一种基于近红外光谱的烟叶整体感官质量评价方法技术

本发明专利技术的目的提供一种基于近红外光谱的烟叶整体感官质量评价方法，本发明专利技术利用近红外光谱对一个综合感官指标进行建模和预测，建模过程中，引入约束矩阵，即保持高得分样本与低的分样本在求解中的差异性，在约束求解的情况下，更容易发现异常的感官数据和调整模型，该模型的精度达到了实际工作所要求的精度；该模型的预测结果，对差异较大的样本有很好的区分度，更符合实际工作中的评价结果。

A Method of Tobacco Leaf Sensory Quality Assessment Based on Near Infrared Spectroscopy

【技术实现步骤摘要】
一种基于近红外光谱的烟叶整体感官质量评价方法
本专利技术属于烟草制品领域，具体涉及一种烟叶感官质量的评价方法，面向烟草与烟草制品产品生产过程质量控制，主要解决基于近红外光谱的烟草与烟草制品感官质量指标预测问题。
技术介绍
目前，“评吸”不仅是确定烟草与烟草制品质量唯一切实可行的方法，而且也是确定烟草与烟草制品产品配方结构的基础，是开发新产品、保持既有产品风格和质量稳定的必要且决定性手段。对评吸人员而言，评吸鉴定则是一项极为艰苦、细致的工作，在评吸过程中思想要高度集中，全神贯注，要在短短几分钟内做出判断。依据现行行业标准YC/T138，卷烟内在品质感官评定一般采用“整体循环评吸法”：评吸员将烟气吸入口腔，通过喉部吞咽，然后再从鼻腔徐徐排出，在整个吸、吞、吐的过程中利用全部评吸感觉器官进行评价。由于感觉器官灵敏度及对各项指标捕捉程度不同、生理和心理状况不同、环境条件差异等因素的影响，导致评吸员之间评吸结果描述和判断的差异，感官评吸法有较大的主观性和局限性。寻求一种可以准确，客观的反映烟草制品内在质量的仪器和方法，因此，对卷烟烟叶种植及收购，卷烟生产及市场监管等相关企业及人员，都有重大意义。Yc/T138-1998规定，评吸员在用感官评价烟草及烟草制品时采用全部评吸感觉器官进行评价。如当烟气被吸入口腔，通过喉部吞咽后再从鼻腔徐徐排出。由7个及以上的评吸员进行评价，并对试样进行打分和分档，包括光泽、谐调、香气、杂气、刺激性和余味。一般而言，烟叶整体感官指标是除光泽外的其他指标的综合评价，用以简洁的表征烟叶或卷烟的整体品质。红外光谱因其快速、准确和无损而被广泛应用于化工、食品、制药等行业。光谱多元校正技术能够有效地用于物质成分含量检测和在线过程监测。近红外光谱主要是对含氢基团振动的倍频和合频吸收，其中包含了大多数类型有机化合物的组成信息，与烟叶化学成分关联的信息非常丰富。烟叶整体感官质量是一个表征烟叶品质的综合指标，与多种化学成分都有关系，因此利用近红外光谱可以用来表征烟叶整体感官质量。将感官品质、理化特性相互结合的研究工作已有开展，杨宁等(专利申请号200510042472.4)公开了配方产品理化数据与感官指标相关性分析的方法。通过阶梯分析方法将产品理化数据和感官分数输入模型得到阶梯趋势图，最终获得某一感官指标与所有的理化指标的的相关性，从而实现生产现场的理化数据实测值与感官指标之间相关程度的测算。另外在三者相关性分析的基础上通过智能算法提出相应的感官特性预测模型，此类预测模型能够快速而准确地实时对产品品质指标进行判定，实现机械测定全部或部分代替感官评定检测。张峰等(专利申请号201210344034.3)公开了一种基于近红外光谱信息的SIMCA辅助卷烟配方的方法，通过采集各类烟叶的近红外光谱，以待替代的烟叶样品为目标，计算目标烟叶与备选烟叶的马氏距离，最后通过感官评吸确定。该方法给出了光谱相似(马氏距离)与烟叶相似的实例，但对未知样本，仍不具备通过其光谱判断品质的目标。梁淼等针对感官数据不足/不准确的问题，提出一种基于半监督自训练理念,提出半监督偏最小二乘方法优化模型。该方法的一个缺陷是通过模型预测结果修改原始的感官数据，这个过程在实际中需要人工通过感官评价时时核对，对应用不具有指导意义。Ribeiro提出利用近红外光谱结合偏最小二乘法预测咖啡的品质。研究发现咖啡因与绿原酸与苦味相关，脂肪、蛋白质与醇厚度相关，而干净度和整体品质与多种物质相关。基于近红外光谱的感官评价已经在咖啡、红酒等行业进行了初步的应用。然而，其预测对象往往是甜感或者苦度等具体的指标，这些指标与样本中的主要化学成分如还原糖和特定植物碱(例如咖啡因)等有很强的相关性，而对烟草整体感官品质建模尚未有报道。其原因如下：1.近红外光谱有几百甚至上千个波数点(变量)，而受制于人的劳动强度，感官评价结果仅有数十个，因此，建模过程是求解一个高维小样本问题，理论上有非常多的解满足建模数据，但推广能力差。2.相比于分析化学指标，感官评价结果有一定的主观性，即同一评吸人员不同时间，状态下的评价得分有所差异；上述两个因素结合导致建模过程完全不可控，常规方法仅以误差最小为优化目标，而在这个优化目标下得到的结果不一定满足实际需求。
技术实现思路
针对上述技术问题，本专利技术的专利技术人通过深入研究感官评价数据信息，提取信息背后感官评价的客观部分，并转化为数学语言作为约束加入到模型的优化目标中，使得模型的解在满足感官评价客观规律的基础上，实现误差最。具体地，本专利技术提供一种基于近红外光谱的烟叶整体感官质量评价方法，该方法包括如下步骤：步骤1)测定光谱选取多个片烟样本，采集所述多个片烟样本的近红外光谱，并对其进行预处理；步骤2)异常光谱剔除应用HotellingT2方法，未发现异常光谱；步骤3)感官评吸组织评价小组对上述片烟样本进行整体感官质量评价并打分，以数字范围M-N分值作为感官整体感官质量的量化，N＝M+A，M大于等于1，A＝3-5，M分表示评吸员经验中整体感官质量得分最低的烟叶样本，随整体感官质量的提升，分值相应上升；步骤4)构造约束矩阵设定阈值t为整体感官质量评价中两样本具有显著差异的数值遍历建模样本中任意两样本感官评价值之差，若差异的绝对值大于给定阈值t，则保存两样本之差谱，以所有这样的差谱构造约束矩阵A，持续这个过程，直到遍历所有的两样本之差；其中，xc1,…,xcn为遍历建模样本中任意两样本感官评价值之差大于给定阈值的两样本差谱；n为满足上述条件的差谱数量；yk为第k个样本对应的感官评价值；yl为第l个样本对应的感官评价值；t为给定的阈值；步骤5)建立模型其中，b为模型回归系数，X为光谱矩阵，样本数为k，光谱维数为m；y为整体感官质量评分，A为约束矩阵，l，u分别为回归系数b的下，上限约束，归一化后，其上下限约束分别为1与-1；c为n*1的向量，n为矩阵A的行数，值为-t；模型求解得到一组与光谱维数相同的向量b:b＝[b1,b2,…,bm]；步骤6)模型优化考虑步骤5)模型的训练误差，如果不满足要求，在建模样本中，分别剔除一个样本重新建模，如果某一次建模的训练误差满足要求或显著小于原模型误差，则将剔除的这个样本排除在模型之外；如所有模型都不满足要求，则剔除使模型误差下降最多的样本；并重复此过程。直到建模误差达到可接受程度；步骤7)烟叶整体感官质量的预测采集待评价样本的近红外光谱并对其进行预处理步骤，将其带入到步骤6)得到的模型中，给出整体感官质量的预测值；yp＝xtestb其中，xtest是预测样本的光谱，b是模型回归系数，yp是预测得出的感官质量值。在本专利技术一些实施例中，所述预处理方法为平滑及snv处理。在本专利技术一些实施例中，所述的数字范围M-N分值为5～8，评价时保留一位小数点。在本专利技术一些实施例中，设定具有显著差异的阈值t为0.3～0.5。在本专利技术一些实施例中，所述片烟样本的数量不少于20个。与现有技术相比，本专利技术具有以下有益效果：本专利技术利用近红外光谱对一个综合感官指标进行建模和预测，建模过程中，引入约束矩阵，即保持高得分样本与低的分样本在求解中的差异性，在约束求解的情况下，更容易发现异常的感官数据和调整模型，该模型的精度达到了实际工作所要求的精度；本文档来自技高网...

【技术保护点】
1.一种基于近红外光谱的烟叶整体感官质量评价方法，其特征在于，该方法包括如下步骤：步骤1)测定光谱选取多个片烟样本，采集所述多个片烟样本的近红外光谱，并对其进行预处理；步骤2)异常光谱剔除应用Hotelling T2方法，未发现异常光谱；步骤3)感官评吸组织评价小组对上述片烟样本进行整体感官质量评价并打分，以数字范围M‑N分值作为感官整体感官质量的量化，N＝M+A，M大于等于1，A＝3‑5，M分表示评吸员经验中整体感官质量得分最低的烟叶样本，随整体感官质量的提升，分值相应上升；步骤4)构造约束矩阵设定阈值t为整体感官质量评价中两样本具有显著差异的数值遍历建模样本中任意两样本感官评价值之差，若差异的绝对值大于给定阈值t，则保存两样本之差谱，以所有这样的差谱构造约束矩阵A，持续这个过程，直到遍历所有的两样本之差；

【技术特征摘要】
1.一种基于近红外光谱的烟叶整体感官质量评价方法，其特征在于，该方法包括如下步骤：步骤1)测定光谱选取多个片烟样本，采集所述多个片烟样本的近红外光谱，并对其进行预处理；步骤2)异常光谱剔除应用HotellingT2方法，未发现异常光谱；步骤3)感官评吸组织评价小组对上述片烟样本进行整体感官质量评价并打分，以数字范围M-N分值作为感官整体感官质量的量化，N＝M+A，M大于等于1，A＝3-5，M分表示评吸员经验中整体感官质量得分最低的烟叶样本，随整体感官质量的提升，分值相应上升；步骤4)构造约束矩阵设定阈值t为整体感官质量评价中两样本具有显著差异的数值遍历建模样本中任意两样本感官评价值之差，若差异的绝对值大于给定阈值t，则保存两样本之差谱，以所有这样的差谱构造约束矩阵A，持续这个过程，直到遍历所有的两样本之差；其中，xc1,…,xcn为遍历建模样本中任意两样本感官评价值之差大于给定阈值的两样本差谱；n为满足上述条件的差谱数量；yk为第k个样本对应的感官评价值；yl为第l个样本对应的感官评价值；t为给定的阈值；步骤5)建立模型其中，b为模型回归系数，X为光谱矩阵，样本数为k，光谱维数为m；y为整体感官质量评分，A为约束矩阵，l，u分别为回归系数b的下，上限约束，归一化后，其上下限约束分别为1与-1；...

【专利技术属性】
技术研发人员：毕一鸣，田雨农，郝贤伟，廖付，李石头，张立立，李永生，何文苗，帖金鑫，吴继忠，王辉，刘建华，
申请(专利权)人：浙江中烟工业有限责任公司，
类型：发明
国别省市：浙江,33