基于近红外光谱的烟叶致香成分通用模型建模方法与流程

技术特征：
1.基于近红外光谱的烟叶致香成分通用模型建模方法，其特征在于：包括以下步骤：步骤1)：选取不同的烟叶，制成烟叶样品保存待用；步骤2)：对各烟叶样品进行近红外光谱数据采集并优化成近红外光谱谱图；步骤3)：对烟叶样品中的致香成分化学值进行检测；步骤4)：设定一组烟叶致香成分的预测集目标评价参数；基于步骤1)中采集的样品近红外光谱数据，采用合适的预处理方法处理光谱数据；然后对预处理后的光谱数据和步骤3)中的烟叶样品致香成分化学值数据进行变量特征选择算法优化模型，完成对烟叶样品致香成分的特征波长的提取，并与预测集目标评价参数进行比较，确定出最优的可行性通用模型；其中变量特征选择算法采用线性算法pls和非线性算法lssvm，优先采用线性算法pls模型建模，如果线性模型效果不好，再采用非线性算法lssvm模型建模；步骤5)：对于待测烟叶样本，先采集其近红外光谱数据，利用通用模型进行致香成分预测。2.根据权利要求1所述的基于近红外光谱的烟叶致香成分通用模型建模方法，其特征在于：上述步骤1)中，烟叶样品制作时，对选取的不同的烟叶研磨后标号装入密封袋中，平衡水分，保存待测。3.根据权利要求1所述的基于近红外光谱的烟叶致香成分通用模型建模方法，其特征在于：上述步骤2)中，对各烟叶样品进行近红外光谱数据采集时，将样品置于旋转采样杯中，每个样品重新取样三次，每次重新采集光谱，保存后供后续数据处理使用。4.根据权利要求2所述的基于近红外光谱的烟叶致香成分通用模型建模方法，其特征在于：上述步骤2)中，所述近红外光谱测量方法选用漫反射积分球测样方法；近红外仪器工作条件设置及光谱采集：采用thermo antaris ii傅里叶变换近红外光谱仪，开机预热30分钟后，光谱扫描范围为10000-4000cm-1
，选用分辨率8cm-1
，扫描次数64次，实验环境温度为(23
±
1)℃，湿度为(50
±
2)％；旋转样品杯承装样品厚度确定为0.5cm。5.根据权利要求1所述的基于近红外光谱的烟叶致香成分通用模型建模方法，其特征在于：上述步骤3)中，所述致香成分为丙二醇、大马酮、金合欢丙酮、香叶基丙酮、新酯二烯。6.根据权利要求1所述的基于近红外光谱的烟叶致香成分通用模型建模方法，其特征在于：上述步骤4)中，各变量特征选择算法具体过程：(1)pls算法步骤如下：输入样本矩阵x，输出值矩阵y分别对x，y进行中心化处理、归一化方差，得到矩阵：e0和f；令n＝0；计算矩阵e
n’eff’e
n
，计算e
n’ff’e
n
的最大特征根对应的单位特征向量令：t
n
＝e
n
w
n
，自变量的主成分p
n
＝e
n’t
n
/|t
n
|2，自变量回归系数r
n
＝f’t
n
/|t
n
|2，因变量回归系数e
n 1
＝e
n-t
n
p
n’自变量残差
也课题表示为：n ，重复3、4，直到残差达到满意意水平最后的回归方程：f＝t0r0’
t1r1’
....t
n
r
n’ f
n
其中f
n
为因变量残差预测方程可写为：f＝e0b其中b＝∑k
j
r
j’上式中k
h
＝[π(i-w
j
p
j’]w
h
(π从j＝0累乘到j＝h-1)；(2)非线性算法lssvm：该算法通过非线性内积函数k(x
i
，x
j
)，也称核函数，把输入的低维空间数据非线性映射到高维空间，利用结构风险最小化原则在高维空间求解最优线性分类器或多元线性模型，由于利用了原空间核函数取代了高维空间的内积运算，算法复杂度没有增加；lssvm最小二乘支持向量机算法采用最小二乘线性系统作为损失函数，代替传统的支持向量机采用的二次规划方法，基于结构风险最小化原则，lssvm优化以下问题：λ是正则化参数，起到权衡拟合精度与模型复杂度的作用；回归模型可描述为：x
i
为输入向量；a
k
为拉格朗日乘子，称为支持值，b为偏置核函数，k(x，x
i
)定义了从原始变量所在的低维度空间向高维度空间做非线性映射的方式；目前支持向量机研究中对于核函数的选择并无固定的方法，但从核函数紧致性和计算复杂度来评价，径向基核函数rbf更具优势，有：k(x，x
k
)＝exp(－||x－x
k
||2/σ2)式中，σ2是rbf核函数宽度；正则化参数λ优化、核函数k(x，x
i
)选择和核函数参数优化是lssvm的三个关键问题；选用rbf核函数，用单纯型搜索、十折交叉验证优化参数λ和σ2，这两个参数决定了lssvm的学习能力、预测能力和泛化能力。

技术总结
提供一种基于近红外光谱的烟叶致香成分通用模型建模方法，属于卷烟制造技术领域，本发明选择烟叶作为研究对象，利用近红外分子振动光谱技术建立烟叶快速质量分析与评估方法技术体系，结合预处理和变量选择建立烟叶致香成分丙二醇、大马酮、金合欢丙酮、香叶基丙酮、新酯二烯定量模型，实现对烟叶的品质指标快速测定；其中，采用lssvm算法模型，完成烟叶中的致香成分丙二醇、大马酮、金合欢丙酮、香叶基丙酮、新酯二烯的建模，从而建立更优、更具有化学意义的模型，提高模型性能，简化模型，减少计算量，提高模型的解释性，提高模型的鲁棒性。提高模型的鲁棒性。提高模型的鲁棒性。


技术研发人员：张凤侠 彭军仓 黄淳 何媛 霍开玲 孙赵麟 张萌萌 康世平 王瑶 杜玲玲
受保护的技术使用者：陕西中烟工业有限责任公司
技术研发日：2022.12.20
技术公布日：2023/3/10