[發明專利]一種基于神經網絡的烤煙舒適性分類評價方法

在審

• 申請號: 201911297312.2
• 申請日: 2019-12-17
• 公開（公告）號: CN111160425A
• 公開（公告）日: 2020-05-15
• 發明（設計）人: 閆鐵軍;許自成;邵慧芳;張耀華;王欣
• 申請（專利權）人: 湖北中煙工業有限責任公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08;G06Q10/06;A24B3/10
• 代理公司: 浙江千克知識產權代理有限公司 33246
• 代理人: 裴金華

1.一種基于神經網絡的烤煙舒適性分類評價方法，其特征在于，包括以下步驟：

S1獲取樣本烤煙的感官質量指標數據和化學成分指標數據；

S2采用SOFM神經網絡對樣本烤煙的感官質量指標數據模式聚類，并根據聚類模式進行判別劃分；

S3采用BP神經網絡對樣本烤煙的化學成分指標數據建立基于化學成分指標的煙葉感官質量預測模型；

S4利用訓練的BP神經網絡和SOFM神經網絡對待檢測烤煙的化學成分指標數據進行烤煙舒適性分類評價。

2.根據權利要求1所述的一種基于神經網絡的烤煙舒適性分類評價方法，其特征在于，所述“S1獲取樣本烤煙的感官質量指標數據和化學成分指標數據”中樣本烤煙的感官質量指標數據包括香氣質、香氣量、勁頭、濃度、余味、雜氣、刺激性；樣本烤煙的化學成分指標數據包括總植物堿、還原糖、氯、鉀、總氮、醚提取物、果膠、pH值。

3.根據權利要求1所述的一種基于神經網絡的烤煙舒適性分類評價方法，其特征在于，所述“S2采用SOFM神經網絡對樣本烤煙的感官質量指標數據模式聚類，并根據聚類模式進行判別劃分”具體為：S21 SOFM神經網絡輸入層為7個神經元，對應輸入樣本烤煙的感官質量指標數據；S22對輸入的樣本烤煙的感官質量指標數據規范化處理，將其數值轉換到-1至1區間內；S23通過Kohonen算法對轉換后的感官質量指標數據進行訓練，直至學習率小于0.01或者訓練迭代次數達到1000次時停止計算，網絡訓練完成；S24 SOFM神經網絡輸出層設為9個神經元，對應9種舒適性模式，并根據各個模式類別的感官質量指標統計量，得出該9種模式的雙指標檔次劃分。

4.根據權利要求3所述的一種基于神經網絡的烤煙舒適性分類評價方法，其特征在于，所述“得出該9種模式的雙指標檔次劃分”具體為：S241分類匯總感官質量指標的類內數據，計算各個指標的類內均值；S242計算各模式類別的指標總分，按照總分由高到低，將9個模式分為三組，每組3個模式，分別定義為“協調感”一檔、二檔、三檔；S243在“協調感”內根據余味、雜氣、刺激性等3個指標的合計分，按照由高到低分別定義為“愉悅感”一檔、二檔、三檔，并得出9種模式的雙指標檔次劃分。

5.根據權利要求1所述的一種基于神經網絡的烤煙舒適性分類評價方法，其特征在于，所述“S3采用BP神經網絡對樣本烤煙的化學成分指標數據建立基于化學成分指標的煙葉感官質量預測模型”具體包括：S31構建三層拓撲結構的BP神經網絡，依次為輸入層、中間層和輸出層；S32輸入層設有8個神經元，分別對應總植物堿、還原糖、氯、鉀、總氮、醚提取物、果膠、pH值的8個常規化學成分指標；S33中間層對輸入信號進行非線性變換，變換函數采用雙曲正切函數；S34經批量學習策略對樣本烤煙化學成分數據訓練，建立化學成分數據與感官質量指標數據的預測模型；S35輸出層采用線性函數輸出香氣質、香氣量、勁頭、濃度、余味、雜氣、刺激性的7個感官評吸指標。

6.根據權利要求1所述的一種基于神經網絡的烤煙舒適性分類評價方法，其特征在于，所述“S4利用訓練的BP神經網絡和SOFM神經網絡對待檢測烤煙的化學成分指標數據進行烤煙舒適性分類評價”具體為將待檢測烤煙的化學成分指標數據輸入至BP神經網絡，得出的待檢測烤煙感官質量預測值輸入至SOFM神經網絡，最終得出待檢測烤煙的感官舒適性評價預測結果。

7.一種基于神經網絡的烤煙舒適性分類評價裝置，其特征在于，包括：

獲取模塊，用于獲取樣本烤煙的感官質量指標數據和化學成分指標數據；

分析處理模塊1，用于采用SOFM神經網絡對樣本烤煙的感官質量指標數據模式聚類，并根據聚類模式進行判別劃分；

分析處理模塊2，用于采用BP神經網絡對樣本烤煙的化學成分指標數據建立基于化學成分指標的煙葉感官質量預測模型；

預測模塊，用于利用訓練的BP神經網絡和SOFM神經網絡對待檢測烤煙的化學成分指標數據進行烤煙舒適性分類評價。