[發明專利]基于近紅外光譜和OPLS-DA的卷煙分類識別模型的構建方法

在審

• 申請號: 202011102013.1
• 申請日: 2020-10-15
• 公開（公告）號: CN112179870A
• 公開（公告）日: 2021-01-05
• 發明（設計）人: 潘曦;何昀潞;葉明樵;宋旭艷;劉輝
• 申請（專利權）人: 湖北中煙工業有限責任公司
• 主分類號: G01N21/359
• 分類號: G01N21/359;G01N21/3563;G06K9/62
• 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

1.一種基于近紅外光譜和OPLS-DA的卷煙分類識別模型的構建方法，其特征在于，包括：

選取若干種類的待測樣品，按照預設保養步驟對所述樣品進行保養；

對所述樣品進行光譜掃描，得到所述樣品的近紅外光譜；

將所述近紅外光譜劃分為校正集和測試集，并通過不同種類的光譜預處理方案對所述近紅外光譜進行處理；

對所述校正集通過OPLS-DA分析，得到卷煙分類識別模型及所述校正集的識別正確率，將所述測試集帶入所述卷煙分類識別模型，得到所述測試集的識別正確率；

根據所述校正集的識別正確率和所述測試集的識別正確率確定符合預設要求的光譜預處理方案，獲取所述符合預設要求的光譜預處理方案對應的卷煙分類識別模型。

2.根據權利要求1所述的基于近紅外光譜和OPLS-DA的卷煙分類識別模型的構建方法，其特征在于，所述光譜預處理方案包括：

多元散射校、標準正態變量變換、一階微分、二階微分、Savitzky-Golay濾波器、算法組合。

3.根據權利要求1所述的基于近紅外光譜和OPLS-DA的卷煙分類識別模型的構建方法，其特征在于，所述根據所述校正集的識別正確率和所述測試集的識別正確率確定符合預設要求的光譜預處理方案，包括：

計算所述校正集的識別正確率和所述測試集的識別正確率的和，獲取所述和最大的光譜預處理方案。

4.根據權利要求1所述的基于近紅外光譜和OPLS-DA的卷煙分類識別模型的構建方法，其特征在于，所述方法還包括：

將所述近紅外光譜按照校正集與測試集的比例2比1的比例劃分為校正集和測試集。

5.根據權利要求1所述的基于近紅外光譜和OPLS-DA的卷煙分類識別模型的構建方法，其特征在于，所述按照預設保養步驟對所述樣品進行保養,包括：

控制所述樣品的溫度、含水率在對應的預設范圍內，以及控制所述樣品對應環境的濕度、溫度在預設范圍內。

6.根據權利要求1所述的基于近紅外光譜和OPLS-DA的卷煙分類識別模型的構建方法，其特征在于，對所述樣品進行光譜掃描，得到所述樣品的近紅外光譜，包括：

對所述樣品進行N次光譜掃描，取所述N次光譜掃描結果的平均值作為所述樣品的近紅外光譜，所述N為大于1的自然數。

7.根據權利要求1所述的基于近紅外光譜和OPLS-DA的卷煙分類識別模型的構建方法，其特征在于，所述對所述樣品進行光譜掃描，包括：

將光譜的掃描范圍設定為10000至4000cm^-1，掃描分辨率設定為8 cm^-1，掃描次數設定為64次，并將所述樣品放入旋轉杯中進行旋轉采集近紅外漫反射光譜，得到所述樣品的光譜掃描結果。