基于仿生嗅觉的单丛茶香气类型分类方法、装置制造方法及图纸

本申请涉及一种基于仿生嗅觉的单丛茶香气类型分类方法、装置、计算机设备和存储介质。该方法包括：获取单丛茶茶叶的校正样本集；其中，校正样本集中包括多个不同香气类型的单丛茶茶叶的校正样本；利用具有传感器阵列的电子鼻采集校正样本的挥发物气体与传感器阵列发生作用的时序传感信号；从时序传感信号中提取特征变量值，对特征变量值进行标准化预处理后构建特征变量矩阵；根据特征变量矩阵并结合校正样本的香气类型标签构建单丛茶香气类型分类模型。采用本方法能够快速、高效地对单丛茶茶叶样本进行香气类型分类。

【技术实现步骤摘要】
基于仿生嗅觉的单丛茶香气类型分类方法、装置
本申请涉及品质检测
，特别是涉及一种基于仿生嗅觉的单丛茶香气类型分类方法、装置、计算机设备和存储介质。
技术介绍
单丛茶是世界三大高香茶之一，主要生产于中国广东省潮州市。2018年数据显示，潮州市单丛茶种植面积达到19.3万亩，茶叶总产量2.4万吨，产值超过35亿元。例如，潮州花香型“凤凰单丛茶”和蜜香型“岭头单丛茶”是该地区两个主打产品，于2013年均获得地理标志保护产品。为提升单丛茶产业效益，在实现单丛茶现代化、规模化生产过程中，保障香气类型品质是的单丛茶品质控制的重要一环。传统的针对单丛茶香气类型的分类，主要通过人工审评的方式来实现，该方法需要对样本进行破坏检测。而且，人工审评的结果受评审员的主观意识和生理状态影响，不利于得出精度高和重复性好的检测结果。针对茶叶香气类型检测方法中，尚未有可快速分类单丛茶香气类型的技术和方法。可见开发单丛茶香气类型快速分类方法，实现单丛茶香气类型快速分类，对提升单丛茶产业发展水平具有重要的生产实践意义。
技术实现思路
基于此，有必要针对上述技术问题，提供一种能够提高单丛茶香气类型分类效率的基于仿生嗅觉的单丛茶香气类型分类方法、装置、计算机设备和存储介质。一种基于仿生嗅觉的单丛茶香气类型分类方法，该方法包括：获取单丛茶茶叶的校正样本集；其中，所述校正样本集中包括多个不同香气类型的单丛茶茶叶的校正样本；利用具有传感器阵列的电子鼻采集所述校正样本的挥发物气体与所述传感器阵列发生作用的时序传感信号；从所述时序传感信号中提取特征变量值，对所述特征变量值进行标准化预处理后构建特征变量矩阵；根据所述特征变量矩阵并结合校正样本的香气类型标签构建单丛茶香气类型分类模型。在一个实施例中，时序传感信号包括芳香苯类成分、氨氧化物成分、氨类成分、氢气成分、烷烃成分、甲烷成分、硫化氢成分、乙醇成分、硫化氢类成分，和/或芳香烷烃类成分的时序传感信号。在一个实施例中，从所述时序传感信号中提取特征变量值，包括：提取预设采样时间内所述时序传感信号的数据曲线的最大值、平均值、85s稳定值、一阶导数最大值、一阶导数最小值，和/或一阶导数平均值作为特征变量值。在一个实施例中，该方法还包括：运用交叉验证方法对所述单丛茶香气类型分类模型的分类结果进行分析，确定最优的单丛茶香气类型分类模型。在一个实施例中，运用交叉验证方法对所述单丛茶香气类型分类模型的分类结果进行分析，确定最优的单丛茶香气类型分类模型，包括：获取所述单丛茶香气类型分类模型的交叉验证模型的均方根误差与潜变量个数的第一关系曲线；获取所述单丛茶香气类型分类模型的交叉验证模型的分类平均错误率与潜变量个数的第二关系曲线；根据所述第一关系曲线和所述第二关系曲线确定目标潜变量个数，根据所述目标潜变量个数确定最优的单丛茶香气类型分类模型。在一个实施例中，该方法还包括：获取单丛茶茶叶的测试样本集；其中，所述测试样本集中包括多个不同香气类型的单丛茶茶叶的测试样本；利用所述单丛茶香气类型分类模型对所述测试样本的香气类型进行分类以对所述单丛茶香气类型分类模型的有效性进行验证。在一个实施例中，校正样本的挥发物气体的获取方法，包括：称取各所述校正样本15g，分别装入350mL烧杯中，使用密封膜对烧杯的杯口进行密封处理；密封处理后的烧杯放置在26±1℃室温环境中静置60min以上，待密封处理后的烧杯顶空的气体饱和稳定后，从烧杯的顶空获取各所述校正样本的挥发物气体。在一个实施例中，在所述利用具有传感器阵列的电子鼻采集所述校正样本的挥发物气体与所述传感器阵列发生作用的时序传感信号之前，还包括：对所述电子鼻的采样参数进行设置；其中，采样时间为100s，采样时间间隔为1s，传感器阵列单元的自动清洗时间为60s，传感器阵列单元的归零时间为10s，挥发物的进气速度为240mL/min。在一个实施例中，该方法还包括：利用构建的单丛茶香气类型分类模型对未知香气类型的单丛茶茶叶的待分类样本进行香气类型分类。一种基于仿生嗅觉的单丛茶香气类型分类装置，该装置包括：校正样本获取模块，用于获取单丛茶茶叶的校正样本集；其中，所述校正样本集中包括多个不同香气类型的单丛茶茶叶的校正样本；传感信号采集模块，用于利用具有传感器阵列的电子鼻采集所述校正样本的挥发物气体与所述传感器阵列发生作用的时序传感信号；特征变量提取模块，用于从所述时序传感信号中提取特征变量值，对所述特征变量值进行标准化预处理后构建特征变量矩阵；分类模型构建模块，用于根据所述特征变量矩阵并结合校正样本的香气类型标签构建单丛茶香气类型分类模型。一种计算机设备，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，处理器执行计算机程序时实现上述基于仿生嗅觉的单丛茶香气类型分类方法的步骤。一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述基于仿生嗅觉的单丛茶香气类型分类方法的步骤。上述基于仿生嗅觉的单丛茶香气类型分类方法、装置、计算机设备和存储介质，获取单丛茶茶叶的校正样本，利用电子鼻采集各校正样本的时序传感信号，从时序传感信号中提取特征变量值构建特征变量矩阵，并利用特征变量矩阵结合香气类型标签构建单丛茶香气类型分类模型。利用该单丛茶香气类型分类模型可以在不破坏样本的情况下，实现对样本香气类型的快速分类，满足规模化生产中的对单丛茶香气类型快速、无损检测的需求。附图说明图1为一个实施例中基于仿生嗅觉的单丛茶香气类型分类方法的流程示意图；图2为一个应用实例中基于仿生嗅觉的单丛茶香气类型分类方法的技术构架图；图3为一个应用实例中各茶叶样品的时序传感信号图；图4为一个应用实例中包含90个单丛茶样本的特征变量矩阵热力图；图5为一个应用实例中利用偏最小二乘算法建立的单丛茶香气类型分类模型的分类结果随潜变量个数变化的趋势图；图6为一个实施例中基于仿生嗅觉的单丛茶香气类型分类装置的结构框图；图7为一个实施例中计算机设备的内部结构图。具体实施方式为了便于理解本专利技术，下面将参照实施例对本专利技术进行更全面的描述，以下给出了本专利技术的较佳实施例。但是，本专利技术可以以许多不同的形式来实现，并不限于本文所描述的实施例。提供这些实施例的目的是使对本专利技术的公开内容的理解更加透彻全面。应理解，下列实施例中未注明具体条件的实验方法，通常按照常规条件，或按照制造厂商所建议的条件。实施例中所用到的各种常用试剂，均为市售产品。除非另有定义，本文所使用的所有的技术和科学术语与属于本专利技术的
的技术人员通常理解的含义相同。在本专利技术的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本专利技术。本文所使用的术语“和/或”包括一个或多个相关的所列项目的任意的和所有的组合。<本文档来自技高网...

【技术保护点】
1.一种基于仿生嗅觉的单丛茶香气类型分类方法，所述方法包括：/n获取单丛茶茶叶的校正样本集；其中，所述校正样本集中包括多个不同香气类型的单丛茶茶叶的校正样本；/n利用具有传感器阵列的电子鼻采集所述校正样本的挥发物气体与所述传感器阵列发生作用的时序传感信号；/n从所述时序传感信号中提取特征变量值，对所述特征变量值进行标准化预处理后构建特征变量矩阵；/n根据所述特征变量矩阵并结合校正样本的香气类型标签构建单丛茶香气类型分类模型。/n

【技术特征摘要】
1.一种基于仿生嗅觉的单丛茶香气类型分类方法，所述方法包括：
获取单丛茶茶叶的校正样本集；其中，所述校正样本集中包括多个不同香气类型的单丛茶茶叶的校正样本；
利用具有传感器阵列的电子鼻采集所述校正样本的挥发物气体与所述传感器阵列发生作用的时序传感信号；
从所述时序传感信号中提取特征变量值，对所述特征变量值进行标准化预处理后构建特征变量矩阵；
根据所述特征变量矩阵并结合校正样本的香气类型标签构建单丛茶香气类型分类模型。


2.根据权利要求1所述的方法，其特征在于，所述时序传感信号包括芳香苯类成分、氨氧化物成分、氨类成分、氢气成分、烷烃成分、甲烷成分、硫化氢成分、乙醇成分、硫化氢类成分，和/或芳香烷烃类成分的时序传感信号。


3.根据权利要求1所述的方法，其特征在于，所述从所述时序传感信号中提取特征变量值，包括：
提取预设采样时间内所述时序传感信号的数据曲线的最大值、平均值、85s稳定值、一阶导数最大值、一阶导数最小值，和/或一阶导数平均值作为特征变量值。


4.根据权利要求1所述的方法，其特征在于，所述方法还包括：
运用交叉验证方法对所述单丛茶香气类型分类模型的分类结果进行分析，确定最优的单丛茶香气类型分类模型。


5.根据权利要求4所述的方法，其特征在于，所述运用交叉验证方法对所述单丛茶香气类型分类模型的分类结果进行分析，确定最优的单丛茶香气类型分类模型，包括：
获取所述单丛茶香气类型分类模型的交叉验证模型的均方根误差与潜变量个数的第一关系曲线；
获取所述单丛茶香气类型分类模型的交叉验证模型的分类平均错误率与潜变量个数的第二关系曲线；
根据所述第一关系曲线和所述第二关系曲线确定目标潜变量个数，根据所述目标潜变量个数确定最优的单丛茶香气类型分类模型。


6.根据权利要求1所述的方法，其特征在于，所述方法还包括：
...

【专利技术属性】
技术研发人员：丘广俊，陆华忠，徐赛，王陈，
申请(专利权)人：广东省农业科学院农产品公共监测中心，
类型：发明
国别省市：广东;44