[发明专利]基于近红外光谱和OPLS-DA的卷烟分类识别模型的构建方法

说明书

本发明实施例提供一种基于近红外光谱和OPLS‑DA的卷烟分类识别模型的构建方法，所述方法包括：通过选取待测样品，按照预设保养步骤对样品进行保养；对样品进行光谱扫描，得到样品的近红外光谱，将近红外光谱划分为校正集和测试集，并通过不同种类的光谱预处理方案对近红外光谱进行处理，对校正集通过OPLS‑DA分析，得到卷烟分类识别模型及校正集的识别正确率，将测试集带入所述卷烟分类识别模型，得到测试集的识别正确率，根据识别正确率确定符合预设要求的光谱预处理方案，获取符合预设要求的光谱预处理方案对应的卷烟分类识别模型。采用本方法能够提供了一种能够构建高准确率的对烟草分类识别模型的构建方法，方便后续能够更准确的识别烟草类型。

技术领域

本发明涉及烟草成分分析技术领域，尤其涉及一种基于近红外光谱和OPLS-DA的卷烟分类识别模型的构建方法。

背景技术

卷烟的风格特征是卷烟产品品质特征的重要组成部分，是卷烟品牌的核心竞争力，是区分卷烟品牌的主要标志。成品卷烟主要通过调配烟叶配方维持卷烟品牌的质量与风格特征。长期以来，卷烟品质和风格特征主要通过烟丝化学成分、主流烟气和感官质量评价等方法进行判断和鉴别。

近年来，在烟草行业，已经开始应用近红外光谱对于烟草多种化学成分含量的测定和监测等定量分析，但是，目前利用近红外光谱对于烟草进行分析时，因为烟草成分的复杂性，现在并没有确定的分析方法对烟草的成分和种类进行准确率高的判断。

发明内容

针对现有技术中存在的问题，本发明实施例提供一种基于近红外光谱和OPLS-DA的卷烟分类识别模型的构建方法。

本发明实施例提供一种基于近红外光谱和OPLS-DA的卷烟分类识别模型的构建方法，包括：

选取若干种类的待测样品，按照预设保养步骤对所述样品进行保养；

对所述样品进行光谱扫描，得到所述样品的近红外光谱；

将所述近红外光谱划分为校正集和测试集，并通过不同种类的光谱预处理方案对所述近红外光谱进行处理；

对所述校正集通过OPLS-DA分析，得到卷烟分类识别模型及所述校正集的识别正确率，将所述测试集带入所述卷烟分类识别模型，得到所述测试集的识别正确率；

根据所述校正集的识别正确率和所述测试集的识别正确率确定符合预设要求的光谱预处理方案，获取所述符合预设要求的光谱预处理方案对应的卷烟分类识别模型。

在其中一个实施例中，所述光谱预处理方案包括：

多元散射校、标准正态变量变换、一阶微分、二阶微分、Savitzky-Golay滤波器、算法组合。

在其中一个实施例中，所述方法还包括：

计算所述校正集的识别正确率和所述测试集的识别正确率的和，获取所述和最大的光谱预处理方案。

在其中一个实施例中，所述方法还包括：

将所述近红外光谱按照校正集与测试集的比例2比1的比例划分为校正集和测试集。

在其中一个实施例中，所述方法还包括：

控制所述样品的温度、含水率在对应的预设范围内，以及控制所述样品对应环境的湿度、温度在预设范围内。

在其中一个实施例中，所述方法还包括：

对所述样品进行N次光谱扫描，取所述N次光谱扫描结果的平均值作为所述样品的近红外光谱，所述N为大于1的自然数。

在其中一个实施例中，所述方法还包括：