大曲品质检测模型的训练方法、大曲品质检测方法及装置制造方法及图纸

本申请提供大曲品质检测模型的训练方法、大曲品质检测方法及装置。大曲品质检测模型的训练方法，包括：获取训练数据，训练数据包括第一大曲样品集中各大曲样品的近红外光谱信息、各大曲样品糖分的标准测定值、各大曲样品水分的标准测定值以及各大曲样品总酸的标准测定值；将第一大曲样品集中各大曲样品的近红外光谱信息作为第一偏最小二乘法回归模型的输入，将第一大曲样品集中各大曲样品糖分的标准测定值、各大曲样品水分的标准测定值以及各大曲样品总酸的标准测定值作为偏最小二乘法回归模型的输出，训练第一偏最小二乘法回归模型，得到用于准确且快速检测大曲的糖分、水分及总酸的第一大曲品质检测模型。酸的第一大曲品质检测模型。酸的第一大曲品质检测模型。

【技术实现步骤摘要】
大曲品质检测模型的训练方法、大曲品质检测方法及装置


[0001]本申请涉及大曲品质检测的
，特别是涉及一种大曲品质检测模型的训练方法、大曲品质检测方法及装置。

技术介绍

[0002]目前，对大曲品质成分的检测仍然普遍采用常规的操作方法，例如是酸碱滴定法、斐林试剂滴定法等，这些常规方法操作繁琐、费时，不能满足对大曲品质快速便捷检测的需求，且如何在大曲的多个理化指标中选择反应大曲品质的重要理化指标也是急需解决的问题。
[0003]因此，亟需一种大曲品质检测模型的训练方法、大曲品质检测方法及装置。

技术实现思路

[0004]本申请第一方面提供了一种大曲品质检测模型的训练方法，包括：
[0005]获取训练数据，训练数据包括第一大曲样品集中各大曲样品的近红外光谱信息、各大曲样品糖分的标准测定值、各大曲样品水分的标准测定值以及各大曲样品总酸的标准测定值；
[0006]将第一大曲样品集中各大曲样品的近红外光谱信息作为第一偏最小二乘法回归模型的输入，将第一大曲样品集中各大曲样品糖分的标准测定值、各大曲样品水分的标准测定值以及各大曲样品总酸的标准测定值作为偏最小二乘法回归模型的输出，训练第一偏最小二乘法回归模型，得到用于检测大曲的糖分、水分及总酸的第一大曲品质检测模型。
[0007]本申请第一方面提供的大曲品质检测模型的训练方法可以得到准确且快速用于检测大曲品质的大曲品质检测模型。该大曲品质检测模型用于检测大曲的糖分、水分及总酸，该三项指标可以简明准确地反应大曲品质，实现了对大曲尤其是酱香型白酒用的高温大曲快速、高效且准确的质量检测，提高了对大曲品质监控的效率，并降低了度大曲品质监控的成本。
[0008]本申请第二方面提供一种大曲品质检测方法，方法包括：
[0009]获取待测大曲的近红外光谱信息；
[0010]将待测大曲的近红外光谱信息输入大曲品质检测模型，获取大曲品质检测模型输出的大曲的糖分、水分及总酸三者的检测值，
[0011]其中，大曲品质检测模型是本申请第一方面提供的训练方法预先训练得到的。
[0012]本申请第二方面提供的大曲品质检测方法，该大曲品质检测方法采用近红外光谱技术对反应大曲品质的三项重要指标，即大曲的糖分、水分及总酸，进行快速检测，实现了对大曲尤其是酱香型白酒用的高温大曲快速、高效且准确的质量检测，提高了对大曲品质监控的效率，并降低了度大曲品质监控的成本。
[0013]本申请第三方面提供一种训练大曲品质检测模型的装置，该装置包括：
[0014]第一获取单元，用于获取训练数据，训练数据包括训练数据包括第一大曲样品集
中各大曲样品的近红外光谱信息、各大曲样品糖分的标准测定值、各大曲样品水分的标准测定值以及各大曲样品总酸的标准测定值；
[0015]模型训练单元，用于将第一大曲样品集中各大曲样品的近红外光谱信息作为第一偏最小二乘法回归模型的输入，将第一大曲样品集中各大曲样品糖分的标准测定值、各大曲样品水分的标准测定值以及各大曲样品总酸的标准测定值作为偏最小二乘法回归模型的输出，训练第一偏最小二乘法回归模型，得到用于检测大曲的糖分、水分及总酸的第一大曲品质检测模型。
[0016]本申请第四方面提供一种检测大曲品质的装置，该装置包括：
[0017]第二获取单元，用于获得待测大曲的近红外光谱信息；
[0018]大曲品质测定单元，用于将待测大曲的近红外光谱信息输入大曲品质检测模型，获取大曲品质检测模型输出的大曲糖分、水分及总酸三者的检测值，其中，大曲品质检测模型是本申请第三方面的装置预先训练得到的。
附图说明
[0019]图1为本申请第一方面提供的大曲品质检测模型的训练方法中一种实施例的方法流程图；
[0020]图2为本申请第一方面提供的大曲品质检测模型的训练方法中另一种实施例的方法流程图；
[0021]图3为第一大曲品质检测模型中糖分模型验证集散图；
[0022]图4为第一大曲品质检测模型中水分模型验证集散图；
[0023]图5为第一大曲品质检测模型中总酸模型验证集散图。
具体实施方式
[0024]以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
[0025]专利技术人在对大曲品质检测
研究发现，目前对大曲品质成分的检测仍然普遍采用常规的操作方法，例如是酸碱滴定法、斐林试剂滴定法等，这些常规方法操作繁琐、费时，不能满足对大曲品质快速便捷检测的需求，且如何在大曲的多个理化指标中选择反应大曲品质的重要理化指标也是急需解决的问题。
[0026]有鉴于此，本申请旨在提供一种大曲品质检测模型的训练方法、大曲品质检测方法及装置。下面结合实施例对本申请提供的
技术实现思路
进行描述。
[0027]如图1所示，本申请第一方面提供一种大曲品质检测模型的训练方法，该训练方法包括：
[0028]S10：获取训练数据，训练数据包括第一大曲样品集中各大曲样品的近红外光谱信息、各大曲样品糖分的标准测定值、各大曲样品水分的标准测定值以及各大曲样品总酸的标准测定值；
[0029]S20：将第一大曲样品集中各大曲样品的近红外光谱信息作为第一偏最小二乘法回归模型的输入，将第一大曲样品集中各大曲样品糖分的标准测定值、各大曲样品水分的标准测定值以及各大曲样品总酸的标准测定值作为偏最小二乘法回归模型的输出，训练第
一偏最小二乘法回归模型，得到用于检测大曲的糖分、水分及总酸的第一大曲品质检测模型。
[0030]本申请第一方面提供的大曲品质检测模型的训练方法可以得到准确且快速用于检测大曲品质的大曲品质检测模型。该大曲品质检测模型用于检测大曲的糖分、水分及总酸，该三项指标可以简明准确地反应大曲品质，实现了对大曲尤其是酱香型白酒用的高温大曲快速、高效且准确的质量检测，提高了对大曲品质监控的效率，并降低了度大曲品质监控的成本。
[0031]在本申请第一方面一些可选的实施例中，各大曲样品糖分的标准测定值采用斐林试剂滴定法进行测量、各大曲样品水分的标准测定值采用烘箱恒重发进行测量，各大曲样品总酸的标准测定值采用酸碱滴定法进行测量。
[0032]在本申请第一方面一些可选的实施例中，第一大曲样品集中大曲的样品个数取值范围为2000～3000个。
[0033]进一步地，本申请第一方面一些可选的实施例中，第一大曲样品集中大曲的样品个数取值范围为2500～3000。
[0034]在这些实施例中，专利技术人研究发现初步对第一偏最小二乘法回归模型进行训练，当第一大曲样品集中大曲的样品个数取值范围为2000～3000个时，获得作为基础模型的第一大曲品质检测模型的稳定性较高，采用第一大曲品质检测模型检测大曲的糖分、水分及总酸三项指标和采用手工理化测量出的大曲样品糖分的标准测定值、大曲样品水分的标准测定值以及大曲样品总酸的标准测定值一致性更佳，检测结果更加准确。
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种大曲品质检测模型的训练方法，其特征在于，包括：获取训练数据，所述训练数据包括第一大曲样品集中各大曲样品的近红外光谱信息、各大曲样品糖分的标准测定值、各大曲样品水分的标准测定值以及各大曲样品总酸的标准测定值；将所述第一大曲样品集中各大曲样品的近红外光谱信息作为第一偏最小二乘法回归模型的输入，将所述第一大曲样品集中所述各大曲样品糖分的标准测定值、所述各大曲样品水分的标准测定值以及所述各大曲样品总酸的标准测定值作为所述偏最小二乘法回归模型的输出，训练所述第一偏最小二乘法回归模型，得到用于检测大曲的糖分、水分及总酸的第一大曲品质检测模型。2.根据权利要求1所述的大曲品质检测模型的训练方法，其特征在于，所述第一大曲样品集中大曲的样品个数取值范围为2000～3000个；优选地，所述第一大曲样品集中大曲的样品个数取值范围为2500～3000。3.根据权利要求1所述的大曲品质检测模型的训练方法，其特征在于，所述训练方法还包括：样品集扩充，对当前的所述第一大曲样品集增加多个新的大曲样品，形成新的第一大曲样品集；新的大曲样品的数据收集，获取各新的大曲样品的近红外光谱信息、各新的大曲样品糖分的标准测定值、各新的大曲样品水分的标准测定值以及各新的大曲样品总酸的标准测定值；基于新的第一大曲样品集训练模型，将所述新的第一大曲样品集中各大曲样品的近红外光谱信息作为第二偏最小二乘法回归模型的输入，将所述新的第一大曲样品集中所述各大曲样品糖分的标准测定值、所述各大曲样品水分的标准测定值以及所述各大曲样品总酸的标准测定值作为所述偏最小二乘法回归模型的输出，训练所述第二偏最小二乘法回归模型，得到用于检测大曲糖分、水分及总酸的第二大曲品质检测模型；所述第二大曲品质检测模型的SEP/SEC≥1.2，则重复所述样品集扩充步骤、所述新的大曲样品的数据收集步骤以及基于新的第一大曲样品集训练模型的步骤，直至所述第二大曲品质检测模型的SEP/SEC＜1.2；所述第二大曲品质检测模型的SEP/SEC＜1.2，则将所述第二大曲品质检测模型作为检测大曲糖分、水分及总酸的稳定的大曲品质检测模型。4.根据权利要求3所述的大曲品质检测模型的训练方法，其特征在于，每次增加新的大曲样...

【专利技术属性】
技术研发人员：孙时光，毛育志，姚翠萍，李巧玉，袁颉，潘安宇，焦富，牟明月，涂华彬，万波，
申请(专利权)人：贵州茅台酒股份有限公司，
类型：发明
国别省市：