[發(fā)明專利]一種烤煙煙絲的產(chǎn)地及等級(jí)識(shí)別方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201910985697.5
• 申請(qǐng)日: 2019-10-16
• 公開(kāi)（公告）號(hào): CN110736718B
• 公開(kāi)（公告）日: 2022-07-19
• 發(fā)明（設(shè)計(jì)）人: 畢一鳴;廖付;張立立;何文苗;李永生;帖金鑫;李石頭;田雨農(nóng);郝賢偉;趙振杰;許利平;吳繼忠;王輝
• 申請(qǐng)（專利權(quán)）人: 浙江中煙工業(yè)有限責(zé)任公司
• 主分類號(hào): G01N21/359
• 分類號(hào): G01N21/359;G06V10/764
• 代理公司: 杭州豐禾專利事務(wù)所有限公司 33214
• 代理人: 王靜

1.一種烤煙煙絲的產(chǎn)地及等級(jí)識(shí)別方法，其特征在于，該方法包括如下步驟：

步驟1）獲取多個(gè)煙絲樣本的表征指標(biāo)，所述的表征指標(biāo)包括化學(xué)指標(biāo)、香型指標(biāo)與部位特征；所述化學(xué)指標(biāo)至少包括總糖含量、煙堿含量、還原糖含量、氯含量、鉀含量、總氮含量；所述的香型指標(biāo)至少包括清香指數(shù)，中間香指數(shù)與濃香指數(shù)；部位特征選自上部葉、中部葉或下部葉；

步驟2）獲取步驟1）中多個(gè)煙絲樣本的近紅外光譜，利用偏最小二乘方法分別對(duì)步驟1）獲得的表征指標(biāo)、步驟2）獲得的近紅外光譜進(jìn)行關(guān)聯(lián)，建立模型；

步驟3）將全國(guó)各產(chǎn)地、各等級(jí)煙葉樣本的歷史近紅外光譜應(yīng)用到步驟2）所述的模型中，得到全國(guó)各產(chǎn)地、各等級(jí)煙葉樣本的模型計(jì)算值；統(tǒng)計(jì)各產(chǎn)地、等級(jí)的各模型閾值范圍，

按產(chǎn)地、等級(jí)統(tǒng)計(jì)，計(jì)算各模型（化學(xué)、香型表征指標(biāo)的均值及標(biāo)偏；以均值±一倍的標(biāo)偏為閾值范圍，即

(1)

其中， 分別表示某產(chǎn)地某等級(jí)的第i指標(biāo)的均值與標(biāo)準(zhǔn)偏差；為計(jì)數(shù)值，如在閾值條件范圍內(nèi)計(jì)數(shù)為1，否則計(jì)數(shù)為0；

統(tǒng)計(jì)歷史煙葉樣本數(shù)據(jù)中的產(chǎn)地和等級(jí)，生成匹配矩陣，該矩陣的行列數(shù)分別為歷史數(shù)據(jù)中的產(chǎn)區(qū)數(shù)和等級(jí)數(shù)；矩陣中的每一個(gè)元素由公式（1）計(jì)算得出；

步驟4）獲取未知樣本的近紅外光譜，通過(guò)步驟2）模型預(yù)測(cè)出表征指標(biāo)后，結(jié)合步驟3）的匹配矩陣，預(yù)測(cè)其產(chǎn)地及等級(jí)。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，步驟1）中的建模樣本涵蓋全國(guó)的烤煙產(chǎn)地及等級(jí)，樣本數(shù)量不少于500個(gè)。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，烤煙產(chǎn)地及等級(jí)涵蓋全國(guó)14個(gè)烤煙產(chǎn)區(qū)：安徽、重慶、福建、廣西、貴州、湖南、湖北、河南、四川、山東、云南、江西、黑龍江、遼寧，9個(gè)等級(jí)：B3F、B2F、B1F、C1F、C2F、C3F、C4F、X2F、X3F。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，步驟1）中香型指標(biāo)，清香型標(biāo)記為[1 00]，中間香型標(biāo)記為[0 1 0]，濃香型標(biāo)記為[0 0 1]；步驟1）中的部位特征，上部葉：1；中部葉：2；下部葉：3。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，步驟2）中將采集到的近紅外光譜并進(jìn)行光譜預(yù)處理；所述預(yù)處理方法包括平滑，1階導(dǎo)，2階導(dǎo)或標(biāo)準(zhǔn)正態(tài)校正。

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，采用1階導(dǎo)+標(biāo)準(zhǔn)正態(tài)校正。

7.根據(jù)權(quán)利要求1所述的方法，其特征在于，步驟2）化學(xué)指標(biāo)與部位特征采用PLS1，每個(gè)指標(biāo)單獨(dú)建模；香型指標(biāo)采用PLS2，三個(gè)指標(biāo)一起建模。

8.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟4）中，將未知樣本預(yù)測(cè)的表征指標(biāo)與步驟3）得到的匹配矩陣相比較，

若化學(xué)、香型、部位三者都符合的產(chǎn)地和等級(jí)，認(rèn)定為未知樣本所屬的產(chǎn)地和等級(jí)；

若有某一項(xiàng)或多項(xiàng)超出閾值，則未知樣本不在現(xiàn)有建模的產(chǎn)區(qū)和等級(jí)內(nèi)，實(shí)施投票算法，該算法具體包括如下步驟：

(2)

K代表10項(xiàng)指標(biāo)的綜合匹配度；K的最大值為10，代表某樣本所有10項(xiàng)指標(biāo)均落入某產(chǎn)區(qū)某等級(jí)的閾值范圍內(nèi)；K的最小值為0，代表某樣本所有10項(xiàng)指標(biāo)均未落入某產(chǎn)區(qū)某等級(jí)的閾值范圍內(nèi)；

根據(jù)將未知樣本的預(yù)測(cè)指標(biāo)應(yīng)用到計(jì)算歷史數(shù)據(jù)庫(kù)中所有產(chǎn)區(qū)及等級(jí)的K值，將K值最大值所代表的產(chǎn)區(qū)和等級(jí)認(rèn)定為該未知樣本的產(chǎn)區(qū)和等級(jí)；

計(jì)算歷史數(shù)據(jù)庫(kù)中所有產(chǎn)區(qū)及等級(jí)的K值，將K值最大值所代表的產(chǎn)區(qū)和等級(jí)認(rèn)定為該未知樣本的產(chǎn)區(qū)和等級(jí)。