[发明专利]一种基于多模型加权平均的酒醅近红外光谱建模方法

说明书

本发明涉及近红外光谱检测技术，为了提升酒醅近红外光谱模型的稳定性及预测准确率，提供了一种基于多模型加权平均的酒醅近红外光谱建模方法，包括：1、获取光谱原数据并进行数据集划分：将光谱原数据整体作为训练集T₁；将光谱原数据随机划分为训练集T₂、验证集V₂；将光谱原数据中临近预测集采集时间的A个数据作为验证集V₃，剩余样本做为训练集T₃；2、对划分后的数据分别进行预处理；3、对预处理后的训练集数据分别采用PLS建模；4、设置模型评价指标；5、根据模型评价指标进行模型筛选并保存最优模型及对应的建模参数；6、计算三种模型对应的加权值；7、根据加权值重新建模并保存。采用上述方式提升了模型的稳定性及预测准确率。

技术领域

本发明涉及近红外光谱检测技术领域，具体是一种基于多模型加权平均的酒醅近红外光谱建模方法。

背景技术

传统固态白酒酿造过程是一个典型的酿酒微生物群落共生、共酵、代谢调控的过程，酒糟成分配比是整个酿酒生产系统运行控制的关键因子，对最终产品的品质有着极为重要和关键的影响。白酒酒醅的理化分析，作为酿酒企业重要的质量控制手段，其结果对于酿酒生产指导、酒醅配料调整、质量控制有着不可替代的作用。但是传统的理化分析方法存在检测方法落后、工作量大、耗时长、耗费人力多、结果反馈不及时等诸多问题，成为了困扰整个行业的技术难点，制约着其在大规模生产中的进一步应用。从2003年开始，各大白酒企业逐渐引进国外大型的傅里叶变换近红外光谱设备用于酒醅的分析，但分析近20年以来用于酒醅检测的近红外光谱应用发现，这些设备仅局限于完成实验室酒醅样本的抽检工作，且操作专业复杂，同时这些设备对工作环境的温度、湿度、抗震等有严格的要求，这就造成了其无法用于生产现场的大面积推广应用。

随着微机电技术的发展，近几年，便携式光谱仪被广泛应用于食品、饮料、医药、煤炭等各个领域，相较于传统的大型光谱分析系统，其具有结构简单、成本低廉、携带方便、结果实时可见等优势，目前已成为光谱领域的热门产品。但其自身也存在一定的不足，如稳定性、运行效率、准确率等仍与传统的实验室大型设备有一定的差距，需在硬件、算法等方面加以不断优化。尤其是针对酒醅样品，鉴于其固液混合的物理形态，同时随着环境的变化，时间的推移，其处于一种持续不断发酵的变化状态中，故通过便携式近红外光谱仪采集的光谱数据，很容易受各种因素的干扰，模型预测的准确率波动较大，无法批量大面积地应用于产线上。

发明内容

为了提升酒醅近红外光谱模型的稳定性及预测准确率，本发明提供了一种基于多模型加权平均的酒醅近红外光谱建模方法。

本发明解决上述问题所采用的技术方案是：

一种基于多模型加权平均的酒醅近红外光谱建模方法，包括：

步骤1、获取光谱原数据并进行数据集划分：将光谱原数据整体作为训练集T₁；将光谱原数据随机划分为训练集T₂、验证集V₂；将光谱原数据中临近预测集采集时间的A个数据作为验证集V₃，剩余样本作为训练集T₃；

步骤2、对步骤1中经过数据集划分后的3组数据分别进行至少两种预处理；

步骤3、对预处理后的训练集数据T₁、T₂、T₃分别采用PLS建模；

步骤4、设置模型评价指标；

步骤5、根据模型评价指标进行模型筛选并保存最优模型及对应的建模参数；

步骤6、根据建模参数分别计算三种模型对应的加权值；

步骤7、根据加权值重新建模并保存。

进一步地，所述步骤2中数据预处理的方法包括：高斯平滑、高斯求导、SG平滑法、去趋势及标准化。