[發明專利]基于小波變換-隨機森林算法的煙葉霉變快速識別方法

在審

• 申請號: 201910579464.5
• 申請日: 2019-06-28
• 公開（公告）號: CN110363119A
• 公開（公告）日: 2019-10-22
• 發明（設計）人: 賴燕華;陶紅;林云;王予;周瑢;歐陽路斯;林寶敏
• 申請（專利權）人: 廣東中煙工業有限責任公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G01N21/3563;G01N21/359
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 任重

本發明提供的一種基于小波變換?隨機森林算法的煙葉霉變快速識別方法，包括以下步驟：采集煙葉樣本；分別采集各個煙葉樣本的近紅外光譜，作為各煙葉樣本的光譜信息；利用離散小波變換對光譜信息進行預處理，求解得到小波系數；利用隨機森林算法從小波系數中識別出煙葉的霉變程度，完成煙葉霉變的識別。本發明提供的基于小波變換?隨機森林算法的煙葉霉變快速識別方法，通過用近紅外光譜法建立了不同霉變程度煙葉樣品的快速識別方法，為煙葉霉變的預警提供依據；采用小波變換處理光譜數據，確定光譜變量建立隨機森林識別模型，識別率和預報率高，實現了對煙葉樣品霉變程度的有效識別及準確預測。

技術領域

本發明涉及煙草霉變識別技術領域，更具體的，涉及一種基于小波變換-隨機森林算法的煙葉霉變快速識別方法。

背景技術

煙葉作為一種特殊的葉用植物，煙草倉儲是極為重要的一個環節。田間生長的煙葉經過采收、烘烤、收購、運輸、打葉復烤、醇化等環節，才能進入卷煙工廠制絲車間，卷制成卷煙。從煙葉采收到卷煙，至少需要1到2年時間。霉菌是自然界中分布最為廣泛的真菌類微生物，只要碰到適宜它生長繁殖的溫濕度條件，就會快速生長繁殖，造成煙葉霉變，導致煙葉的腐壞變質。因此，煙草防霉變的研究具有重要的經濟價值和應用意義。導致煙草霉變的因素有很多，其中主要的影響因素是其存儲環境的溫度、濕度以及煙草的自身含水量[1-2]。但是由于在不同的地域、不同的煙草種類、所含菌類別及數量的不同等等，造成了煙草霉變過程的非線性和不確定性。目前，對煙草霉變監測的研究主要集中在霉菌種類的鑒定、霉菌毒素的檢測以及通過幾丁質、麥角甾醇的測定來評估霉菌生物量[3,4]，對煙葉霉變的早期預測還缺少系統研究。

近紅外光譜技術是近些年來發展較快的分析方法之一，它依據化學成分對近紅外光譜的吸收特性而進行測定。近紅外光譜分析技術無需復雜的樣品前處理，具有快速、簡便、高準確率、成本低、可用于無損檢測等優點，已被國內外學者廣泛應用于各種農產品品質的監測研究[5-9]。煙草行業在應用近紅外光譜技術定性檢測煙草霉變方面也取得了一些經驗。周繼月[10]等基于煙葉麥角甾醇含量變化，采用近紅外光譜分析結合化學計量學方法建立了煙葉霉變過程的模式識別模型，該研究針對單個煙葉樣品采用過程模式識別監測初烤煙葉霉變過程中麥角甾醇含量變化，能較好排除煙葉地區、部位和等級差異對模型的影響，但也正因為如此，模型的轉移和應用勢必存在局限性，對于不同產地、部位和等級的煙葉霉變預警，需要重新建立模型。楊蕾[11]運用近紅外光譜儀在780nm～2500nm范圍內對煙葉的近紅外光譜進行采集，并建立了最小二乘-判別分析模型，將該模型應用于霉變煙葉的預測，但該模型僅對霉變煙葉樣品和正常煙葉樣品進行判定，未考慮臨近霉變的煙葉預判。

發明內容

本發明為克服現有的煙葉霉變檢測模型僅對霉變煙葉樣品和正常煙葉樣品進行判定，未能對臨近霉變的煙葉進行識別預判，提供一種基于小波變換-隨機森林算法的煙葉霉變快速識別方法。

為解決上述技術問題，本發明的技術方案如下：

基于小波變換-隨機森林算法的煙葉霉變快速識別方法，包括以下步驟：

S1：采集煙葉樣本；

S2：分別采集各個煙葉樣本的近紅外光譜，作為各煙葉樣本的光譜信息；

S3：利用離散小波變換對光譜信息進行預處理，求解得到小波系數；

S4：利用隨機森林算法從小波系數中識別出煙葉的霉變程度，完成煙葉霉變的識別。

其中，所述步驟S2具體為：

S21：將采集到的煙葉樣本分別裝入樣本杯中，分別采集各個煙葉樣本的紅外光譜數據，作為各煙葉樣本的基礎光譜信息；

S22：每個樣本分別重復裝樣測定兩次，計算其兩次基礎光譜信息的平均結果，作為該樣本的光譜信息。

其中，所述步驟S3具體包括以下步驟：