[发明专利]一种基于近红外光谱的烟叶整体感官质量评价方法

权利要求书

1.一种基于近红外光谱的烟叶整体感官质量评价方法，其特征在于，该方法包括如下步骤：

步骤1）测定光谱

选取多个片烟样本，采集所述多个片烟样本的近红外光谱，并对其进行预处理；

步骤2）异常光谱剔除

应用Hotelling T2方法，未发现异常光谱；

步骤3）感官评吸

组织评价小组对上述片烟样本进行整体感官质量评价并打分，以数字范围M~N分值作为整体感官质量的量化，N=M+A，M大于等于1，A=3~5，M分值表示评吸员根据经验所得的整体感官质量得分最低的片烟样本，随整体感官质量的提升，分值相应上升；

步骤4）构造约束矩阵

给定阈值t为整体感官质量评价中两样本具有显著差异的数值，遍历建模样本中任意两样本整体感官质量评价值之差，若差异的绝对值大于给定阈值t，则保存两样本之差谱，以所有这样的差谱构造约束矩阵A，持续这个过程，直到遍历所有的两样本之差；

其中，xc₁,…,xc_n为遍历建模样本中任意两样本整体感官质量评价值之差大于给定阈值的两样本差谱；n 为满足遍历建模样本中任意两样本整体感官质量评价值之差大于给定阈值的差谱数量；y_k为第k个样本对应的整体感官质量评价值；y_l为第l个样本对应的整体感官质量评价值；

步骤5）建立模型

（1）

其中，b为模型回归系数，X为k*m的光谱矩阵，样本数为k，光谱维数为m；

y为整体感官质量评分，A为约束矩阵，

l，u分别为模型回归系数b的下，上限约束，归一化后，其上下限约束分别为1与-1；

c为n*1的向量，n为矩阵A的行数，值为-t；

模型求解，得到一组与光谱维数相同的模型回归系数b: ；

步骤6）模型优化

考虑步骤5）模型的训练误差，如果不满足要求，在建模样本中，分别剔除一个样本重新建模，如果某一次建模的训练误差满足要求或显著小于原模型误差，则将剔除的这个样本排除在模型之外；如果所有模型都不满足要求，则剔除使模型误差下降最多的样本；并重复此过程；直到建模误差达到可接受程度；

步骤7）烟叶整体感官质量的预测

采集待评价样本的近红外光谱并对其进行预处理步骤，将其带入到步骤6）得到的模型中，给出整体感官质量的预测值；

其中，是待评价样本的近红外光谱，b是模型回归系数，是整体感官质量的预测值。

2.根据权利要求1所述的基于近红外光谱的烟叶整体感官质量评价方法，其特征在于，所述预处理为平滑及snv处理。

3.根据权利要求1所述的基于近红外光谱的烟叶整体感官质量评价方法，其特征在于，所述的数字范围M~N分值为5~8，评价时保留一位小数点。

4.根据权利要求3所述的基于近红外光谱的烟叶整体感官质量评价方法，其特征在于，给定阈值t为0.3~0.5。

5.根据权利要求1所述的基于近红外光谱的烟叶整体感官质量评价方法，其特征在于，所述片烟样本的数量不少于20个。