一种色谱差异峰识别方法及香精香料质量评价方法与流程

本技术涉及香精质量检测，具体涉及一种用于香精香料质量评价的色谱差异峰识别方法及香精香料质量评价方法。

背景技术：

1、香精香料由香精与香料两部分组成。香料又称香原料，是一种能够依靠嗅觉或味觉直接感受到香味的有机化合物，主要用于调配成香精加香或直接作为食品添加剂使用，按其来源可分为天然香料与合成香料，其是香精的上游原料。香精则是由香料与辅料构成的具有特定香气香味的混合物，通常是由多种香料、溶剂、载体以及其他辅料调配而成，可分为食用香精、日用香精、烟用香精与其他类用途香精。

2、在烟支或者电子烟液生产过程中，常常会添加烟草香精香料以丰富烟草产品的口感及提高产品性能，因此香精香料的品质好坏直接影响烟草产品的质量和口碑。现有技术中常利用气相色谱-质谱（gc-ms）联用技术来检测香精香料质量，gc-ms技术能够精准检测香精香料中的各类挥发性组分，从而区分香精香料产品品类以及鉴别产品真伪。但是该技术会产生大量繁杂的图谱数据，数据分析难度极大，不利于实现产品质量的快速分析。

技术实现思路

1、本技术提供了一种用于香精香料质量评价的色谱差异峰识别方法及其香精香料质量评价方法，该方法可筛选出对于质量鉴定较为重要的色谱峰作为产品质量评价的基础，从而大幅降低需分析的数据量，为实现产品质量的快速分析提供便利条件。

2、第一方面，本技术提供了一种用于香精香料质量评价的色谱差异峰识别方法，包括：

3、获取各样本的色谱峰数据；

4、将所有样本的色谱峰数据随机均分为两组，构建第一矩阵和第二矩阵，并基于第一矩阵和第二矩阵进行双向交互注意力计算和差值计算，获取该次分组对应的差异向量，其中，差异向量的第k个元素表示第k个色谱峰的差异参数；

5、循环上述随机分组，获取每次分组对应的差异向量，基于各次分组对应的差异向量确定差异矩阵，差异矩阵的第k行第t列元素表示第k个色谱峰在t次分组中的差异参数；

6、基于差异矩阵确定各色谱峰的差异参数均值和标准偏差，并基于差异参数均值和标准偏差确定各色谱峰的稳定性参数；

7、基于差异矩阵获取各色谱峰的差异参数在循环中进入前q位的频率，以此确定各色谱峰的一致性参数；

8、基于各色谱峰的稳定性参数和一致性参数确定色谱差异峰。

9、在本技术的一些实现方式中，色谱差异峰为稳定性参数大于第一阈值且一致性参数大于第二阈值的色谱峰。

10、在本技术的一些实现方式中，在确定色谱差异峰之后，用于香精香料质量评价的色谱差异峰识别方法还包括：

11、获取各色谱差异峰的变异系数倒数；

12、针对每一色谱差异峰，基于其变异系数倒数和差异参数均值获取能够用于表征该色谱差异峰重要性的综合差异参数。

13、在本技术的一些实现方式中，综合差异参数等于差异参数均值与其权重的乘积和变异系数倒数与其权重的乘积之和，差异参数均值的权重和变异系数倒数的权重之和为1。

14、在本技术的一些实现方式中，第一阈值为各色谱峰的稳定性参数的中位数的1.5倍，第二阈值为各色谱峰的一致性参数的中位数的1.5倍。

15、在本技术的一些实现方式中，基于第一矩阵和第二矩阵进行双向交互注意力计算和差值计算，获取该次分组对应的差异向量，包括：

16、对第一矩阵进行主成分分析，获取第一主成分特征矩阵和第二主成分特征矩阵；

17、基于第一主成分特征矩阵和第二主成分特征矩阵进行双向交互注意力计算，分别获取第一融合特征矩阵和第二融合特征矩阵；

18、基于第一融合特征矩阵、第二融合特征矩阵、第一矩阵和第二矩阵确定差异向量。

19、在本技术的一些实施方式中，基于第一主成分特征矩阵和第二主成分特征矩阵进行双向交互注意力计算，分别获取第一融合特征矩阵和第二融合特征矩阵，包括：

20、以第一主成分特征矩阵为查询，以第二主成分特征矩阵为键和值，获取第一注意力得分矩阵；

21、对第一注意力得分矩阵进行softmax归一化，获取第一注意力权重矩阵；

22、基于第一注意力权重矩阵对第二主成分特征矩阵进行加权融合，获取第一融合特征矩阵；

23、以第二主成分特征矩阵为查询，以第一主成分特征矩阵为键和值，获取第二注意力得分矩阵；

24、对第二注意力得分矩阵进行softmax归一化，获取第二注意力权重矩阵；

25、基于第二注意力权重矩阵对第一主成分特征矩阵进行加权融合，获取第二融合特征矩阵。

26、在本技术的一些实现方式中，基于第一融合特征矩阵、第二融合特征矩阵、第一矩阵和第二矩阵确定差异向量，包括：

27、基于第一注意力权重矩阵和第二注意力权重矩阵，获取第一矩阵对应的各样本的第一融合权重向量和第二矩阵对应的各样本的第二融合权重向量；

28、基于各第一融合权重向量对第二矩阵进行加权计算，获取第二矩阵对应的各样本的第二加权特征向量，并基于第一矩阵和各第二加权特征向量获取第一差值向量；

29、基于各第二融合权重向量对第一矩阵进行加权计算，获取第一矩阵对应的各样本的第一加权特征向量，并基于第二矩阵和各第一加权特征向量获取第二差值向量，其中第一差值向量和第二差值向量的维数相同，均等于色谱峰数量；

30、对第一差值向量和第二差值向量求和，并除以所有样本的总数量，确定差异向量。

31、在本技术的一些实现方式中，基于第一注意力权重矩阵和第二注意力权重矩阵，获取第一矩阵对应的各样本的第一融合权重向量和第二矩阵对应的各样本的第二融合权重向量，包括：

32、构建第一矩阵对应的各样本的第一参考权重向量和第一校正权重向量，其中第一矩阵对应的第i个样本的第一参考权重向量是基于第一注意力权重矩阵的第i行元素所构建的，第一矩阵对应的第i个样本的第一校正权重向量是基于第二注意力权重矩阵的第i列元素所构建的；

33、基于第一矩阵对应的各样本对应第一参考权重向量和第一校正权重向量的平均值，确定其对应的第一融合权重向量；

34、构建第二矩阵对应的各样本的第二参考权重向量和第二校正权重向量，其中第二矩阵对应的第j个样本的第二参考权重向量是基于第二注意力权重矩阵的第j行元素所构建的，第二矩阵对应的第j个样本的第二校正权重向量是基于第一注意力权重矩阵的第j列元素所构建的；

35、基于第二矩阵对应的各样本的第二参考权重向量和第二校正权重向量的平均值，确定其对应的第二融合权重向量。

36、在本技术的一些实现方式中，基于第一矩阵和各第二加权特征向量获取第一差值向量，包括：针对第一矩阵中的第i行，基于该行各元素与第二矩阵对应的第i个样本的第二加权特征向量的各元素的绝对差值，获取该样本的加权差值向量；遍历第一矩阵的所有行，获取第一矩阵所对应的所有样本的各加权差值向量；将各加权差值向量求和，确定第一差值向量；

37、基于第二矩阵和各第一加权特征向量获取第二差值向量，包括：针对第二矩阵中的第j行，基于该行各元素与第一矩阵对应的第j个样本的第一加权特征向量的各元素的绝对差值，获取该样本对应的加权差值向量；遍历第二矩阵的所有行，获取第二样本集中所有样本所对应的各加权差值向量；将各加权差值向量求和，确定第二差值向量。

38、在本技术的一些实现方式中，基于第一矩阵和第二矩阵进行主成分分析，获取第一主成分特征矩阵和第二主成分特征矩阵，包括：

39、对第一矩阵进行主成分分析，确定得分矩阵、主成分系数矩阵和主成分数量d；

40、基于得分矩阵的前d列确定第一主成分特征矩阵；

41、基于主成分系数矩阵的前d列和第二矩阵，确定第二主成分特征矩阵。

42、在本技术的一些实现方式中，第一主成分特征矩阵为得分矩阵的前d列所构成的矩阵，第二主成分特征矩阵为第二矩阵和主成分系数矩阵的前d列所构成的矩阵的乘积矩阵。

43、在本技术的一些实现方式中，获取各样本的色谱峰数据，包括：

44、获取各样本的色谱峰信息；

45、基于色谱峰信息确定样本数据矩阵，样本数据矩阵的处于同一列的元素表示各样本中同一色谱峰的信息，各样本的色谱峰数据为样本数据矩阵的各行向量。

46、第二方面，本技术还提供了一种香精香料质量评价方法，包括：

47、获取待测样本的气相色谱-质谱图谱，基于图谱获取各色谱峰数据；

48、基于如第一方面的色谱差异峰识别方法确定色谱差异峰；

49、针对待测样本的各色谱峰数据，分析其中与各色谱差异峰相关的数据，以评价待测样本的质量。

50、本技术具有如下的有益效果：

51、本技术通过多次随机循环结合双向交互注意力计算，获取每个峰的稳定性参数和一致性参数，以此判断各色谱峰的稳健差异程度，实现在无标签条件下（即无需对样本提前分类）也可输出基于差异性程度实现色谱峰排序，从而筛选出对两组样本区分贡献最大的色谱差异峰。采用该方法可降低评价分析所需要的数据量，为实现产品质量的快速分析提供便利条件。