采用电子鼻进行逻辑回归分类的烟叶霉变检测方法技术

提供一种采用电子鼻进行逻辑回归分类的烟叶霉变检测方法，利用电子鼻传感器对烟叶气味进行采样，生成一组传感器数据，通过主成分分析对电子鼻传感器数据进行降维，提取主成分信息，最后利用逻辑回归分类器对主成分进行综合计算，给出烟叶霉变的程度，实现烟叶霉变程度的自动化判别，相比传统方法，不仅降低卷烟生产中的人工成本，而且增加烟叶检测的客观性，避免检测人员的主观性导致烟叶霉变误检和漏检，能更高效、安全、客观的对烟叶霉变程度进行判别；同时，本发明专利技术提供一种烟叶霉变的逻辑回归分类权重更新方法，该方法通过分组实验方式结合梯度下降法对权重进行迭代更新，从而找到最优的一组权重，实现烟叶霉变与否以及霉变等级的自动分类。等级的自动分类。等级的自动分类。

【技术实现步骤摘要】
采用电子鼻进行逻辑回归分类的烟叶霉变检测方法


[0001]本专利技术属于烟叶霉变检测
，具体涉及一种采用电子鼻进行逻辑回归分类的烟叶霉变检测方法。

技术介绍

[0002]卷烟制作过程，一般需要将新收烟叶发酵2至3年，醇化之后再进行烟草制作。而烟叶具有极强的吸湿性，一旦保管不善，极容易出现霉变。一旦烟叶发生霉变，微生物会在烟叶中丰富的糖分、蛋白质等营养物质的助力下，快速繁殖，从而加速了烟叶霉变速度，进一步导致烟叶彻底失去使用价值。因此如何在烟叶霉变之初快速检测出霉变烟叶，成为卷烟生产企业的关键技术之一。目前主要靠人工进行目检和评吸，很难做到客观评价。而近年来，随着材料学、电子学、化学的发展，一些对霉变烟叶中散发的3
‑
甲基
‑
1丁醇、 2
‑
戊酮等挥发性气味分子的检测传感器已达到实用化的程度，故而采用多传感器构成的电子鼻进行霉变烟叶自动分类成为了发展趋势。
[0003]目前烟草生产企业，判定烟草是否霉变，主要靠人工进行目检和评吸。目检法即检测人员用肉眼进行观察，由于烟叶堆放贮藏，造成霉变烟叶非常隐蔽，容易造成漏检，进而流入卷烟生产线，影响卷烟质量；评吸法即检测人员靠鼻子去闻烟叶是否发霉，由于发霉烟叶会散发有毒物质如黄曲霉素—一种具有极强致癌性质的物质，会对评吸人身体健康造成一定伤害。此外，无论是目测法还是评吸法，都是一种主观检测方法，容易受检查人员和环境影响，无法做到较为客观的评价。另一方面，人工检测需要耗费大量人力，增加了企业生产成本，同时与卷烟生产企业自动化生产的发展趋势相矛盾。因此有必要提出改进。

技术实现思路

[0004]本专利技术解决的技术问题：提供一种采用电子鼻进行逻辑回归分类的烟叶霉变检测方法，本专利技术利用多个电子鼻传感器对烟叶气味进行采样，生成一组传感器数据，然后通过主成分分析对电子鼻传感器数据进行降维，提取主成分信息，最后利用逻辑回归分类器对主成分进行综合计算，给出烟叶霉变的程度，实现烟叶霉变程度的自动化判别，相比传统的人工目测法和评吸法，不仅降低了卷烟生产过程中的人工成本，而且增加了烟叶检测的客观性，避免检测人员的主观性导致的烟叶霉变误检和漏检，能够更高效、更安全、更客观的对烟叶霉变程度进行判别；同时，本专利技术提供一种烟叶霉变的逻辑回归分类权重更新方法，该方法可通过分组实验方式，结合梯度下降法对权重进行迭代更新，从而找到最优的一组权重，实现烟叶霉变与否以及霉变等级的自动分类。
[0005]本专利技术采用的技术方案：采用电子鼻进行逻辑回归分类的烟叶霉变检测方法，该检测方法将烟叶分为非霉变、轻度霉变、中度霉变、重度霉变四个等级，具体包括以下检测步骤：
[0006]步骤1)：称取待检测烟叶20g，置于量筒内密闭；
[0007]步骤2)：将量筒放置室温下60分钟集气之后，采用电子鼻传感器对烟叶进行检测，
获取电子鼻传感器检测数据，构成原始检测向量X0；
[0008]步骤3)：利用主成分分析算法对原始检测向量X0提取前p个主成分，构成主成分向量X；
[0009]步骤4)：通过逻辑回归分类器计算烟叶所在类别分数值，并选择分数值最大的类别作为烟叶检测类别。
[0010]上述步骤4)中，用于烟叶的逻辑回归分类器的模型权重的训练过程和更新过程如下：
[0011]a)准备非霉变烟叶、轻度霉变烟叶、中度霉变烟叶、重度霉变烟叶，对准备好的每个类别的烟叶，分别称取N组作为训练集，每组20g，分别至于 200ml量筒中，然后用保险膜密封量筒口；
[0012]b)将量筒放置室温下60分钟集气之后进行电子鼻传感器采样检测，每次检测前需将电子鼻传感器进行校准，校准完将电子鼻传感器采样管插入量筒内，每间隔1s采样一次，共计采样300次，生成Mx300个数据，其中M表示电子鼻传感器数；
[0013]c)对每一组烟叶的每一个传感器数据进行分组取平均值，分别取前100 和后100个采样值的平均值，分别记为和k表示第k组烟叶，j 表示第j个传感器；
[0014]d)对采样结果进行归一化，计算相关矩阵以及相关矩阵的特征值和特征向量，选取累积贡献率超过85％的前p个特征向量构成主成分系数；
[0015]主成分提取系数U计算以及各组数据主成分计算：
[0016]计算每个传感器的均值和方差S0，如下：
[0017][0018][0019][0020][0021]对每一组传感器数据进行归一化，获得如下：
[0022][0023][0024]计算协方差矩阵R＝(r
mn
)
20
×
20
，其中公式中r
mm
＝1，r
mn
＝r
nm
， r
mn
表示第m个指标与第n个指标的相关系数；
[0025]利用数值计算方法，获得协方差矩阵从大到小的特征值λ1，λ2，...，λ
20
和对应特征向量其中选取前p个特征值和特征向量，计算累计贡献率
满足α＞85％；
[0026]当p取4时，累计贡献率α＝89％，主成分提取系数
[0027]计算每组数据前p个主成分：
[0028][0029]e)对逻辑回归分类器权重进行高斯初始化
[0030]烟叶霉变程度计算：
[0031]计算每组烟叶在各个类别上的分数值，如下：
[0032][0033]其中θ＝(ω1，ω2，...，ω4)表示逻辑回归分类器权重，初始值由高斯随机生成器即均值为0方差为1的正太分布生成；然后采用Softmax方法对分数值进行归一化生成烟叶在每个类别上的置信度即概率值，如下：
[0034][0035]其中
[0036]f)采用基于Softmax逻辑回归分类算法计算每一组烟叶每个类别的概率值以及相应的交叉熵损失函数，并对损失函数进行汇总
[0037]损失函数计算：
[0038]对于单个训练样本采用交叉熵计算损失值：
[0039][0040]其中Y
k
＝(y
k1
，y
k2
，y
k3
，y
k4
)是训练样本类别的one
‑
hot编码；
[0041]对于整体训练样本损失除所有样本损失平均值之外，增加了L2正则化，用于防止模型过拟合：
[0042][0043]其中λ表示L2正则化控制参数；
[0044]g)权重更新：
[0045]采用梯度下降法对模型权重进行更新，并判断模型是否已收敛，若已收敛，模型迭代结束，否则再一次进行迭代更新；汇总后的损失是否小于上一次迭代中的损失值为模型收敛标准。
[0046]本专利技术与现有技术相比的优点：
[0047]1、本方案利用多个电子鼻传感器对烟叶气味进行采样，生成一组传感器数据，然后通过主成分分析对电子鼻传感器数据进行降维，提取主成分信息，最后本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.采用电子鼻进行逻辑回归分类的烟叶霉变检测方法，其特征在于：该检测方法将烟叶分为非霉变、轻度霉变、中度霉变、重度霉变四个等级，具体包括以下检测步骤：步骤1)：称取待检测烟叶20g，置于量筒内密闭；步骤2)：将量筒放置室温下60分钟集气之后，采用电子鼻传感器对烟叶进行检测，获取电子鼻传感器检测数据，构成原始检测向量X0；步骤3)：利用主成分分析算法对原始检测向量X0提取前p个主成分，构成主成分向量X；步骤4)：通过逻辑回归分类器计算烟叶所在类别分数值，并选择分数值最大的类别作为烟叶检测类别。2.根据权利要求1所述的采用电子鼻进行逻辑回归分类的烟叶霉变检测方法，其特征在于：上述步骤4)中，用于烟叶的逻辑回归分类器的模型权重的训练过程和更新过程如下：a)准备非霉变烟叶、轻度霉变烟叶、中度霉变烟叶、重度霉变烟叶，对准备好的每个类别的烟叶，分别称取N组作为训练集，每组20g，分别置于200ml量筒中，然后用保险膜密封量筒口；b)将量筒放置室温下60分钟集气之后进行电子鼻传感器采样检测，每次检测前需将电子鼻传感器进行校准，校准完将电子鼻传感器采样管插入量筒内，每间隔1s采样一次，共计采样300次，生成Mx300个数据，其中M表示电子鼻传感器数；c)对每一组烟叶的每一个传感器数据进行分组取平均值，分别取前100和后100个采样值的平均值，分别记为和k表示第k组烟叶，j表示第j个传感器；d)对采样结果进行归一化，计算相关矩阵以及相关矩阵的特征值和特征向量，选取累积贡献率超过85％的前p个特征向量构成主成分系数；主成分提取系数U计算以及各组数据主成分计算：计算每个电子鼻传感器的均值和方差S0，如下：，如下：，如下：，如下：对每一组电子鼻传感器数据进行归一化，获得如下：如下：计算协方差矩阵R＝(r
mn
)
...

【专利技术属性】
技术研发人员：白延洪，张明，高强，杨兴，刘海文，杜峰，王剑华，步伟，史建新，田虎亮，韦东，叶鹏飞，
申请(专利权)人：九江七所精密机电科技有限公司，
类型：发明
国别省市：