预测烟草样品香气量的方法、装置和计算机可读取介质制造方法及图纸

本发明专利技术提供预测烟草样品香气量的方法、装置和计算机可读取介质。预测方法包括：(1)获取待测烟草样品的傅里叶近红外光谱数据；(2)利用训练好的机器学习模型预测待测烟草样品的香气量；其中，所述机器学习模型通过以下方法训练获得：(a1)获取样本数据，所述样本数据包括以下(i)和(ii)：(i)烟气量打分数据，其基于对烟草样品进行评吸获得；(ii)近红外光谱数据，其基于对烟草样品的烟末进行傅里叶变换近红外光谱分析获得；(a2)利用所述样本数据对机器学习模型进行训练，所述机器学习模型基于烟气量打分数据和近红外光谱数据之间的数学关系进行建模。系进行建模。系进行建模。

【技术实现步骤摘要】
预测烟草样品香气量的方法、装置和计算机可读取介质


[0001]本专利技术涉及光谱检测领域，具体涉及一种预测烟草样品香气量的方法、装置和计算机可读取介质。

技术介绍

[0002]烟叶原料的感官质量对成品卷烟具有极为重要的影响。目前，工业企业判断不同烟叶原料感官质量的方式主要是通过感官评吸。但由于感观评吸人员每日所能评吸的数量有限，大批量样品的评吸需要花费很长的时间，严重影响烟叶原料的评价效率。
[0003]因此烟草工作者希望通过其他方式预测烟叶原料的感官质量，加快烟叶感官质量评价的速度。
[0004]卷烟的烟气香气量是YC/T 530
‑
2015烤烟烟叶质量风格特色感官评价方法，烟气品质特征的一项重要指标。评分标度为5分，分为3档，0
‑
1档为烟气少至微有，2
‑
3档为烟气稍有至尚足，4
‑
5档为烟气较充足至充足。
[0005]相关技术通过研究发现醛类成分、酮类成分、酯类成分等中性致香成分与烟气的香气量有明显相关性。近红外光属于电磁波，近红外光谱产生于本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种预测烟草样品香气量的方法，包括：(1)获取待测烟草样品的傅里叶近红外光谱数据；(2)利用训练好的机器学习模型预测待测烟草样品的香气量；其中，所述机器学习模型通过以下方法训练获得：(a1)获取样本数据，所述样本数据包括以下(i)和(ii)：(i)烟气量打分数据，其基于对烟草样品进行评吸获得(ii)近红外光谱数据，其基于对烟草样品的烟末进行傅里叶变换近红外光谱分析获得；(a2)利用所述样本数据对机器学习模型进行训练，所述机器学习模型基于烟气量打分数据和近红外光谱数据之间的数学关系进行建模。2.根据权利要求1所述的方法，其中，步骤(a2)中，所述训练是指基于量子粒子群优化的半监督支持向量回归算法(QPSO
‑
LSS3VR)对机器学习模型进行训练。3.根据权利要求2所述的方法，其中，步骤(a2)中，所述训练包括：
‑
采用交叉验证方法，预留10～20％样本数据作测试样本；
‑
设置初始参数，执行基于量子粒子群优化的半监督支持向量回归算法，预估未标记样本；
‑
执行基于量子粒子群优化的半监督支持向量回归算法，获得最佳模型参数，建立光谱定量分析模型；
‑
将测试样本输入模型进行预测，评价模型性能。4.根据权利要求3所述的方法，其中，步骤(a2)还包括对光谱进行预处理的步骤，预处理的方法选自：一阶导数、二阶导数、矢量归一化、多元信号校正和光谱平滑中的一种或多种。5.根据权利要求4所述的方法，其中，步骤(a2)中，所述对光谱进行预处理的方法包括以下一项或多项：
‑
采用多元信号修正(MSC)消除样品不均匀带来的差异；
‑
采用一阶微分处理，消除基线漂移的影响，获得比原光谱更高分辨率和更清晰的光谱轮廓变化；和
‑
采用段长为9、间隔为5的萨维茨基(Savitzky
‑
Golay)滤波平滑光谱，消除高频噪音保留有用的低频信息。6.根据权利要求2所述的方法，项(ii)中，对烟草样品的烟末进行傅里叶变换近红外光谱分析的步骤包括：
‑
将烟草样品中的烟草...

【专利技术属性】
技术研发人员：张鼎方，邓其馨，蔡国华，苏明亮，黄延俊，刘泽春，蓝洪桥，柯艺萍，
申请(专利权)人：福建中烟工业有限责任公司，
类型：发明
国别省市：