[發(fā)明專利]基于深度學習算法的煙葉近紅外光譜定量建模方法及應用

在審

• 申請?zhí)枺?/td>: 201710673351.2
• 申請日: 2017-08-09
• 公開（公告）號: CN107491784A
• 公開（公告）日: 2017-12-19
• 發(fā)明（設計）人: 張建強;劉維涓;侯英;李長昱;邱昌桂
• 申請（專利權）人: 云南瑞升煙草技術（集團）有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G01N21/3563;G01N21/359
• 代理公司: 昆明大百科專利事務所53106
• 代理人: 李云

1.基于深度學習的煙葉近紅外光譜定量建模方法，其特征在于，具體包括如下步驟：

(1)利用近紅外光譜儀進行光譜信息采集，獲取煙葉的近紅外光譜信息，并用小波變換算法、Savitzky-Golay卷積平滑法、多元散射校正法、一階導數法、二階導數法中的一種或幾種方法對光譜數據進行預處理；

(2)使用分光光度法、氣相色譜-質譜法、液相色譜法、連續(xù)流動法、固相萃取法中的一種方法獲取煙葉的主要化學成分信息，包括但不限于煙葉的總糖、還原糖、總氮、煙堿、鉀和氯；

(3)使用稀疏特征學習方法對經步驟(1)預處理后的煙葉近紅外光譜數據應用K-SVD算法創(chuàng)建過完備字典，利用OMP算法計算得到光譜的稀疏表示系數；

(4)采用PSO-SVM學習算法，結合步驟(3)得到的稀疏表示系數和步驟(2)獲取的化學成分信息建立近紅外光譜回歸預測模型。

2.如權利要求1所述方法建立的近紅外光譜預測模型的應用，其特征在于，獲取待測試煙葉的近紅外光譜信息，采用上述步驟(1)和(3)的方法對光譜數據進行預處理操作，并計算得到煙葉的稀疏表示系數；結合步驟(4)建立的回歸預測模型，預測煙葉的主要化學成分信息，包括但不限于煙葉的總糖、還原糖、總氮、煙堿、鉀和氯。