品粉与第1种冬虫夏草纯粉按照2%的比例进行混合(混合后伪品粉的 含量占混合物的质量比为2% );
[0074] .
[0075] .
[0076] ·
[0077]将第3种伪品粉与第1种冬虫夏草纯粉按照99%的比例进行混合(混合后伪品粉的 含量占混合物的质量比为99% );
[0078]如此类推，将3种伪品粉中的每一种与9种冬虫夏草纯粉中的每一种按照99个(从 1 %至99%并且以1 %为间隔值)预定比例进行均匀混合后，一共有3*9*99 = 2673种混合样 品；
[0079] 2.图像采集：
[0080]本发明所采用的高光谱反射图像采集系统为芬兰SPECHM生产的SisuCHEMA实验室 高光谱扫描仪，其采用碲镉汞二维阵列检测器，光源为石英卤素灯。光谱采集范围为短波红 外波段（3111?，940-253711111)，像素为320(空间）\256(光谱），像素大小3(^111\3(^111，采用视 场为l〇mm镜头。扫描方式为高速推扫式高光谱成像，推扫速度3mm/s，采集速度lOOfps。
[0081] 依次分别将步骤1中准备的样品放置样品台上，高光谱反射图像采集系统自样品 进入视场开始采集样品各像元的高光谱图像信息：
[0082] ①采集获得该样品(mXn)个像元在k个波段下的连续光谱曲线，每一波段对应的 光谱信号响应值为Ik，k=l，2~K;
[0083] ②利用标准白板标定图像的光强值，计算每幅图像在第k个波段下高光谱反射图 像的相对光强{1
其中为第k个波段下每个冬虫夏草粉高光谱反射图像的 相对强光值；Ik为第k个波段下每个冬虫夏草粉高光谱反射图像的光强值；/f为第k个波段 下标准白板高光谱反射图像的光强值;Dk为第k个波段下采集的全黑标定图像光强值；
[0084] ③将计算出来的相对光强值经过A/D转换，转换为光谱吸收曲线。
[0085] 3.图像处理：
[0086] 为减小噪声干扰，可以删除含有较多噪声的940-1000nm和2469-2537nm波段下数 据;对采集各像元数据按光谱维分别进行均值中心化变换后，进行PCA变换，扣除无用的背 景单元;同时计算各像元PCA得分与样本中心的欧式距离dm, n，扣除dm,n 2 1.6的异常像元，保 留下总数不低于95%的真实有效像元光谱信息；
[0087] 为了消除基线漂移、光散射、噪音、样品表面形貌差异等干扰，需要对有效像元光 谱信息依次进行Savitsky-Golay平滑(窗口取值11，多项式阶数为3)、标准正态变量校正 (SNV)、均值中心化处理和PCA(主成分分析)变换。
[0088] 4.模型建立：
[0089]在保证累积方差2 90%的情况下，取前N个