[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

摘要

本发明的目的提供一种基于近红外光谱的烟叶整体感官质量评价方法，本发明利用近红外光谱对一个综合感官指标进行建模和预测，建模过程中，引入约束矩阵，即保持高得分样本与低的分样本在求解中的差异性，在约束求解的情况下，更容易发现异常的感官数据和调整模型，该模型的精度达到了实际工作所要求的精度；该模型的预测结果，对差异较大的样本有很好的区分度，更符合实际工作中的评价结果。

主权项

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分值作为感官整体感官质量的量化，N＝M+A，M大于等于1，A＝3‑5，M分表示评吸员经验中整体感官质量得分最低的烟叶样本，随整体感官质量的提升，分值相应上升；步骤4)构造约束矩阵设定阈值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感官评价值之差，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,…,xcn为遍历建模样本中任意两样本感官评价值之差大于给定阈值的两样本差谱；n为满足上述条件的差谱数量；yk为第k个样本对应的感官评价值；yl为第l个样本对应的感官评价值；t为给定的阈值；步骤5)建立模型其中，b为模型回归系数，X为光谱矩阵，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向量b:b＝[b₁,b₂,…,b_m]；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；y_p＝x_testb其中，x_test是预测样本的光谱，b是模型回归系数，y_p是预测得出的感官质量值。