[發明專利]一種基于二維相關光譜的香紫蘇油穩定性評價方法在審

申請號：	201910045195.4	申請日：	2019-01-17
公開（公告）號：	CN109520999A	公開（公告）日：	2019-03-26
發明（設計）人：	秦云華;李超;陳達;熊文;張承明;金永燦;何天倫;黃志軒;宋子怡;李珍珍	申請（專利權）人：	云南中煙工業有限責任公司
主分類號：	G01N21/65	分類號：	G01N21/65
代理公司：	昆明正原專利商標代理有限公司 53100	代理人：	金耀生;亢能
地址：	650231 ***	國省代碼：	云南;53
權利要求書：	查看更多	說明書：	查看更多
摘要：
搜索關鍵詞：	香紫蘇油煙用香精二維相關光譜拉曼光譜分析穩定性評價子模型質量控制構建光譜二維小波變換平行因子分析多尺度分解原料穩定性質量穩定性動態光譜決策模型快速評價拉曼光譜作用狀態常規的靈敏度權重法熱擾動重構的二維分層高維微擾重構分辨融合引入記錄應用分析統一
鉆瓜網技術展會專利詞庫專利權人專利榜在售專利公布日期熱門專利

【權利要求書】：

1.一種基于二維相關光譜的香紫蘇油穩定性評價方法，其特征在于，包括如下步驟：

S1、采集不同香紫蘇油樣品的原始光譜；

S2、根據下式生成步驟S1采集原始光譜的二維相關光譜：

式中：y(v)為輸入光譜矩陣，Φ(v1,v2)為生成的同步相關光譜圖像矩陣，Ψ(v1,v2)為生成的異步相關光譜圖像矩陣；在公式(1)中，y(v₁)^T代表光譜在波長v₁處的強度矢量轉置，y(v₂)代表光譜在波長v₂的強度，兩者的矢量積代表著不同波長處光譜強度變化的相關效應；式中，N矩陣為Hilbert-Noda矩陣：

S3、基于S2的二維小波變換和二維相關光譜，選擇最佳小波基對二維相關光譜進行二維小波多尺度分解，得二維小波系數；

S4、對步驟S3所得的二維小波系數進行圖像重構；所述的重構是指對同一樣品的二維相關光譜的分解后的每一層小波系數分別進行重構；

S5、對每一層重構的光譜圖像分別進行多維偏最小二乘建模，得子模型，并得相應組別摻雜濃度預測值，以及每一層重構圖像建模的摻雜濃度均方根誤差；

S6、基于S5的摻雜濃度均方根誤差分配權值，使用該權值將步驟S5所得的子模型進行模型融合，并計算預測均方根誤差和相關系數來評價模型預測效果。

2.根據權利要求1所述的基于二維相關光譜的香紫蘇油穩定性評價方法，其特征在于：S1中，所采集的原始光譜是對同一樣品在不同溫度條件下采集同一儀器的光譜，其中的變化的溫度條件對于不同的樣品需要保證相同。

3.根據權利要求1所述的基于二維相關光譜的香紫蘇油穩定性評價方法，其特征在于：S5中，所述均方根誤差RMSECV按下式計算：

其中，C_NIR是樣品的實際濃度；C_REF為樣品的摻雜濃度預測值。

4.根據權利要求3所述的基于二維相關光譜的香紫蘇油穩定性評價方法，其特征在于：S6中，基于S5的摻雜濃度均方根誤差分配權值W_i按下式進行：

其中，RMSECV_i是第i個子模型交叉驗證后的摻雜濃度均方根誤差。

5.根據權利要求1所述的基于二維相關光譜的香紫蘇油穩定性評價方法，其特征在于：S6中，模型融合是指對每一層二維小波變換系數重構圖像進行PARAFAC建模，得到子模型的預測結果和預測均方根誤差。

6.根據權利要求4所述的基于二維相關光譜的香紫蘇油穩定性評價方法，其特征在于：S6中，子模型融合后的模型C為：

其中：C_iREF是第i尺度重構的多維偏最小二乘子模型的預測結果，m是分解的尺度。