[发明专利]一种基于迁移学习和近红外光谱的烟叶烘烤过程化学成分在线预测方法

权利要求书

1.一种基于迁移学习和近红外光谱的烟叶烘烤过程化学成分在线预测方法，其特征在于：包括如下步骤：

获取烟叶烘烤过程中的烟叶光谱；

获取所述烟叶的化学成分值，所述化学成分值包括水分、淀粉、蛋白质和总糖；将所述烟叶光谱和烟叶烘烤化学成分构建预测模型；

利用迁移成分分析方法最小化训练集烟叶样本与待预测特征数据集之间的差异，采用偏最小二乘算法对迁移成分分析方法处理后的数据进行多次迭代训练烘烤过程烟叶化学成分预测模型；

利用更新后的新模型对烘烤过程烟叶化学成分进行在线预测并评价预测结果。

2.根据权利要求1所述的一种基于迁移学习和近红外光谱的烟叶烘烤过程化学成分在线预测方法，其特征在于：根据烟叶烘烤过程中的已知烟叶样本的光谱及对应的烟叶的化学成分值建立所述烟叶烘烤过程化学成分预测模型，具体包括：

在烟叶烘烤过程中按预定时间间隔采集烟叶样本；

采集所述烟叶样本的光谱；

测定所述烟叶样本的化学成分值；

以所述光谱作为输入样本特征，以对应的所述化学成分值作为样本输出标签，通过偏最小二乘方法分别建立所述水分、淀粉、蛋白质和总糖对应的所述烟叶烘烤化学成分预测模型。

3.根据权利要求2所述的一种基于迁移学习和近红外光谱的烟叶烘烤过程化学成分在线预测方法，其特征在于：在建立所述烟叶烘烤化学成分预测模型前，对采集的所述烟叶样本的光谱进行预处理，具体包括：

采用多项式平滑法对所述光谱进行平滑处理；

采用滤波法对所述光谱进行滤波处理；

使用Kennard-Stone样本划分方法选择所有样本的80％作为训练集，剩下的20％作为验证集；

使用交互验证选择最佳的光谱潜变量。

4.根据权利要求2所述的一种基于迁移学习和近红外光谱的烟叶烘烤过程化学成分在线预测方法，其特征在于：采集烟叶光谱时，对于每个所述烟叶样本分别采集一条近红外光谱，在采集时要避开叶脉，将光纤探头垂直紧贴烟叶叶面测量光谱。

5.根据权利要求1所述的一种基于迁移学习和近红外光谱的烟叶烘烤过程化学成分在线预测方法，其特征在于：所述迁移学习方法为迁移成分分析方法。

6.根据权利要求5所述的一种基于迁移学习和近红外光谱的烟叶烘烤过程化学成分在线预测方法，其特征在于：采用基于特征表示的方法对光谱数据进行迁移，在初始模型训练集与目标测试集光谱之间寻找适当的共同描述。

7.根据权利要求6所述的一种基于迁移学习和近红外光谱的烟叶烘烤过程化学成分在线预测方法，其特征在于：同时对初始模型训练集与目标测试集光谱残差特征进行特征映射，分别得到光谱数据边缘分布差异在误差范围内的处理后初始模型训练集光谱残差特征和处理后目标测试集光谱残差特征，基于所有处理后初始模型训练集光谱残差特征训练得到烘烤过程烟叶化学成分预测模型。

8.根据权利要求1所述的一种基于迁移学习和近红外光谱的烟叶烘烤过程化学成分在线预测方法，其特征在于：利用更新后的新模型对烟叶烘烤过程进行在线预测并评价预测结果，具体包括：

在线采集所述烘烤过程中待测烟叶样本的光谱并进行预处理；

测定所述烘烤过程中待测烟叶样本的化学成分值；

利用更新后的新模型对烘烤过程待测烟叶样本进行在线预测并评价预测结果。