一种基于太赫兹光谱的烟草含水量无损检测方法及装置与流程

本说明书一个或多个实施例涉及物料水分检测，尤其涉及一种基于太赫兹光谱的烟草含水量无损检测方法。

背景技术：

1、烟草的含水量是影响其品质、加工性能、储存稳定性以及最终卷烟产品口感的关键物理参数。在烟草的收购、复烤、储运、配方和卷接包等生产环节中，精确控制含水量至关重要。精确的水分控制是保证烟叶物理强度、防止霉变和维持化学成分稳定的关键，同时适宜的含水量能确保烟丝具有良好的填充性、抗破碎性和燃烧一致性。目前，烟草行业常用的含水量检测方法主要包括烘箱法和近红外法。烘箱法作为国标方法，虽然精度较高，但属于破坏性检测，需要取样、烘干、称重，整个流程通常需要2小时以上，反馈严重滞后，无法实现在线实时控制，且无法反映样本内部水分的空间分布不均匀性。近红外法虽然速度较快，但其穿透深度浅，易受烟草样本表面状态、颜色和密度的影响，通量受限，对于较厚或密度不均的烟丝样本，测量结果的代表性不足。

技术实现思路

1、本申请实施例提供了一种基于太赫兹光谱的烟草含水量无损检测方法及装置，其技术方案如下：

2、第一方面，本申请实施例提供了一种基于太赫兹光谱的烟草含水量无损检测方法，所述方法包括：

3、针对任一烟草样本，基于太赫兹时域光谱仪对所述烟草样本构建的烟草矩形层进行透射光谱测量，得到预设空间位置对应的各透射光谱数据，所述预设空间位置包括烟草矩形层的左上位置、右上位置、中间左边位置、中间右边位置、左下位置和右下位置；

4、基于特征提取法确定各所述透射光谱数据对应的幅度特征，并将各所述幅度特征进行拼接融合，得到所述烟草样本对应的综合特征向量；

5、基于各所述烟草样本对应的样本实际含水量和所述综合特征向量构建训练数据集，并根据机器学习回归算法确定所述训练数据集对应的烟草含水量预测模型；

6、确定待测目标烟草对应的目标特征向量，并根据所述烟草含水量预测模型检测所述目标特征向量对应的目标预测含水量。

7、第二方面，提供了一种基于太赫兹光谱的烟草含水量无损检测装置，所述装置包括：

8、测量模块，用于针对任一烟草样本，基于太赫兹时域光谱仪对所述烟草样本构建的烟草矩形层进行透射光谱测量，得到预设空间位置对应的各透射光谱数据，所述预设空间位置包括烟草矩形层的左上位置、右上位置、中间左边位置、中间右边位置、左下位置和右下位置；

9、拼接模块，用于基于特征提取法确定各所述透射光谱数据对应的幅度特征，并将各所述幅度特征进行拼接融合，得到所述烟草样本对应的综合特征向量；

10、训练模块，用于基于各所述烟草样本对应的样本实际含水量和所述综合特征向量构建训练数据集，并根据机器学习回归算法确定所述训练数据集对应的烟草含水量预测模型；

11、检测模块，用于确定待测目标烟草对应的目标特征向量，并根据所述烟草含水量预测模型检测所述目标特征向量对应的目标预测含水量。

12、第三方面，提供了一种电子设备，包括设备处理器以及存储器；

13、所述设备处理器与所述存储器相连；

14、所述存储器，用于存储可执行程序代码；

15、所述设备处理器通过读取所述存储器中存储的可执行程序代码来运行与所述可执行程序代码对应的程序，以用于执行如第一方面或第一方面的任意一种可能的实现方式提供的方法的步骤。

16、第四方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机可读存储介质中存储有指令，当所述指令在计算机或设备处理器上运行时，使得所述计算机或设备处理器执行如第一方面或第一方面的任意一种可能的实现方式提供的方法。

17、本申请一些实施例提供的技术方案带来的有益效果至少包括：

18、在本申请一个或多个实施例中，通过太赫兹时域光谱仪对烟草样本构建的烟草矩形层进行透射光谱测量，得到预设空间位置对应的各透射光谱数据，再基于特征提取法确定各透射光谱数据对应的幅度特征，并将各幅度特征进行拼接融合，得到烟草样本对应的综合特征向量。接着，基于各烟草样本对应的样本实际含水量和综合特征向量构建训练数据集，并根据机器学习回归算法确定训练数据集对应的烟草含水量预测模型，最后确定待测目标烟草对应的目标特征向量，并根据烟草含水量预测模型检测目标特征向量对应的目标预测含水量。通过以上检测步骤，实现了非破坏、速度快、可在线监测、精度高、代表性强的目的，显著提升了烟草含水量检测的效率和准确性。

1.一种基于太赫兹光谱的烟草含水量无损检测方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述基于太赫兹时域光谱仪对所述烟草样本构建的烟草矩形层进行透射光谱测量，得到预设空间位置对应的各透射光谱数据，包括：

3.根据权利要求1所述的方法，其特征在于，所述将各所述幅度特征进行拼接融合，得到所述烟草样本对应的综合特征向量，包括：

4.根据权利要求1所述的方法，其特征在于，所述基于各所述烟草样本对应的样本实际含水量和所述综合特征向量构建训练数据集，包括：

5.根据权利要求1所述的方法，其特征在于，所述根据机器学习回归算法确定所述训练数据集对应的烟草含水量预测模型，包括：

6.根据权利要求1所述的方法，其特征在于，所述根据所述烟草含水量预测模型检测所述目标特征向量对应的目标预测含水量，包括：

7.根据权利要求1所述的方法，其特征在于，所述根据所述烟草含水量预测模型检测所述目标特征向量对应的目标预测含水量之后，包括：

8.一种基于太赫兹光谱的烟草含水量无损检测装置，其特征在于，所述装置包括：

9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-7任一项所述方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机可读存储介质中存储有指令，当所述指令在计算机或处理器上运行时，使得所述计算机或处理器执行如权利要求1-7任一项所述方法的步骤。