CN107677638A - 一种基于近红外光谱技术的初烤把烟含梗率快速检测方法 - Google Patents
一种基于近红外光谱技术的初烤把烟含梗率快速检测方法 Download PDFInfo
- Publication number
- CN107677638A CN107677638A CN201710908170.3A CN201710908170A CN107677638A CN 107677638 A CN107677638 A CN 107677638A CN 201710908170 A CN201710908170 A CN 201710908170A CN 107677638 A CN107677638 A CN 107677638A
- Authority
- CN
- China
- Prior art keywords
- cigarette
- roasting
- infrared spectrum
- containing stalk
- rate containing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 235000019504 cigarettes Nutrition 0.000 title claims abstract description 109
- 238000000034 method Methods 0.000 title claims abstract description 68
- 238000002329 infrared spectrum Methods 0.000 title claims abstract description 52
- 241000208125 Nicotiana Species 0.000 claims abstract description 63
- 235000002637 Nicotiana tabacum Nutrition 0.000 claims abstract description 63
- 238000012360 testing method Methods 0.000 claims description 32
- 238000001228 spectrum Methods 0.000 claims description 25
- 230000003595 spectral effect Effects 0.000 claims description 22
- 238000002474 experimental method Methods 0.000 claims description 13
- 241001269238 Data Species 0.000 claims description 9
- 238000012937 correction Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 9
- 230000003044 adaptive effect Effects 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 6
- 239000004575 stone Substances 0.000 claims description 5
- 238000003306 harvesting Methods 0.000 claims description 4
- 238000013480 data collection Methods 0.000 claims description 3
- 238000007689 inspection Methods 0.000 claims description 3
- 241000238631 Hexapoda Species 0.000 claims description 2
- 241000607479 Yersinia pestis Species 0.000 claims description 2
- 230000001771 impaired effect Effects 0.000 claims description 2
- 238000003672 processing method Methods 0.000 claims description 2
- 238000001514 detection method Methods 0.000 abstract description 6
- 208000011580 syndromic disease Diseases 0.000 abstract 1
- 239000000523 sample Substances 0.000 description 24
- 238000004611 spectroscopical analysis Methods 0.000 description 15
- 238000004497 NIR spectroscopy Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 238000010009 beating Methods 0.000 description 3
- 239000000470 constituent Substances 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000003546 flue gas Substances 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000009659 non-destructive testing Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000009897 systematic effect Effects 0.000 description 2
- 238000010998 test method Methods 0.000 description 2
- 229920002488 Hemicellulose Polymers 0.000 description 1
- 210000003484 anatomy Anatomy 0.000 description 1
- 238000003556 assay Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229920002678 cellulose Polymers 0.000 description 1
- 239000001913 cellulose Substances 0.000 description 1
- 235000019506 cigar Nutrition 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 238000009313 farming Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 239000003205 fragrance Substances 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 229920005610 lignin Polymers 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 230000000391 smoking effect Effects 0.000 description 1
- 235000013599 spices Nutrition 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/359—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3563—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing solids; Preparation of samples therefor
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种基于近红外光谱技术的烟叶含梗率快速检测方法，该方法包括以下步骤：S1.初烤把烟样品的收集与回潮处理；S2.初烤把烟近红外光谱数据的采集；S3.初烤把烟含梗率的计算(主脉/烟叶总重)；S4.烟叶近红外光谱数据的预处理和波长选择；S5.采用偏最小二乘法建立初烤把烟含梗率模型的建立与验证。本发明的方法能够通过采集初烤把烟的近红外光谱数据，经对近红外光谱数据进行预处理和波长选择，采用偏最小二乘法建立基于近红外光谱的初烤把烟含梗率模型，经验证模型准确可靠，具有实际应用性。该发明方法能够达到快速、无损和准确测定烟叶含梗率的目的，满足初烤把烟含梗率快速检测的需求。
Description
技术领域
本发明涉及一种基于近红外光谱技术的初烤把烟含梗率快速检测方法，属于把烟含梗率检测技术领域。
背景技术
烟叶由主脉、支脉和叶片组成的，通常把烟叶的主脉统称为烟梗，含梗率是指烟叶中烟梗占有的比例。初烤把烟含梗率是一个重要的技术经济指标，与打叶复烤的出片率直接相关，通常含梗率低的烟叶，出片率高，而含梗率高的烟叶出片率低。文献“初烤烟叶含水率与含梗率研究初报”(汤朝起，潘红源，沈钢，等.中国烟草学报，2009，15(6)：61-65)、文献“烤烟含梗率研究进展”(周南，潘文杰，高维常，等.耕作与栽培，2016，3：83-85)、文献“不同类型烟草叶片含梗率和解剖结构的比较”(林凤敏，白青竹，姬文秀，等.安徽农业科学，2011，39(8)：4774-4775)等研究认为初烤烟叶含梗率存在极显著的地区性差异，不同类型、不同品种、不同年份、不同部位、不同叶片厚度烟叶的含梗率也都不同。文献“烟叶物理特性与打叶质量的关系”(吴祚友，卫盼盼，窦家宇，等.江西农业学报，2014，26(3)：73-75)、文献“烤烟物理特性与化学成分的相关及逐步回归分析”(王冬，赵铭钦，张学杰，等.中国农业大学学报，2010，15(6)：52-58)、文献“湖南烤烟物理性状比较及聚类评价”(邓小华，陈冬临，周冀衡，等.中国烟草科学，2009，30(3)：63-68)等研究表明烟片与烟梗的组织结构相差较大，烟片燃烧后的烟气质量优于烟梗燃烧后的烟气质量，表现为香气足、烟味浓、劲头大、杂气少、刺激性轻，但是若将加香加料和膨胀处理的梗丝混入烟丝又可提高卷烟的内在质量和填充力，优秀的卷烟具有适宜的烟片烟梗配比。因此，研究烟叶含梗率可为合理利用烟叶资源、指导烟叶收购、制定合理的烟片和烟梗加工工艺、优化卷烟配方和提高卷烟质量提供科学依据。
当前初烤把烟的含梗率测试方法都是根据GB/T 21136-2007国家标准采用机械方式除去烟叶的烟梗和侧梗或者从烟叶中手工撕去烟片、得到烟梗，然后再称重计算含梗率，这种测量方法存在试验时间较长、成本较高、对烟叶具有破坏性等缺点。因此，探索一种快速、准确、无损鉴定烟叶含梗率的方法具有现实意义。
发明内容
本发明要解决的技术问题是：提供一种基于近红外光谱技术的初烤把烟含梗率快速检测方法，为打叶复烤技术决策提供科学的依据。
本发明的技术方案：一种基于近红外光谱技术的初烤把烟含梗率快速检测方法，其特征在于：该方法包括以下步骤：
S1.收集初烤把烟样品，并对初烤把烟进行回潮处理获得把烟统一含水率；
S2.采集具有不同含梗率初烤把烟烟叶的近红外光谱数据；
S3.对初烤把烟按照国家标准进行含梗率试验，测试含梗率数值；
S4.利用校正集相关系数(R2)、校正标准误差(RMSEC)、验证集相关系数(Q2)和验证预测标准误差(RMSEP)这4个参数值作为检验标准确定近红外光谱预处理和波长选择方法；
S5.通过数据处理软件利用偏最小二乘法建立初烤把烟近红外光谱的含梗率测试校正集预测模型，并且对校正集预测模型进行验证，确定校正集预测模型的精确度。
优选的，上述步骤S1中收集初烤把烟样品，并对初烤把烟进行清选、回潮处理包括以下步骤：
S1.1收集初烤把烟样品，对收集的初烤把烟进行初步的清选，去除烟叶中夹杂碎烟叶以及受损、虫害和烘烤不均的烟叶；
S1.2对经清选的初烤把烟根据烤烟GB 2635-1992标准规定的初烤烟叶含水率进行回潮处理，在相对湿度16％-18％、温度25℃恒温恒湿箱中放置48h。
优选的，上述步骤S2中初烤把烟的近红外光谱数据采集：近红外光谱仪经预热后，初烤把烟试验样品数为180个，每个样品采集6个点、每个点采集3次，所有点的平均光谱为其所得光谱数据，其中120个样品光谱数据用于校正集建模，其余60个样品光谱数据作为验证集用于模型检验。
优选的，上述步骤S3中对具有初烤把烟按照国家标准进行含梗率试验，测试含梗率数值包括步骤：样品光谱数据采集完成后，对所有初烤把烟进行含梗率试验，测试烟叶含梗率，含梗率测试按照GB/T 21136-2007国家标准进行。
优选的，上述步骤S4中所述的利用校正集相关系数(R2)、校正标准误差(RMSEC)、验证集相关系数(Q2)和验证预测标准误差(RMSEP)这4个参数值作为检验标准确定近红外光谱预处理和波长选择方法包括步骤：
S4.1确定近红外光谱预处理方法：选用Savitzky-Golay平滑+多元散射校正(MSC)组合的预处理方法处理初考把烟的近红外光谱预处理；
S4.2确定近红外光谱波长选择方法：采用竞争自适应重加权采样(CARS)选择49个波长建模。
优选的，上述步骤S5中确定校正集预测模型的精确度的具体步骤如下：
S5.1利用偏最小二乘法建立初烤把烟近红外光谱的含梗率测试校正集预测模型：利用偏最小二乘法对校正集的120个样品光谱数据建立初烤把烟含梗率的近红外光谱校正集预测模型，烟叶含梗率的近红外模型的预测值和真实值之间存在良好的线性关系，获得校正集模型相关系数R2和校正集预测标准误差RMSEC值；
S5.2初烤把烟含梗率测试的近红外光谱校正集预测模型的检验：利用初烤把烟含梗率校正集预测模型对预测集60个样品光谱进行预测，获得验证集光谱相关系数Q2和验证预测标准误差RMSEP值。
本发明基于近红外光谱技术的初烤把烟含梗率测试方法，具有快速和无损的特点，其基本工作原理是利用近红外光谱能够对初烤把烟内部组成成分进行检测，虽然没有直接对烟梗进行光谱采集，但是烟叶内部组成成分如纤维素、半纤维素、木质素等成分含量与烟梗含量存在线性关系，也就是说根据不同烟叶内部组成成分存在的差异可以间接预测含梗率。
本发明的有益效果：与现有技术相比，本发明有如下效果：
1)本发明方法采用近红外光谱技术对收集的初烤把烟进行光谱数据采集、含梗率计算、光谱数据预处理以及建立模型和验证，旨在为初烤把烟含梗率的快速、无损检测提供新的方法；
2)本发明的方法对初烤把烟含梗率的快速和无损检测，不需要对初烤把烟样品进行预处理，简便高效，按照国家标准进行的含梗率测试需要数十分钟，而本发明仅需几秒到几分钟，真正能够达到快速准确的要求，特别在测试样本数量较多时，优势更加明显；
3)本发明采用光谱预处理(Savitzky-Golay平滑+多元散射校正(MSC)组合的预处理方法)和竞争自适应重加权采样以及偏最小二乘法(PLS)，能够实现检测更加精确，处理更快速，校正集模型相关系数R2能够达到0.954，校正集预测标准误差RMSEC值能够达到1.060％，相关性达到显著水平，验证集光谱相关系数Q2够达到0.935，验证预测标准误差RMSEP值够达到1.289％，其验证集相关系数较大，标准误差较小，说明验证集预测结果可信。
附图说明
图1为光谱采集位置分布示意图；
图2为不同初烤把烟原始近红外光谱曲线；
图3为Savitzky-Golay平滑+多元散射校正(MSC)预处理后进行竞争自适应重加权采样(CARS)波长选择的初烤把烟的近红外光谱曲线；
图4为初烤把烟含梗率近红外光谱预测模型。
具体实施方式
以下结合附图和实例详细描述本发明的具体实施方式，但本发明不受所述具体实施例所限。
实施例1：一种基于近红外光谱技术的初烤把烟含梗率快速检测方法，该方法包括以下步骤：
S1初烤把烟样品材料的收集和回潮
初烤把烟样品采用实际采烤的烟叶作为原材料，烟叶经过清选等工序，无受损、虫害和烘烤不均烟叶，为了使初烤把烟具有统一的含水率，将收集的烟叶样本在相对湿度16％-18％、温度25℃的恒温恒湿箱中放置48h，以使不同初烤把烟水分含量均匀一致；
S2近红外光谱数据采集
近红外光谱仪经预热正常工作后，所用烟叶试验样品数为180个，每个样品采集6个点、每个点采集3次，所有点的平均光谱为其所得光谱数据，其中120个样品光谱数据用于校正集建模，其余60个样品光谱数据用于验证集模型检验；
S3初烤把烟含梗率测试方法
样品光谱数据采集完成后，对统一含水率处理的初烤把烟进行含梗率试验，测试烟叶含梗率。含梗率试验按照GB/T 21136-2007标准进行；
S4近红外光谱数据的预处理和波长的选择
利用校正集相关系数(R2)、校正标准误差(RMSEC)、验证集相关系数(Q2)和验证预测标准误差(RMSEP)这4个参数值作为检验标准确定近红外光谱预处理和波长选择的方法：根据光谱数据图的特性，为消除光谱数据测量偏移和减少系统误差，选用各种光谱数据的预处理方法对光谱数据进行预处理，得到最佳或较优的光谱数据预处理方法；在光谱预处理方法已确定的基础上，为消除无信息或干扰波长对模型的影响，选用经典的波长选择方法对光谱进行波长选择，得到最佳或较优建模波长；
S5基于近红外光谱技术的初烤把烟含梗率模型的建立与检验
通过数据处理软件利用偏最小二乘法(PLS)建立初烤把烟近红外光谱的含梗率测试校正模型，并且利用验证集光谱数据对校正模型进行检验，通过验证集相对误差分析，确定校正模型的精确度。
为了进一步说明本发明的效果，进行如下试验，试验中利用i-Spec BWS004型便携式近红外光谱仪对初烤把烟含梗率进行测试。
实验材料：实验用初烤把烟(品种K326)。
初烤把烟清选、回潮方法：为了能够准确测定不同含梗率的初烤把烟，先要对初烤把烟进行清选，将把烟中夹杂的破损、虫蛀、烘烤不均烟叶去除，然后对清选把烟进行回潮处理统一含水率，将把烟均匀分散放置于相对湿度16％-18％、温度25℃恒温恒湿箱中回潮48h，保证把烟烟叶含水率一致且符合国家标准的规定，才能进行初烤把烟烟叶光谱的采集。
光谱采集方法：本实验采用i-Spec BWS004型便携式近红外光谱仪，波长范围900nm-1700nm，分辨率为3.5nm，扫描次数32次。采集光谱时，先将皱缩烟叶样本平整铺开于白纸上，然后用光谱标准探头垂直压紧叶面按图1所示方式进行光谱扫描，每个点采集3次；同时，在采集过程中每隔0.5h进行参比光谱采集，以保证光谱数据的可靠性，每个样品6个点的平均光谱为其所得光谱数据；当完成烟叶的光谱采集后，对其进行含梗率试验；初烤把烟烟叶光谱采集位置分布示意图见图1，初烤把烟不同烟叶的光谱数据图见图2。
含梗率试验：将初烤把烟分散均匀，按GB/T 21136-2007中技术规定条件进行。先利用小刀将每片烟叶的烟片从烟梗上小心切下来，然后用百分之一天平称量烟片和烟梗的重量，最后按照公式，含梗率＝烟梗重量/(烟片重量+烟梗重量)*100％计算烟叶含梗率。
数据处理方法：采用数据处理软件(如MATLAB)确定近红外光谱预处理和波长选择方法，建立初烤把烟光谱数据与含梗率之间的偏最小二乘法(PLS)回归模型，并利用此模型对初烤把烟含梗率进行检验和预测。
原始光谱预处理结果：为了消除测量偏移和减少系统误差，对光谱数据进行预处理，依据样本标准偏差(RMSEC)和预测标准误差(RMSEP)尽量小的原则，选择相应的处理方法，用Savitzky-Golay平滑、多元散射校正(MSC)、正交信号校正(OSC)、标准正态变量变换(SNV)、一阶导数和二阶导数等方法以及相结合进行光谱预处理，对其RMSEC和RMSEP这2个参数值进行比较分析，采用Savitzky-Golay平滑+多元散射校正(MSC)组合的预处理方法，明显优于其他预处理方法，经预处理后的光谱数据曲线见图3。
光谱波长的选择：根据预处理后的光谱数据特性，采用连续投影算法(SPA)、遗传算法(GA)、蒙托卡罗-无信息变量消除(MC-UVE)、竞争自适应重加权采样(CARS)对预处理的光谱进行波长选择，根据校正集相关系数(R2)、校正标准误差(RMSEC)、验证集相关系数(Q2)和验证预测标准误差(RMSEP)这4个参数值进行选择。精度高的模型应该具较高的R2、Q2，较低且相接近的RMSEC值和RMSEP值，即相关系数越接近1越好，标准偏差越低越好，综合这4个指标，得出光谱采用竞争自适应重加权采样(CARS)选出的49个波长建模分析结果较好，经选择的光谱波长见图3。
初烤把烟含梗率测试的近红外光谱校正集预测模型：利用偏最小二乘法(PLS)对校正集的120个样品光谱数据建立初烤把烟含梗率的近红外光谱校正集预测模型。经采用Savitzky-Golay平滑+多元散射校正(MSC)组合预处理及竞争自适应重加权采样(CARS)波长选择，建立的初烤把烟含梗率偏最小二乘模型预测值与测量值的关系曲线如图4所示，从图可以看出烟叶含梗率的近红外模型的预测值和真实值之间存在良好的线性关系，校正集模型相关系数R2＝0.954，校正集预测标准误差RMSEC值为1.060％，相关性达到显著水平。
初烤把烟含梗率测试的近红外光谱预测模型的检验结果见表1：
表1初烤把烟含梗率近红外光谱模型
| 方法 | 潜变量数 | 波长点数 | R2 | RMSEC(％) | Q2 | RMSEP(％) |
| PLS | 10 | 494 | 0.875 | 2.179 | 0.882 | 2.070 |
| SPA-PLS | 10 | 178 | 0.911 | 1.668 | 0.909 | 1.673 |
| GA-PLS | 8 | 68 | 0.928 | 1.426 | 0.913 | 1.614 |
| MC-UVE-PLS | 9 | 85 | 0.922 | 1.512 | 0.910 | 1.658 |
| CARS-PLS | 12 | 49 | 0.954 | 1.060 | 0.935 | 1.289 |
利用初烤把烟近红外光谱含梗率校正集预测模型对验证集60个样品光谱进行检验，结果表明验证集光谱相关系数Q2为0.935，验证预测标准误差RMSEP值为1.289％，其验证集相关系数较大，标准误差较小，说明验证集预测结果可信。对验证集预测值和真实值数据进行分析得到其相对误差值如表2所示，不同烟叶数据的相对误差处于0.27％-6.72％之间，验证集预测值相对误差最大值6.72％，在国家标准规定容许的最大范围内，说明初烤把烟含梗率近红外光谱模型预测结果较优。
表2初烤把烟含梗率近红外光谱模型预测相对误差
根据本发明所建立的近红外光谱技术对初烤把烟的含梗率的无损检测方法，其预测模型相对误差在国家标准规定的范围之内，表明所建立的模型具有较高的预测准确性，能够对初烤把烟的含梗率进行无损、快速和准确检测。同样利用此方法可对晾晒烟、香料烟、白肋烟、雪茄烟的含梗率进行测试。
以上所述，仅是本发明的一个实施例而已，并非对本发明作任何形式上的限制，任何未脱离本发明技术方案内容，均仍属于本发明技术方案的范围内。
Claims (6)
1.一种基于近红外光谱技术的初烤把烟含梗率快速检测方法，其特征在于：该方法包括以下步骤：
S1.收集初烤把烟样品，并对初烤把烟进行回潮处理获得把烟统一含水率；
S2.采集具有不同含梗率初烤把烟烟叶的近红外光谱数据；
S3.对初烤把烟按照国家标准进行含梗率试验，测试含梗率数值；
S4.利用校正集相关系数R2、校正标准误差RMSEC、验证集相关系数Q2和验证预测标准误差RMSEP这4个参数值作为检验标准确定近红外光谱预处理和波长选择方法；
S5.通过数据处理软件利用偏最小二乘法建立初烤把烟近红外光谱的含梗率测试校正集预测模型，并且对校正集预测模型进行验证，确定校正集预测模型的精确度。
2.根据权利要求1所述的一种基于近红外光谱技术的初烤把烟含梗率快速检测方法，其特征在于：步骤S1中收集初烤把烟样品，并对初烤把烟进行清选、回潮处理包括以下步骤：
S1.1收集初烤把烟样品，对收集的初烤把烟进行初步的清选，去除烟叶中夹杂碎烟叶以及受损、虫害和烘烤不均的烟叶；
S1.2对经清选的初烤把烟根据烤烟GB 2635-1992标准规定的初烤烟叶含水率进行回潮处理，在相对湿度16％-18％、温度25℃恒温恒湿箱中放置48h。
3.根据权利要求1所述的一种基于近红外光谱技术的初烤把烟含梗率快速检测方法，其特征在于：步骤S2中初烤把烟的近红外光谱数据采集：近红外光谱仪经预热后，初烤把烟试验样品数为180个，每个样品采集6个点、每个点采集3次，所有点的平均光谱为其所得光谱数据，其中120个样品光谱数据用于校正集建模，其余60个样品光谱数据作为验证集用于模型检验。
4.根据权利要求1所述的一种基于近红外光谱技术的初烤把烟含梗率快速检测方法，其特征在于：步骤S3中对具有初烤把烟按照国家标准进行含梗率试验，测试含梗率数值包括步骤：样品光谱数据采集完成后，对所有初烤把烟进行含梗率试验，测试烟叶含梗率，含梗率测试按照GB/T 21136-2007国家标准进行。
5.根据权利要求1所述的一种基于近红外光谱技术的初烤把烟含梗率快速检测方法，其特征在于：步骤S4中所述的利用校正集相关系数R2、校正标准误差RMSEC、验证集相关系数Q2和验证预测标准误差RMSEP这4个参数值作为检验标准确定近红外光谱预处理和波长选择方法包括步骤：
S4.1确定近红外光谱预处理方法：选用Savitzky-Golay平滑+多元散射校正组合的预处理方法处理初烤把烟的近红外光谱预处理；
S4.2确定近红外光谱波长选择方法：采用竞争自适应重加权采样选择49个波长用于建模。
6.根据权利要求1所述的一种基于近红外光谱技术的初烤把烟含梗率快速检测方法，其特征在于：步骤S5中确定校正集预测模型的精确度的具体步骤如下：
S5.1利用偏最小二乘法建立初烤把烟近红外光谱的含梗率测试校正集预测模型：利用偏最小二乘法对校正集的120个样品光谱数据建立初烤把烟含梗率的近红外光谱校正集预测模型，烟叶含梗率的近红外模型的预测值和真实值之间存在良好的线性关系，获得校正集模型相关系数R2和校正集预测标准误差RMSEC值；
S5.2初烤把烟含梗率测试的近红外光谱校正集预测模型的检验：利用初烤把烟含梗率校正集预测模型对预测集60个样品光谱进行预测，获得验证集光谱相关系数Q2和验证预测标准误差RMSEP值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710908170.3A CN107677638A (zh) | 2017-09-29 | 2017-09-29 | 一种基于近红外光谱技术的初烤把烟含梗率快速检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710908170.3A CN107677638A (zh) | 2017-09-29 | 2017-09-29 | 一种基于近红外光谱技术的初烤把烟含梗率快速检测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107677638A true CN107677638A (zh) | 2018-02-09 |
Family
ID=61137661
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710908170.3A Pending CN107677638A (zh) | 2017-09-29 | 2017-09-29 | 一种基于近红外光谱技术的初烤把烟含梗率快速检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107677638A (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109374575A (zh) * | 2018-12-20 | 2019-02-22 | 中国烟草总公司郑州烟草研究院 | 一种基于近红外光谱分析技术的烤烟烟叶底色的鉴别方法 |
| CN109374574A (zh) * | 2018-12-20 | 2019-02-22 | 中国烟草总公司郑州烟草研究院 | 一种利用近红外光谱信息鉴别烤烟烟叶蜡质感的方法 |
| CN110349153A (zh) * | 2019-07-24 | 2019-10-18 | 南京大树智能科技股份有限公司 | 基于多特征融合的图像法烟草含梗率检测方法 |
| CN110646371A (zh) * | 2019-10-25 | 2020-01-03 | 陕西中烟工业有限责任公司 | 一种烟用香精香料含水量的测定方法 |
| CN110866221A (zh) * | 2019-12-04 | 2020-03-06 | 贵州中烟工业有限责任公司 | 一种打叶复烤数据准确性的检测方法 |
| CN111007040A (zh) * | 2019-12-27 | 2020-04-14 | 黑龙江八一农垦大学 | 大米食味品质近红外光谱快速评价方法 |
| CN111165855A (zh) * | 2020-02-11 | 2020-05-19 | 贵州中烟工业有限责任公司 | 一种片烟皱缩率控制方法 |
| CN111652419A (zh) * | 2020-05-26 | 2020-09-11 | 江苏中烟工业有限责任公司 | 打叶复烤后烟叶中含梗率的预测方法及打叶复烤工艺 |
| CN112683730A (zh) * | 2021-01-22 | 2021-04-20 | 江苏中烟工业有限责任公司 | 基于理论密度值的箱内片烟密度预测模型建立方法及装置 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1888860A (zh) * | 2006-07-24 | 2007-01-03 | 中国林业科学研究院木材工业研究所 | 植物纤维材料中化学成分含量模型的建立和含量测定方法 |
| CN103278113A (zh) * | 2013-02-27 | 2013-09-04 | 中国林业科学研究院木材工业研究所 | 一种非接触式快速测定木材表面粗糙度的方法 |
| CN104596877A (zh) * | 2015-01-07 | 2015-05-06 | 云南昆船设计研究院 | 一种烟叶中含梗率的无损检测方法和装置 |
-
2017
- 2017-09-29 CN CN201710908170.3A patent/CN107677638A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1888860A (zh) * | 2006-07-24 | 2007-01-03 | 中国林业科学研究院木材工业研究所 | 植物纤维材料中化学成分含量模型的建立和含量测定方法 |
| CN103278113A (zh) * | 2013-02-27 | 2013-09-04 | 中国林业科学研究院木材工业研究所 | 一种非接触式快速测定木材表面粗糙度的方法 |
| CN104596877A (zh) * | 2015-01-07 | 2015-05-06 | 云南昆船设计研究院 | 一种烟叶中含梗率的无损检测方法和装置 |
Non-Patent Citations (6)
| Title |
|---|
| 《化工百科全书》编辑委员会: "《"化工百科全书 第18卷 锌和锌合金－硬质合金》", 30 September 1998, 化学工业出版社 * |
| 中华人民共和国国家质量监督检验检疫总局，中国国家标准化管理委员会: ""打叶烟叶 叶中含梗率的测定"", 《中华人民共和国国家标准》 * |
| 付秋娟: ""应用近红外技术分析烤烟主要物理指标的研究"", 《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》 * |
| 国家技术监督局: ""烤烟"", 《中华人民共和国国家标准》 * |
| 孙俊: "《光谱技术在农作物 农产品信息无损检测中的应用》", 30 June 2017, 东南大学出版社 * |
| 许建营: "《烟草工艺与调香技术》", 31 August 2007, 中国纺织出版社 * |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109374575A (zh) * | 2018-12-20 | 2019-02-22 | 中国烟草总公司郑州烟草研究院 | 一种基于近红外光谱分析技术的烤烟烟叶底色的鉴别方法 |
| CN109374574A (zh) * | 2018-12-20 | 2019-02-22 | 中国烟草总公司郑州烟草研究院 | 一种利用近红外光谱信息鉴别烤烟烟叶蜡质感的方法 |
| CN110349153A (zh) * | 2019-07-24 | 2019-10-18 | 南京大树智能科技股份有限公司 | 基于多特征融合的图像法烟草含梗率检测方法 |
| CN110646371A (zh) * | 2019-10-25 | 2020-01-03 | 陕西中烟工业有限责任公司 | 一种烟用香精香料含水量的测定方法 |
| CN110866221A (zh) * | 2019-12-04 | 2020-03-06 | 贵州中烟工业有限责任公司 | 一种打叶复烤数据准确性的检测方法 |
| CN111007040A (zh) * | 2019-12-27 | 2020-04-14 | 黑龙江八一农垦大学 | 大米食味品质近红外光谱快速评价方法 |
| CN111007040B (zh) * | 2019-12-27 | 2020-10-23 | 黑龙江八一农垦大学 | 大米食味品质近红外光谱快速评价方法 |
| CN111165855A (zh) * | 2020-02-11 | 2020-05-19 | 贵州中烟工业有限责任公司 | 一种片烟皱缩率控制方法 |
| CN111165855B (zh) * | 2020-02-11 | 2021-09-28 | 贵州中烟工业有限责任公司 | 一种片烟皱缩率控制方法 |
| CN111652419A (zh) * | 2020-05-26 | 2020-09-11 | 江苏中烟工业有限责任公司 | 打叶复烤后烟叶中含梗率的预测方法及打叶复烤工艺 |
| CN112683730A (zh) * | 2021-01-22 | 2021-04-20 | 江苏中烟工业有限责任公司 | 基于理论密度值的箱内片烟密度预测模型建立方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107677638A (zh) | 一种基于近红外光谱技术的初烤把烟含梗率快速检测方法 | |
| RU2541148C1 (ru) | Способ измерения заполняющей способности | |
| Zhang et al. | Rapid determination of leaf water content using VIS/NIR spectroscopy analysis with wavelength selection | |
| Rouphael et al. | Modeling individual leaf area of rose (Rosa hybrida L.) based on leaf length and width measurement | |
| CN102879353B (zh) | 近红外检测花生中蛋白质组分含量的方法 | |
| CN104792722A (zh) | 一种沉香含油率近红外光谱预测模型的建立 | |
| CN103278473B (zh) | 白胡椒中胡椒碱及水分含量的测定和品质评价方法 | |
| WO2021138941A1 (zh) | 一种基于拉曼光谱技术的鸡蛋新鲜度无损检测方法 | |
| CN103018195A (zh) | 近红外光谱测定pbx炸药中pctfe含量的方法 | |
| CN104255118B (zh) | 基于近红外光谱技术的水稻种子发芽率快速无损测试方法 | |
| CN108051410A (zh) | 一种基于激光诱导击穿光谱技术的烟草根部镉含量快速检测方法 | |
| CN104596975A (zh) | 近红外漫反射光谱技术测定造纸法再造烟叶木质素的方法 | |
| CN104596979A (zh) | 近红外漫反射光谱技术测定造纸法再造烟叶纤维素的方法 | |
| CN105138834A (zh) | 基于近红外光谱波数k均值聚类的烟草化学值定量方法 | |
| CN102313712A (zh) | 一种纤维类物料不同分光方式近红外光谱差异的校正方法 | |
| CN114088661B (zh) | 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 | |
| Li et al. | Rapid prediction of acid detergent fiber content in corn stover based on NIR-spectroscopy technology | |
| CN103245625A (zh) | 一种烤烟鲜烟叶成熟度的无损检测方法 | |
| Estopa et al. | NIR spectroscopic models for phenotyping wood traits in breeding programs of Eucalyptus benthamii | |
| Gorla et al. | Unravelling error sources in miniaturized NIR spectroscopic measurements: The case study of forages | |
| CN104596980A (zh) | 近红外漫反射光谱技术测定造纸法再造烟叶热水可溶物的方法 | |
| CN104316492A (zh) | 近红外光谱测定马铃薯块茎中蛋白质含量的方法 | |
| CN104596976A (zh) | 近红外漫反射光谱技术测定造纸法再造烟叶蛋白质的方法 | |
| CN104132904B (zh) | 一种测定烟叶燃烧性的方法 | |
| CN109540837A (zh) | 近红外快速检测苎麻叶片木质纤维素含量的方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180209 |