CN108181263B - 基于近红外光谱的烟叶部位特征提取及判别方法 - Google Patents
基于近红外光谱的烟叶部位特征提取及判别方法 Download PDFInfo
- Publication number
- CN108181263B CN108181263B CN201711468187.8A CN201711468187A CN108181263B CN 108181263 B CN108181263 B CN 108181263B CN 201711468187 A CN201711468187 A CN 201711468187A CN 108181263 B CN108181263 B CN 108181263B
- Authority
- CN
- China
- Prior art keywords
- sample
- samples
- leaf
- tobacco
- spectrum
- 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.)
- Active
Links
- 235000002637 Nicotiana tabacum Nutrition 0.000 title claims abstract description 54
- 238000002329 infrared spectrum Methods 0.000 title claims abstract description 19
- 238000000605 extraction Methods 0.000 title claims abstract description 12
- 238000012850 discrimination method Methods 0.000 title claims abstract description 7
- 244000061176 Nicotiana tabacum Species 0.000 title 1
- 241000208125 Nicotiana Species 0.000 claims abstract description 53
- 238000000034 method Methods 0.000 claims abstract description 30
- 238000001228 spectrum Methods 0.000 claims abstract description 28
- 238000005070 sampling Methods 0.000 claims abstract description 19
- 239000011159 matrix material Substances 0.000 claims abstract description 15
- 239000006185 dispersion Substances 0.000 claims description 6
- 238000009795 derivation Methods 0.000 claims description 4
- 238000012937 correction Methods 0.000 claims description 3
- 238000009499 grossing Methods 0.000 claims description 2
- 238000007781 pre-processing Methods 0.000 abstract description 7
- 238000012216 screening Methods 0.000 abstract description 3
- 238000012545 processing Methods 0.000 description 7
- 239000000126 substance Substances 0.000 description 6
- 238000004519 manufacturing process Methods 0.000 description 5
- 230000003595 spectral effect Effects 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 239000003205 fragrance Substances 0.000 description 3
- 230000000638 stimulation Effects 0.000 description 3
- 238000001134 F-test Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000002790 cross-validation Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000010239 partial least squares discriminant analysis Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- SNICXCGAKADSCV-JTQLQIEISA-N (-)-Nicotine Chemical compound CN1CCC[C@H]1C1=CC=CN=C1 SNICXCGAKADSCV-JTQLQIEISA-N 0.000 description 1
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 1
- 238000004566 IR spectroscopy Methods 0.000 description 1
- 238000004497 NIR spectroscopy Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 229960002715 nicotine Drugs 0.000 description 1
- SNICXCGAKADSCV-UHFFFAOYSA-N nicotine Natural products CN1CCCC1C1=CC=CN=C1 SNICXCGAKADSCV-UHFFFAOYSA-N 0.000 description 1
- 150000002894 organic compounds Chemical class 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 230000000391 smoking effect Effects 0.000 description 1
- 238000004611 spectroscopical analysis Methods 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 235000019505 tobacco product Nutrition 0.000 description 1
Images
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
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)
- Manufacture Of Tobacco Products (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的烟叶部位特征提取及判别方法，包括如下步骤：提供K个烟叶样品，在近红外光谱仪上采集其样品光谱并进行预处理；执行N次抽样，计算抽取样本中每个波数点与部位的相关性p及每个波数点样本的同部位内与部位间距离比d；记录N次抽样后的相关性矩阵P及距离矩阵D，计算P与D的平均值及标准差Pm、Ps、Dm、Ds；给定阈值t1、t2、t3，确定满足阈值条件的波数点；合并满足条件的波数点作为特征点，利用特征点的光谱与部位标签进行建模；采集待测样本的近红外光谱，利用建立的模型进行预测，判断待测样本的烟叶部位。本发明通过筛选光谱中与烟叶部位相关的特征波数点建模，实现对同一产地烟叶的部位识别。
Description
技术领域
本发明属于烟叶加工检测技术领域，具体涉及一种基于近红外光谱的烟叶部位特征提取及判别方法。
背景技术
部位是衡量烟叶品质最重要的属性。不同的烟叶部位其物理特性、化学成分以及评吸特性等都有较大差异。一般而言，烟叶被分为上部，中部及下部叶。中部叶香气量足，劲头适中，杂气刺激较低，品质最高；上部叶香气量足，劲头偏大，刺激偏大；下部叶香气量较低，刺激偏低。烟叶部位的差异会导致品质的巨大差异，因此，在烟叶加工中，部位的符合度是最重要的关注指标之一。王传义等(一种烤烟部位判定方法申请公布号：CN104432458A)提出一种烤烟部位的判定方法，通过测量法直接测定不同烟叶的性状特征，计算出叶片的部位标度值，然后根据标度值的大小来判定烟叶生长部位，把烟叶准确分为下部叶、中部叶和上部叶三个部位。然而，该方法需要人工测量，记录，无法适用于在线监控，其判定准确性也随烟叶等级的复杂度提高而降低。
红外光谱因其快速、准确和无损而被广泛应用于工业领域。光谱多元校正技术能够有效地用于物质成分含量检测和在线过程监测。近红外光谱主要是对含氢基团振动的倍频和合频吸收，其中包含了大多数类型有机化合物的组成信息，与烟叶化学成分关联的信息非常丰富，因此利用近红外光谱对烟叶部位进行预测，可以节约大量人力成本，快速，客观的反映加工中烟叶部位的波动情况。杨凯等(杨凯,蔡嘉月,张朝平,等.应用近红外光谱投影模型法分析烟叶的部位特征[J].光谱学与光谱分析,2014,34(12):3277-3280.)提出应用投影模型法分析烟叶的部位，利用近红外光谱结合主成分分析及Fisher判别准则，对18个产区的烟叶部位进行识别，张鑫等(张鑫,郭佳,倪力军,等.基于红外与近红外光谱的烟叶部位识别[C]//全国近红外光谱学术会议.2006.)研究了红外与近红外光谱的烟叶部位识别方法，给出了优化的光谱预处理步骤。
但是现有的方法对部位的检测精度较低，无法满足在线识别烟叶部位的需求。烟叶实际加工中一般为同一省份不同等级烟叶，其部位特征较为接近，上述研究中仅对光谱全谱进行建模，对相同产地烟叶样本的部位预测较差，不能满足实际生产的检测精度。
发明内容
针对上述问题，提出一种部位特征的提取方法和部位判别方法，通过筛选光谱中与烟叶部位相关的特征波数点建模，实现对同一产地烟叶的部位识别。
一种基于近红外光谱的烟叶部位特征提取及判别方法，包括如下步骤：
(1)提供K个烟叶样品，在近红外光谱仪上采集其样品光谱；
(2)对步骤(1)所采集的光谱进行预处理；
(3)执行N次抽样，每次在K个样品中随机抽取L个，计算抽取样本中每个波数点与部位的相关性p及每个波数点样本的同部位内与部位间距离比d；
(4)记录N次抽样后的相关性矩阵P及距离矩阵D，计算P与D的平均值及标准差Pm、Ps、Dm、Ds；
(5)给定阈值t1、t2、t3，确定满足阈值条件的波数点；
(6)将满足阈值条件的波数点合并，作为特征点，利用特征点的光谱，与部位标签进行建模；
(7)采集待测样本的近红外光谱，利用步骤(6)建立的模型对待测样本的近红外光谱进行预测，判断待测样本的烟叶部位。
本发明通过对光谱的各个波数点进行筛选，提取能够反映烟叶部位的特征点，并利用这些特征点对烟叶部位进行识别，从而监控烟叶加工中原料烟叶部位的稳定性及波动程度，为及时发现问题，提高产品质量提供保障。
优选地，步骤(1)中的烟叶样品为选后单等级样本，每个样本有确切的部位标签，其中，上部叶赋值为1，中部叶赋值为2，下部叶赋值为3。
预处理方法是为了消除光谱中的散射及其它干扰，优选地，步骤(2)中所述预处理方法为平滑，1阶导，2阶导或标准正态校正。进一步优选地，采用，标准正态校正(StandardNormal Variate,SNV)。
优选地，步骤(3)中每次抽样的抽取比例为样本总数的70％-80％，每次抽取的样本中不同部位的样本占比与原有样本中的部位占比保持一致。可以通过在每个部位中分别抽样的方式来实现。
优选地，步骤(3)中的p为皮尔逊相关系数，p(i,j)＝abs(corr(XiL(:,j),Y)),其中p(i,j)表示第i次抽样中第j个波数，XiL(:,j)表示该次抽样中样品光谱的第j列，Y代表部位标签，其标签赋值见步骤1。
优选地，步骤(3)中的距离比d定义为：Sb/Sw；假设样本矩阵X中包含c类样本，每类中包含nk(k＝1；2；:::；c)个样本,
代表第k类中的第i个样本。每一类的均值为μ(k)(k＝1；2；:::；c)，总体均值为μ，首先定义样本的类内离散度矩阵Sw和类间离散度矩阵Sb如下：
优选地，步骤(4)中的P、D均为N行M列，M为光谱的波数点数目。
优选地，根据权利要求1所述烟叶部位特征提取及判别方法，其特征在于，步骤(5)中的的阈值条件为Pm+Ps<t1,Pm+Ps>t2,Dm-Ds>t3，其中t1<0,t2>0,t3>0.
优选地，步骤(6)中的建模方法为偏最小二乘，其中，X为选择特征点后的光谱，Y为部位标签。潜变量数由交叉验证误差与F检验确定，该数据中，模型潜变量数为10。
优选地，步骤(7)中新样本的光谱与建模样本进行相同的预处理和特征选择，步骤(7)中新样本的部位判别依据为：记预测值为yp,yp<＝1.5为上部叶，1.5<yp<2.5,为中部叶，yp>＝2.5为下部叶。
本发明方法具有如下特点：
(1)部位模型中的特征选择是运用多次抽样-分析-统计的方式得出的。通过多次抽样可以更好的刻画样本的整体分布，这与现有方法中不进行抽样，直接运用整体数据分析的方案不同。
(2)部位模型中的特征选择，在多次抽样的基础上，利用建模数据的部位相关性和类内类间距离共同刻画样本的部位特征。现有方法中未发现特征提取这一步骤。
(3)在特征提取的基础上，本方法通过PLS方法定量给出部位值，并与标签值对比，确定最终的部位。量化的部位值不仅给出样本的部位，还能体现出该样本与标准部位间的差异性，例如预测值为2.4的样本为中部叶(中部叶标准标签值为2，下部叶标准标签值为3)，但该样本偏下部。这比现有方法仅预测部位属性更具体更精确。
相比人工识别，测量等方法，利用近红外光谱可以更快速的对大批次样本进行部位分析，从而能满足实际生产中对识别效率的要求。在利用近红外光谱进行建模时，分别运用了多次抽样及特征提取的方式来进行光谱中部位特征的提取，然后再进行部位识别。可以看出，这种方式比现有技术的识别正确率更高，面对不同时间，批次的样本，模型的稳定性更好。
附图说明
图1是训练集样本光谱图。
图2是多次抽样下波数与部位间的相关性示意图。
图3是多次抽样下波数与部位间的距离度量图。
图4是波数与部位间的相关性均值，上下限及阈值示意图。
图5是波数与部位间的距离度量均值，上下限及阈值示意图。
图6是部位特征点图(柱状区域为选取的部位特征)。
具体实施方式
下面将对本发明实施例中的技术方案进行清楚、完整地描述，本发明的保护范围不受实施例的限制，本发明的保护范围由权利要求书决定。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例1
(1)选取福建产区2015-2016年的各等级原烟样本452个。取样后将样本按照烟草行业标准《YC/T 31-1996烟草及烟草制品试样的制备和水分测定烘箱法》制备成粉末样本(将烟叶置于烘箱中，40℃下干燥4h，用旋风磨(FOSS)磨碎过40目筛)，密封平衡1d后进行光谱测量，训练集样本光谱图如图1所示。
(2)对步骤(1)中的获取光谱进行标准正态校正处理。
(3)执行500次抽样，每次在452个样品中随机抽取316个(70％)，每次抽取时保证样本中的部位比例与原始样本集一致。计算抽取样本中每个波数点与部位的相关性p及每个波数点样本的同部位内/部位间距离比d。
p为皮尔逊相关系数，p(i,j)＝abs(corr(XiL(:,j),Y)),其中p(i,j)表示第i次抽样中第j个波数，XiL(:,j)表示该次抽样中样品光谱的第j列，Y代表部位标签，部位标签：上部叶赋值为1，中部叶赋值为2，下部叶赋值为3。其标签赋值见步骤1。
距离比d定义为：Sb/Sw；假设样本矩阵X中包含c类样本，每类中包含nk(k＝1；2；:::；c)个样本,
代表第k类中的第i个样本。每一类的均值为μ(k)(k＝1；2；:::；c)，总体均值为μ，首先定义样本的类内离散度矩阵Sw和类间离散度矩阵Sb如下：
多次抽样下波数与部位间相关性如图2所示，多次抽样下波数与部位间的距离度量如图3所示。
(4)统计500次抽样中相关性p与距离d的平均值。分别给出相应的阈值，仅选取相关性大于t1(p>0)和相关性小于t2(p<0)，及d>t3的谱段。波数与部位间的相关性如图4所示，波数与部位间的距离度量图如图5所示。
(5)合并由步骤4中选取的谱段，作为部位特征点，如图6所示。
(6)利用PLS-DA(偏最小二乘-判别分析)法对提取特征后的光谱与部位信息建模，其中，部位标签为上部叶：1，中部叶：2，下部叶：3。PLS算法为非线性迭代偏最小二乘算法(Nonlinear Iterative PArtial Least Squares，NIPALS)。潜变量数由交叉验证误差与F检验确定，该数据中，模型潜变量数为10。将模型计算的部位值与上中下部的标签值进行比较，将该样本的部位判别为与标签值最接近的部位。
(7)选取不同年份间福建地区的4批光谱样本，分别按照上述步骤进行光谱预处理和特征提取，处理后的光谱带入模型进行部位判定，新样本的部位判别依据为：yp<＝1.5为上部叶，1.5<yp<2.5为中部叶，yp>＝2.5为下部叶，结果如表1：
表1
(9)统计识别错误的样本，发现主要集中在C2FB2，C3FB2(中部叶挑选出的上部叶)预测为中部，C2FC4 C3FC4(中部叶挑选出的C4)预测为下部。即预测错误样本多预测为相邻部位，没有发现跨部位预测错误(上部叶预测为下部叶或者下部叶预测为上部叶)，说明该方法的有效性。
(10)表2给出了预测本方法预测出现问题的样本统计。对这些样本的化学值进行分析，发现预测中偏中的样本较偏上的样本烟碱较低，总糖含量较高，说明了预测结果具有一定的合理性。
表2
本发明提出的利用近红外光谱预测烟叶部位的方法，相比人工鉴定，该方法的客观性和结果的一致性良好，同时，由化学物质分析，该方法的识别具有一定的物质支撑，其结果对烟叶后续的生产加工具有一定的指导意义。
Claims (2)
1.一种基于近红外光谱的烟叶部位特征提取及判别方法，其特征在于，包括如下步骤：
(1)提供K个烟叶样品，在近红外光谱仪上采集其样品光谱，所述烟叶样品为选后单等级样本，每个样本有确切的部位标签，其中，上部叶赋值为1，中部叶赋值为2，下部叶赋值为3；
(2)对步骤(1)所采集的样品光谱进行平滑、1阶导、2阶导或标准正态校正预处理；
(3)执行N次抽样，每次在K个样品中随机抽取L个，计算抽取样本中每个波数点与部位的相关性p及每个波数点样本的同部位内与部位间距离比d，其中，p为皮尔逊相关系数，p(i,j)＝abs(corr(XiL(:,j),Y)),其中p(i,j)表示第i次抽样中第j个波数的皮尔逊相关系数，XiL(:,j)表示该次抽样中样品光谱的第j列，Y代表部位标签；距离比d定义为：Sb/Sw；假设样本矩阵X中包含c类样本，每类中包含nk个样本,k＝1,2,…,c，xi (k)代表第k类中的第i个样本，每一类的均值为μ(k)，k＝1,2,…,c，总体均值为μ，首先定义样本的类内离散度矩阵Sw和类间离散度矩阵Sb如下：
(4)记录N次抽样后的相关性矩阵P及距离矩阵D，计算P与D的平均值Pm和Dm，P与D的标准差Ps和Ds；P、D均为N行M列，M为光谱的波数点数目；
(5)给定阈值t1、t2、t3，确定满足阈值条件的波数点，所述阈值条件为Pm+Ps<t2，Pm+Ps>t1，Dm-Ds>t3，其中t1<0，t2>0,，t3>0；
(6)将满足阈值条件的波数点合并，作为特征点，以选择特征点的光谱为X，以部位标签为Y，进行偏最小二乘建模；
(7)采集待测样本的近红外光谱，对待测样本的近红外光谱按照步骤(2)～(6)的过程得到特征点，利用步骤(6)建立的模型对待测样本的特征点进行预测，记预测的部位值为yp，则yp<＝1.5为上部叶，1.5<yp<2.5,为中部叶，yp>＝2.5为下部叶。
2.根据权利要求1所述烟叶部位特征提取及判别方法，其特征在于，步骤(3)中每次抽样的抽取比例为样本总数的70％-80％，每次抽取的样本中不同部位的样本占比与原有样本中的部位占比保持一致。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711468187.8A CN108181263B (zh) | 2017-12-29 | 2017-12-29 | 基于近红外光谱的烟叶部位特征提取及判别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711468187.8A CN108181263B (zh) | 2017-12-29 | 2017-12-29 | 基于近红外光谱的烟叶部位特征提取及判别方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108181263A CN108181263A (zh) | 2018-06-19 |
| CN108181263B true CN108181263B (zh) | 2021-01-12 |
Family
ID=62548640
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711468187.8A Active CN108181263B (zh) | 2017-12-29 | 2017-12-29 | 基于近红外光谱的烟叶部位特征提取及判别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108181263B (zh) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109324016A (zh) * | 2018-10-17 | 2019-02-12 | 浙江中烟工业有限责任公司 | 一种复烤片烟香型风格的判定方法 |
| 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 |
| CN110163276B (zh) * | 2019-05-15 | 2021-03-26 | 浙江中烟工业有限责任公司 | 一种近红外光谱建模样本的筛选方法 |
| CN110210005A (zh) * | 2019-06-11 | 2019-09-06 | 浙江中烟工业有限责任公司 | 一种无参考值的光谱波数选择方法 |
| CN110160985B (zh) * | 2019-06-19 | 2021-11-30 | 红云红河烟草(集团)有限责任公司 | 一种调校在线化学成分检测仪检测烟碱含量的方法 |
| CN110736718B (zh) * | 2019-10-16 | 2022-07-19 | 浙江中烟工业有限责任公司 | 一种烤烟烟丝的产地及等级识别方法 |
| CN111735807A (zh) * | 2020-07-14 | 2020-10-02 | 征图新视(江苏)科技股份有限公司 | 基于libs对大叶农作物部位以及油份的在线检测方法 |
| CN113124784B (zh) * | 2021-03-17 | 2022-08-05 | 红塔烟草(集团)有限责任公司 | 一种基于激光扫描共聚焦技术的初烤烟部位判定方法 |
| CN114034657B (zh) * | 2021-11-03 | 2024-01-09 | 浙江中烟工业有限责任公司 | 基于光谱特征参量融合和概率分类的烟叶部位判别方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102221534A (zh) * | 2011-05-27 | 2011-10-19 | 中国人民解放军总后勤部油料研究所 | 一种快速识别发动机燃料种类的中红外光谱方法 |
| CN103927438A (zh) * | 2014-04-11 | 2014-07-16 | 中国科学院重庆绿色智能技术研究院 | 基于连续投影算法的近红外波长变量选择方法 |
| CN104374738A (zh) * | 2014-10-30 | 2015-02-25 | 中国科学院半导体研究所 | 一种基于近红外提高鉴别结果的定性分析方法 |
| CN104374737A (zh) * | 2014-10-30 | 2015-02-25 | 中国科学院半导体研究所 | 一种近红外定性鉴别方法 |
| CN104616022A (zh) * | 2015-01-13 | 2015-05-13 | 浙江科技学院 | 一种近红外光谱的分类方法 |
| CN106226265A (zh) * | 2016-07-28 | 2016-12-14 | 浙江工业大学 | 基于光谱分析的生物炭炭化温度快速鉴别方法 |
| CN106918567A (zh) * | 2017-03-27 | 2017-07-04 | 中南大学 | 一种测量痕量金属离子浓度的方法和装置 |
-
2017
- 2017-12-29 CN CN201711468187.8A patent/CN108181263B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102221534A (zh) * | 2011-05-27 | 2011-10-19 | 中国人民解放军总后勤部油料研究所 | 一种快速识别发动机燃料种类的中红外光谱方法 |
| CN103927438A (zh) * | 2014-04-11 | 2014-07-16 | 中国科学院重庆绿色智能技术研究院 | 基于连续投影算法的近红外波长变量选择方法 |
| CN104374738A (zh) * | 2014-10-30 | 2015-02-25 | 中国科学院半导体研究所 | 一种基于近红外提高鉴别结果的定性分析方法 |
| CN104374737A (zh) * | 2014-10-30 | 2015-02-25 | 中国科学院半导体研究所 | 一种近红外定性鉴别方法 |
| CN104616022A (zh) * | 2015-01-13 | 2015-05-13 | 浙江科技学院 | 一种近红外光谱的分类方法 |
| CN106226265A (zh) * | 2016-07-28 | 2016-12-14 | 浙江工业大学 | 基于光谱分析的生物炭炭化温度快速鉴别方法 |
| CN106918567A (zh) * | 2017-03-27 | 2017-07-04 | 中南大学 | 一种测量痕量金属离子浓度的方法和装置 |
Non-Patent Citations (3)
| Title |
|---|
| 基于红外与近红外光谱的烟叶部位识别;张鑫 等;《光谱学与光谱分析》;20071231;第27卷(第12期);第2437-2440页 * |
| 用于近红外光谱分析的化学计量学方法研究与应用进展;褚小立 等;《分析化学评述与进展》;20080531;第36卷(第5期);第703页 * |
| 近红外光谱定性分析中的特征波长筛选研究;于晶 等;《光谱学与光谱分析》;20131130;第33卷(第11期);摘要 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108181263A (zh) | 2018-06-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108181263B (zh) | 基于近红外光谱的烟叶部位特征提取及判别方法 | |
| CN107796782B (zh) | 基于烟叶特征光谱一致性度量的复烤质量稳定性评价方法 | |
| CN109975238B (zh) | 一种基于近红外光谱的烟叶以及卷烟叶组配方的替代方法 | |
| CN109324015B (zh) | 基于光谱相似的烟叶替代方法 | |
| CN105334185B (zh) | 基于光谱投影判别的近红外模型维护方法 | |
| CN105891147A (zh) | 一种基于典型相关系数的近红外光谱信息提取方法 | |
| CN111257277B (zh) | 一种基于近红外光谱技术的烟叶相似度判定方法 | |
| CN108844941B (zh) | 一种基于拉曼光谱和pca-hca的不同品位磷矿的鉴别和分类方法 | |
| CN110132880B (zh) | 一种基于近红外光谱的烟叶整体感官质量评价方法 | |
| CN102072767A (zh) | 基于波长相似性共识回归红外光谱定量分析方法和装置 | |
| 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 | |
| CN105717066A (zh) | 一种基于加权相关系数的近红外光谱识别模型 | |
| CN110132879A (zh) | 一种基于近红外光谱的烤烟香韵鉴别方法 | |
| CN104807777A (zh) | 一种基于近红外光谱分析技术的槟榔水分含量快速检测方法 | |
| WO2020248961A1 (zh) | 一种无参考值的光谱波数选择方法 | |
| CN109324016A (zh) | 一种复烤片烟香型风格的判定方法 | |
| CN103868957B (zh) | 一种评价打叶复烤工序片烟感官品质稳定性的方法 | |
| CN105223140A (zh) | 同源物质的快速识别方法 | |
| CN112651173B (zh) | 一种基于跨域光谱信息的农产品品质无损检测方法及可泛化系统 | |
| CN102680427A (zh) | 一种应用近红外光谱分析技术鉴别卷烟表香质量的方法 | |
| CN113655027A (zh) | 一种近红外快速检测植物中单宁含量的方法 | |
| Liu et al. | Research on the online rapid sensing method of moisture content in famous green tea spreading | |
| CN102706811A (zh) | 一种应用近红外光谱分析技术鉴别卷烟糖料质量的方法 | |
| CN109145403B (zh) | 一种基于样本共识的近红外光谱建模方法 | |
| CN110736718B (zh) | 一种烤烟烟丝的产地及等级识别方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |