[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

说明书

本发明属于烟叶烘烤过程分析技术领域，具体涉及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；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烟叶烘烤过程进行在线预测并评价预测结果；可预测烟叶烘烤过程中的关键化学成分的变化趋势，为烟叶烘烤过程的精准调节提供依据。

技术领域

本发明属于烟叶烘烤过程分析技术领域，具体涉及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。

背景技术

烘烤是决定烟叶最终品质的重要环节，目前使用的三段式烘烤方法主要通过控制不同时段的温度和湿度来协调水分和物质转化，以达到烤黄、烤干、烤香的烘烤目标。近红外光谱作为一种绿色、无损、快速的过程分析技术，能够反映烟叶内部化学成分特征，已广泛应用于烟叶烘烤过程分析。

由于受环境、气候等因素的影响，不同年份的烟叶成分信息会有所差异，对应的光谱信息也会随之变化，使得所建基于近红外光谱技术的烟叶烘烤过程成分检测模型己不适用于新样本，若直接将所建模型用于新烟叶样本的预测，可能得到非常差的预测结果或者模型失效。而对每年度重新建立一个准确、稳定的模型则需要重新收集样本，测量数据，工作量大，周期长，成本高，不符合实际使用的要求。

鉴于此，本方法采用迁移成分分析学习模型训练样本和待测样本的公共迁移成分，尽量减小不同年度烟叶光谱差异即光谱数据的不同分布，然后在此基础上构建的更新模型能够提高烘烤过程烟叶化学成分的预测准确性，模型年份校准可以提升模型的适用性和使用时间，具有重要的实际意义和应用前景。

发明内容

本发明目的是克服以上的缺点，提供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，提高模型的预测精度和应用范围，操作简单，并具有较高的稳健性等优点。可预测烟叶烘烤过程中的关键化学成分的变化趋势，为烟叶烘烤过程的精准调节提供依据。

为解决上述的技术问题，本发明采用以下技术方案：

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，具体包括如下步骤：

(1)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并测定化学成分值，具体包括：

采集烟叶光谱时，对于每个所述烟叶样本，使用光纤探头式近红外光谱仪，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，以获取稳定、平滑、准确的光谱信息，不破坏烟叶、方便快速；

使用分光光度法、气相色谱-质谱法、液相色谱法、连续流动法、固相萃取法中的一种方法获取烟叶的主要化学成分信息，包括烟叶的水分、淀粉、蛋白质和总糖。

(2)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和样本划分，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。

(3)以所述训练集光谱作为输入样本特征，以对应的所述训练集化学成分值作为样本输出标签，使用交互验证选择最佳的潜变量数，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。