[發明專利]卷煙主流煙氣光譜數據的感官評價方法

在審

• 申請號: 202110050500.6
• 申請日: 2021-01-14
• 公開（公告）號: CN112749906A
• 公開（公告）日: 2021-05-04
• 發明（設計）人: 李超;李娥賢;王璐;吳佳;陳芳銳;蔡昊城
• 申請（專利權）人: 云南中煙工業有限責任公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06K9/62;G06N3/04;G06N3/08;G01N21/3504
• 代理公司: 北京維澳專利代理有限公司 11252
• 代理人: 常小溪;王立民

1.一種卷煙主流煙氣光譜數據的感官評價方法，其特征在于，包括：

對若干煙支的卷煙主流煙氣光譜數據進行增強處理；

從數據增強處理后的各煙支的所述卷煙主流煙氣光譜數據中提取淺層光譜特征；

基于已提取所述淺層光譜特征的各煙支的所述卷煙主流煙氣光譜數據和所述淺層光譜特征，得到各所述卷煙主流煙氣光譜數據的淺層感官品質結果；

從已提取所述淺層光譜特征的各煙支的所述卷煙主流煙氣光譜數據中提取深層空間特征；

基于已提取所述深層空間特征的各煙支的所述卷煙主流煙氣光譜數據和所述深層空間特征，得到各所述卷煙主流煙氣光譜數據的深層感官品質結果；

根據所述淺層感官品質結果和所述深層感官品質結果，得到各所述卷煙主流煙氣光譜數據的綜合感官品質結果。

2.根據權利要求1所述的卷煙主流煙氣光譜數據的感官評價方法，其特征在于，所述卷煙主流煙氣光譜數據包括中紅外光譜數據。

3.根據權利要求1所述的卷煙主流煙氣光譜數據的感官評價方法，其特征在于，所述對若干煙支的卷煙主流煙氣光譜數據進行增強處理，具體包括：

對各煙支的卷煙主流煙氣光譜數據進行水平翻轉處理；

對經過水平翻轉處理的各煙支的卷煙主流煙氣光譜數據進行隨機裁剪處理；

對經過隨機裁剪處理的各煙支的卷煙主流煙氣光譜數據進行物理擾動處理；

對經過物理擾動處理的各煙支的卷煙主流煙氣光譜數據進行組分擾動處理。

4.根據權利要求1所述的卷煙主流煙氣光譜數據的感官評價方法，其特征在于，所述從數據增強處理后的各煙支的所述卷煙主流煙氣光譜數據中提取淺層光譜特征，具體包括：

利用光譜向量的Hotelling T²統計量剔除若干煙支的卷煙主流煙氣光譜數據中的離群數據點，以剔除卷煙主流煙氣光譜數據中的異常數據；

采用二階微分、Karl Norris導數濾波器、多元散射校正和小波變換中的至少一種方法對剔除異常數據的各所述卷煙主流煙氣光譜數據進行降噪處理。

5.根據權利要求4所述的卷煙主流煙氣光譜數據的感官評價方法，其特征在于，所述基于已提取所述淺層光譜特征的各煙支的所述卷煙主流煙氣光譜數據和所述淺層光譜特征，得到各所述卷煙主流煙氣光譜數據的淺層感官品質結果，具體包括：

將已提取所述淺層光譜特征的各所述卷煙主流煙氣光譜數據輸入到預先構建的第一感官分類模型，得到各所述卷煙主流煙氣光譜數據的淺層感官品質結果。

6.根據權利要求5所述的卷煙主流煙氣光譜數據的感官評價方法，其特征在于，所述第一感官分類模型是基于主成分分析結合非線性支持向量機構建的，并且所述第一感官分類模型的構建方法具體包括：

基于主成分分析法對降噪處理后的各所述卷煙主流煙氣光譜數據進行特征選擇，以提取出主流煙氣中的各組分在所述卷煙主流煙氣光譜數據中的特征峰；

基于非線性支持向量機算法對經過特征峰提取的各所述卷煙主流煙氣光譜數據進行訓練，得到第一感官分類模型。

7.根據權利要求1所述的卷煙主流煙氣光譜數據的感官評價方法，其特征在于，所述從已提取所述淺層光譜特征的各煙支的所述卷煙主流煙氣光譜數據中提取深層空間特征，具體包括：

基于深度殘差卷積神經網絡，從已提取所述淺層光譜特征的各煙支的所述卷煙主流煙氣光譜數據中提取深層空間特征。

8.根據權利要求7所述的卷煙主流煙氣光譜數據的感官評價方法，其特征在于，所述基于已提取所述深層空間特征的各煙支的所述卷煙主流煙氣光譜數據和所述深層空間特征，得到各所述卷煙主流煙氣光譜數據的深層感官品質結果，具體包括：

將若干個基于所述深度殘差卷積神經網絡提取的所述深層空間特征，以堆棧的方式輸入到支持向量機中，得到第二感官分類模型；

將已提取所述深層空間特征的各所述卷煙主流煙氣光譜數據輸入到所述第二感官分類模型，得到各所述卷煙主流煙氣光譜數據的深層感官品質結果。