CN115825034A - 烟草等级识别方法 - Google Patents

Abstract

本公开涉及一种烟草等级识别方法，包括以下步骤：S10：将待测烟草样品采用拉曼光谱仪进行检测，获得关于拉曼位移‑拉曼强度的拉曼光谱曲线；S20：在拉曼光谱曲线上选取能够表征烟草等级的拉曼光谱曲线段；S30：将拉曼光谱曲线段的两端点进行连线，获得直线段；S40：根据拉曼光谱曲线段上的点集与直线段上相应的点集的拉曼强度的差距信息，获得待测烟草样品的拉曼参数数集I_op；S50：将待测烟草样品的拉曼参数数集I_op分别与多个已知等级的烟草样品的拉曼参数数集I′_op一一进行比较，选取与待测烟草样品的拉曼参数数集最接近的已知等级的烟草样品对应的等级为待测烟草样品的等级。通过解析烟草拉曼光谱参数，实现对烟草等级的快速分类，准确性高。

Description

烟草等级识别方法

技术领域

本公开涉及烟草检测技术领域，尤其涉及一种烟草等级识别方法。

背景技术

烟叶进入工业企业后，技术人员对不同烟叶开展感官评级测试，对烟叶进行评级，并检测相关物理、化学指标，综合以上评价结果确定烟叶的质量风格，并作为烟叶原料的使用依据。快速区分烟草等级对于评价烟草的等级以及叶组配方的建立和维护都有重要的意义。

目前，烟草等级的判别主要依据专家品吸感受和总结出的外观区域特征进行主观判定，根据经验判定主观性强，会受到分级人员的心理和生理主观影响，容易出现检测结果不准确的情况，并且测评过程耗时长，效率低，难以满足烟草等级的快速准确分类的需求。

发明内容

本公开的一些实施例提出一种烟草等级识别方法，用于缓解烟草等级识别效率低的问题。

在本公开的一个方面，提供一种烟草等级识别方法，包括以下步骤：

S10：将待测烟草样品采用拉曼光谱仪进行检测，获得关于拉曼位移-拉曼强度的拉曼光谱曲线；

S20：在拉曼光谱曲线上选取能够表征烟草等级的拉曼光谱曲线段；

S30：将拉曼光谱曲线段的两端点进行连线，获得直线段；

S40：根据拉曼光谱曲线段上的点集与直线段上相应的点集的拉曼强度的差距信息，获得待测烟草样品的拉曼参数数集I_op；

S50：将待测烟草样品的拉曼参数数集I_op分别与多个已知等级的烟草样品的拉曼参数数集I′_op一一进行比较，选取与待测烟草样品的拉曼参数数集最接近的已知等级的烟草样品对应的等级为待测烟草样品的等级。

在一些实施例中，所述步骤S20中，选取的能够表征烟草等级的拉曼光谱曲线段对应的拉曼位移为800cm^-1～1800cm^-1。

在一些实施例中，所述步骤S40包括：

在拉曼光谱曲线段上选取多个拉曼位移，多个拉曼位移对应的拉曼强度减去直线段上相应的拉曼位移对应的拉曼强度，获得拉曼峰值数集I_R；

选取拉曼光谱曲线段上的最大峰值I_max；

将拉曼峰值数集I_R中的每一个拉曼峰值除以I_max，获得待测烟草样品的拉曼参数数集I_op。

在一些实施例中，所述步骤S50中，将待测烟草样品的拉曼参数数集I_op分别与多个已知等级的烟草样品的拉曼参数数集I′_op一一进行比较，包括：

根据公式：

进行计算获得a×b个D值，将a×b个D值按照大小顺序进行排序；

其中，a表示已知等级的数量，b表示每个已知等级中的烟草样品的数量，n表示待测烟草样品的拉曼参数数集I_op中的拉曼参数的数量，I_opi表示待测烟草样品的拉曼参数数集I_op中的第i个拉曼参数，I′_opi表示已知等级的烟草样品的拉曼参数数集I′_op中的第i个拉曼参数。

在一些实施例中，所述步骤S50中，选取与待测样品的拉曼参数数集最接近的已知等级的烟草样品对应的等级为待测烟草样品的等级，包括：

在a×b个D值中选取最小的D值，确定该最小的D值对应的已知等级的烟草样品，该已知等级的烟草样品对应的等级为待测烟草样品的等级。

在一些实施例中，在a×b个D值中选取m个最小的D值，其中，m＞a，且m为奇数，m个最小的D值对应m个已知等级的烟草样品，m个已知等级的烟草样品属于哪一等级的数量最多，则待测烟草样品就属于该等级。

在一些实施例中，b的取值大于等于五。

在一些实施例中，所述步骤S50中，多个已知等级的烟草样品中的至少一个烟草样品的拉曼参数数集I′_op的获取方法包括：

S100：将烟草样品采用拉曼光谱仪进行检测，获得关于拉曼位移-拉曼强度的拉曼光谱曲线；

S200：在拉曼光谱曲线上选取能够表征烟草等级的拉曼光谱曲线段；

S300：将拉曼光谱曲线段的两端点进行连线，获得直线段；

S400：根据拉曼光谱曲线段上的点集与直线段上相应的点集的拉曼强度的差距信息，获得烟草样品的拉曼参数数集I′_op。

在一些实施例中，所述步骤S10中，采用的拉曼光谱仪包括傅里叶变换拉曼光谱仪；和/或，选取拉曼光谱仪的激光器的波长为1064nm；和/或，选取拉曼光谱仪的激光器的激光功率为10mW～150mW；和/或，设置拉曼光谱仪的测试光谱叠加次数300次及以上。

在一些实施例中，所述步骤S10中包括：选取待测烟草样品的八个以上位置点，采用拉曼光谱仪对所述八个以上位置点进行检测，获得八组以上数值，根据八组以上数值的平均值获得关于拉曼位移-拉曼强度的拉曼光谱曲线。

基于上述技术方案，本公开至少具有以下有益效果：

本公开实施例提供的烟草等级识别方法通过解析烟草拉曼光谱参数，实现对烟草等级的快速分类与识别，准确性高，且通过获得拉曼光谱曲线段上的点集与直线段上相应的点集的拉曼强度的差距信息，根据该差距信息获得待测烟草样品的拉曼参数数集，能够有效去除荧光信号对烟草等级属性的干扰，实现对烟草等级的快速、准确分类。

附图说明

此处所说明的附图用来提供对本公开的进一步理解，构成本申请的一部分，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。在附图中：

图1为根据本公开一些实施例提供的烟草等级识别方法的流程示意图；

图2为根据本公开一些实施例提供的能够表征烟草等级的拉曼光谱曲线段的示意图；

图3为根据本公开一些实施例提供的能够表征烟草等级的拉曼光谱曲线段与直线段的数据相减后获得的拉曼光谱曲线段的示意图。

应当明白，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。此外，相同或类似的参考标号表示相同或类似的构件。

具体实施方式

现在将参照附图来详细描述本公开的各种示例性实施例。对示例性实施例的描述仅仅是说明性的，决不作为对本公开及其应用或使用的任何限制。本公开可以以许多不同的形式实现，不限于这里所述的实施例。提供这些实施例是为了使本公开透彻且完整，并且向本领域技术人员充分表达本公开的范围。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、材料的组分、数字表达式和数值应被解释为仅仅是示例性的，而不是作为限制。

本公开中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的部分。“包括”或者“包含”等类似的词语意指在该词前的要素涵盖在该词后列举的要素，并不排除也涵盖其他要素的可能。“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也可能相应地改变。

在本公开中，当描述到特定器件位于第一器件和第二器件之间时，在该特定器件与第一器件或第二器件之间可以存在居间器件，也可以不存在居间器件。当描述到特定器件连接其它器件时，该特定器件可以与所述其它器件直接连接而不具有居间器件，也可以不与所述其它器件直接连接而具有居间器件。

本公开使用的所有术语(包括技术术语或者科学术语)与本公开所属领域的普通技术人员理解的含义相同，除非另外特别定义。还应当理解，在诸如通用字典中定义的术语应当被解释为具有与它们在相关技术的上下文中的含义相一致的含义，而不应用理想化或极度形式化的意义来解释，除非这里明确地这样定义。

对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。

图1是根据本公开烟草等级识别方法的一些实施例的流程示意图。参考图1，在一些实施例中，烟草等级识别方法包括以下步骤：

S10：将待测烟草样品采用拉曼光谱仪进行检测，获得关于拉曼位移-拉曼强度的拉曼光谱曲线；

S20：在拉曼光谱曲线上选取能够表征烟草等级的拉曼光谱曲线段；

S30：将拉曼光谱曲线段的两端点进行连线，获得直线段AB，参考图2；

S40：根据拉曼光谱曲线段上的点集与直线段AB上相应的点集的拉曼强度的差距信息，获得待测烟草样品的拉曼参数数集I_op；

S50：将待测烟草样品的拉曼参数数集I_op分别与多个已知等级的烟草样品的拉曼参数数集I′_op一一进行比较，选取与待测烟草样品的拉曼参数数集最接近的已知等级的烟草样品对应的等级为待测烟草样品的等级。

本公开实施例提供的烟草等级识别方法通过解析烟草拉曼光谱参数，实现对烟草等级的快速分类，准确性高，无需复杂的人工分类过程，解决实际工业生产分析中对烟草等级分类耗时长的问题。

由于烟草具有荧光特性属于烟草自身的化学性质，这导致拉曼光谱曲线的总趋势是沿着拉曼位移的增加斜着向下，烟草具有的荧光特性产生的荧光信号会将烟草本身的特征覆盖掉，对烟草的拉曼光谱曲线造成影响，进而会对烟草等级的属性分析产生影响，因此，本公开实施例将拉曼光谱曲线段的两端点进行连线，获得直线段，该直线段基本是荧光信号产生的线段，进而通过获得拉曼光谱曲线段上的点集与直线段上相应的点集的拉曼强度的差距信息，根据该差距信息获得待测烟草样品的拉曼参数数集I_op，能够有效去除荧光信号对烟草等级属性的干扰，实现对烟草等级的准确分类。

在一些实施例中，步骤S20中，选取的能够表征烟草等级的拉曼光谱曲线段对应的拉曼位移为800cm^-1～1800cm^-1。拉曼光谱曲线为关于拉曼位移和拉曼强度的一阶拉曼光谱曲线。

拉曼位移为800cm^-1～1800cm^-1的烟草拉曼光谱包含大量决定烟草等级的化学结构信息，与烟草品吸等级相关性大，选取这个范围可更大程度地利用有效光谱及参数信息，提高识别的准确率。

在一些实施例中，步骤S40包括：

在拉曼光谱曲线段上选取多个拉曼位移，多个拉曼位移对应的拉曼强度减去直线段上相应的拉曼位移对应的拉曼强度，获得拉曼峰值数集I_R；

选取拉曼光谱曲线段上的最大峰值I_max；

将拉曼峰值数集I_R中的每一个拉曼峰值除以I_max，获得待测烟草样品的拉曼参数数集I_op。

在拉曼光谱曲线段上选取的多个拉曼位移，拉曼位移的选取数量可以为几十个、几百个、一千个或几千个，甚至更多，以便对烟草等级进行准确分类。

拉曼峰值数集I_R形成的拉曼曲线如图3所示。

在一些实施例中，步骤S50中，将待测烟草样品的拉曼参数数集I_op分别与多个已知等级的烟草样品的拉曼参数数集I′_op一一进行比较，包括：

根据公式：

进行计算获得a×b个D值，将a×b个D值按照大小顺序进行排序；

其中，a表示已知等级的数量(例如：已知一个等级，或已知两个等级，或已知三个等级及以上等)，b表示每个已知等级中的烟草样品的数量(每个已知等级中的烟草样品的数量可以相同也可以不同)，n表示待测烟草样品的拉曼参数数集I_op中的拉曼参数的数量(也就是在拉曼光谱曲线段上选取的拉曼位移的数量)，I_opi表示待测烟草样品的拉曼参数数集I_op中的第i个拉曼参数，I′_opi表示已知等级的烟草样品的拉曼参数数集I′_op中的第i个拉曼参数。

在一些实施例中，步骤S50中，选取与待测样品的拉曼参数数集最接近的已知等级的烟草样品对应的等级为待测烟草样品的等级，包括：

在a×b个D值中选取最小的D值，确定该最小的D值对应的已知等级的烟草样品，该已知等级的烟草样品对应的等级为待测烟草样品的等级。

在一些实施例中，在a×b个D值中选取m个最小的D值，其中，m＞a，且m为奇数，m个最小的D值，对应m个已知等级的烟草样品，m个已知等级的烟草样品属于哪一等级的数量最多，则待测烟草样品就属于该等级。

在一些实施例中，b的取值大于等于五。

在一些实施例中，步骤S50中，多个已知等级的烟草样品中的至少一个烟草样品的拉曼参数数集I′_op的获取方法包括：

S100：将烟草样品采用拉曼光谱仪进行检测，获得关于拉曼位移-拉曼强度的拉曼光谱曲线；

S200：在拉曼光谱曲线上选取能够表征烟草等级的拉曼光谱曲线段；

S300：将拉曼光谱曲线段的两端点进行连线，获得直线段；

S400：根据拉曼光谱曲线段上的点集与直线段上相应的点集的拉曼强度的差距信息，获得烟草样品的拉曼参数数集I′_op。

在一些实施例中，步骤S200中，选取的能够表征烟草等级的拉曼光谱曲线段对应的拉曼位移为800cm^-1～1800cm^-1。

在一些实施例中，步骤S400包括：

在拉曼光谱曲线段上选取多个拉曼位移，多个拉曼位移对应的拉曼强度减去直线段上相应的拉曼位移对应的拉曼强度，获得拉曼峰值数集I′_R；

选取拉曼光谱曲线段上的最大峰值I′_max；

将拉曼峰值数集I′_R中的每一个拉曼峰值除以I′_max，获得烟草样品的拉曼参数数集I′_op。

在一些实施例中，每个已知等级中的烟草样品的数量大于等于五个。

在一些实施例中，步骤S10和/或步骤S100中，采用的拉曼光谱仪包括傅里叶变换拉曼光谱仪。

在一些实施例中，步骤S10和/或步骤S100中，选取拉曼光谱仪的激光器的波长为1064nm。

1064nm的激光源可有效降低烟草的荧光特性，使烟草中的荧光特性产生的干扰更小。

在一些实施例中，步骤S10和/或步骤S100中，选取拉曼光谱仪的激光器的激光功率为10mW～150mW。

激光功率越强获得的拉曼信号就越强，但是激光功率过强会导致样品被激光破坏，选择激光功率为10mW～150mW可以获得信噪比高的拉曼光谱，并且不会对样品产生破坏。

在一些实施例中，步骤S10和/或步骤S100中，设置拉曼光谱仪的测试光谱叠加次数为300次及300次以上。

由于烟草拉曼光谱信号强度弱，需进行多次扫描叠加信号，并剔除噪音干扰，增强信号强度、提升信噪比，因此，针对烟草样品特性，叠加次数要大于等于300次。

在一些实施例中，步骤S10和/或步骤S100中包括：选取待测烟草样品的八个以上位置点，采用拉曼光谱仪对八个以上位置点进行检测，获得八组以上数值，根据八组以上数值的平均值获得关于拉曼位移-拉曼强度的拉曼光谱曲线。

烟草样品结构均匀性、拉曼光谱信号的均质及标准差受测试次数影响，当测试点数为八个以上时，测试的随机误差可达到较低。

在一些优选或可选实施例中，基于拉曼光谱技术的烟草等级识别方法，包括以下步骤：

S1：选取多个不同等级的烟草样品，每种等级的烟草样品的数量不低于五个，利用傅里叶变换拉曼光谱仪对其进行检测，选择傅里叶变换拉曼光谱仪的激光波长为1064nm，激光功率为10mW～150mW，目镜为10～50倍，设置傅里叶变换拉曼光谱仪的测试光谱叠加次数300次及以上，选取烟草样品的八个以上位置点，采用拉曼光谱仪对八个以上位置点进行检测，获得八组以上数值，根据八组以上数值的平均值获得已知等级的烟草样品关于拉曼位移-拉曼强度的拉曼光谱曲线；

S2：对步骤S1中检测得到的拉曼光谱数据进行分析处理。选择拉曼位移为800cm^-1～1800cm^-1的拉曼光谱曲线段，将拉曼光谱曲线段的两端点(拉曼位移为800cm-1和1800cm-1的数据点作为端点)进行连线，获得直线段，在拉曼光谱曲线段上选取多个拉曼位移，多个拉曼位移对应的拉曼强度减去直线段上相应的拉曼位移对应的拉曼强度，获得拉曼峰值数集I′_R，以消除烟草本身的荧光效应，然后取拉曼光谱曲线段上的最大峰值I′_max，将拉曼峰值数集I′_R中的每一个拉曼峰值除以I′_max，获得烟草样品的拉曼参数数集I′_op。

例如，I′_opi＝I′_Ri/I′_max；

其中，I′_opi为烟草样品的拉曼参数数集I′_op中的第i个拉曼参数，I′_Ri为拉曼峰值数集I′_R中的第i个拉曼峰值。

在拉曼光谱曲线段上选取的拉曼位移的数量为n个，i的取值为[1，n]。

S3：建立烟草等级与拉曼参数数集I′_op的关联数据库模型。分析步骤S2中得到的不同等级烟草的拉曼光谱参数，将同一等级的烟草拉曼参数归为一个类别，建立烟草等级与拉曼参数的映射关系，从而建立可依据烟草拉曼参数对烟草等级进行识别的数据库；

其中，将烟草样品按照等级进行分类，属于同一等级的烟草样品的拉曼参数集中在一起，即可获得某一等级所包含的拉曼参数数据集合。数据库中每一个拉曼参数都与等级对应，形成映射关系。由于同一等级的烟草也有差别，因此，同一等级的不同烟草的拉曼参数也会存在差异。

S4：根据步骤S1提供的方法检测待测烟草样品，获得待测烟草样品关于拉曼位移-拉曼强度的拉曼光谱曲线，根据步骤S2提供的方法，获得待测烟草样品的拉曼参数数集I_op；

S5：计算待测烟草样品的拉曼参数数集I_op与数据库中各已知等级的烟草样品的拉曼参数数集I′_op之间的平方欧式距离，距离公式为：

获得a×b个D值；

其中，a表示已知等级的数量，b表示每个已知等级中的烟草样品的数量；n表示待测烟草样品的拉曼参数数集I_op中的拉曼参数的数量，也是已知等级的烟草样品的拉曼参数数集I′_op中的拉曼参数的数量；I_opi表示待测烟草样品的拉曼参数数集I_op中的第i个拉曼参数；I′_opi表示已知等级的烟草样品的拉曼参数数集I′_op中的第i个拉曼参数。

也就是说，将待测烟草样品与其中一个已知等级中的所有烟草样品进行比较计算，然后将待测烟草样品与另一个已知等级中的所有烟草样品进行比较计算，直至待测烟草样品与所有已知等级中的所有烟草样品都比较计算完成，获得a×b个D值。

S6：将步骤S5计算得到的a×b个D值按照大小顺序进行排序，将待测烟草样品与D值最小的已知等级的烟草样品归为一类。或者，选取m个最小的D值，对应m个已知烟草样品，m个已知烟草样品属于哪个等级的数量最多，即为待测样品的等级；从而实现对待测烟草样品的等级识别。

下面列举基于拉曼光谱技术的烟草等级识别方法的一具体实施例，该具体实施例提供的烟草等级识别方法包括以下步骤：

S11：选用Nicolet iS50R Raman光谱仪，且采用冷却在液氮中的lnGaAs探测器检测并收集拉曼信号，光谱仪的激光波长为1064nm，激光功率为50mw，显微镜放大倍数为50倍，测试光谱叠加300次，检测已知等级的烟草样品，获得已知等级的烟草样品关于拉曼位移-拉曼强度的拉曼光谱曲线；

S12：对步骤S11检测得到的拉曼光谱数据进行分析处理。选择拉曼位移为800cm^-1～1800cm^-1的拉曼光谱曲线段，将拉曼光谱曲线段的两端点进行连线，获得直线段，在拉曼光谱曲线段上选取多个拉曼位移，多个拉曼位移对应的拉曼强度减去直线段上相应的拉曼位移对应的拉曼强度，获得拉曼峰值数集I′_R，然后取拉曼位移为800cm^-1～1800cm^-1的拉曼光谱曲线段上的最大峰值I′_max，将拉曼峰值数集I′_R中的每一个拉曼峰值除以I′_max，获得烟草样品的拉曼参数数集I′_op：

例如，I′_opi＝I′_Ri/I′_max；

其中，I′_opi为烟草样品的拉曼参数数集I′_op中的第i个拉曼参数，I′_Ri为拉曼峰值数集I′_R中的第i个拉曼峰值。

S13：建立烟草等级与拉曼参数数集I′_op的关联数据库模型。分析步骤S12中得到的不同等级烟草的拉曼光谱参数，将同一等级的烟草拉曼光谱参数归为一个类别，建立烟草等级与拉曼光谱参数的映射关系，从而建立可依据烟草拉曼光谱参数对烟草等级进行识别的数据库；

S14：根据步骤S11提供的方法检测待测烟草样品，获得待测烟草样品关于拉曼位移-拉曼强度的拉曼光谱曲线，根据步骤S12提供的方法，获得待测烟草样品的拉曼参数数集I_op；

S15：利用机器学习的方法，计算待测烟草样品的拉曼参数数集I_op与数据库中各已知等级的烟草样品的拉曼参数数集I′_op之间的平方欧式距离，距离公式为：

获得a×b个D值；

S16：建立已知等级的烟草拉曼光谱与等级的关联识别模型，将步骤S15计算得到的a×b个D值按照大小顺序进行排序，将待测烟草样品与D值最小的已知等级的烟草样品归为一类，从而实现对待测烟草样品的等级识别。

下面对本公开实施例提供的烟草等级识别方法的准确性进行验证。

例如：烟草样本等级分别为1级、2级、3级和4级，1级烟草样品的数量为11个，2级烟草样品的数量为10个，3级烟草样品的数量为20个，4级烟草样品的数量为15个，共56个已知等级的烟草样品。

用来验证本公开实施例提供的烟草等级识别方法的准确性的1级烟草样品5个，2级烟草样品5个，3级烟草样品7个，4级烟草样品6个。

下面仅列举3级烟草样品中的一个烟草样品采用本公开实施例提供的烟草等级识别方法进行验证的过程。

根据步骤S11选择合适的拉曼光谱仪及测试参数，根据步骤S12对拉曼光谱数据进行归一化处理，根据步骤S13建立已知等级拉曼光谱数据库。

对该3级烟草样品根据步骤S11选择合适的拉曼光谱仪及测试参数，根据步骤S14对拉曼光谱数据进行归一化处理。取一阶拉曼光谱数据，即拉曼位移为800cm^-1～1800cm^-1的拉曼光谱曲线段数据；计算待测烟草样品的拉曼参数数集I_op与数据库中各已知等级的烟草样品的拉曼参数数集I′_op之间的平方欧式距离，如下表：

对于该3级待测烟草样品与样品库样品拉曼参数之间的平方欧式距离由小到大排序为：

可选取5个或7个最小值，然后选取数量最多的等级，如果等级数量相同，进一步选取数值小的。因此，根据表中结果可知，此测试样品等级为3级。

其他22个烟草样品采用同样的方法进行验证。

作为KNN算法的输入数据，K值取7(已知等级为4个时，选取7个最小值)时，烟草等级分类正确率可以达到91.3％。

基于上述本公开的各实施例，在没有明确否定或冲突的情况下，其中一个实施例的技术特征可以有益地与其他一个或多个实施例相互结合。

虽然已经通过示例对本公开的一些特定实施例进行了详细说明，但是本领域的技术人员应该理解，以上示例仅是为了进行说明，而不是为了限制本公开的范围。本领域的技术人员应该理解，可在不脱离本公开的范围和精神的情况下，对以上实施例进行修改或者对部分技术特征进行等同替换。本公开的范围由所附权利要求来限定。

Claims (10)

1.一种烟草等级识别方法，其特征在于，包括以下步骤：

S10：将待测烟草样品采用拉曼光谱仪进行检测，获得关于拉曼位移-拉曼强度的拉曼光谱曲线；

S20：在拉曼光谱曲线上选取能够表征烟草等级的拉曼光谱曲线段；

S30：将拉曼光谱曲线段的两端点进行连线，获得直线段；

S40：根据拉曼光谱曲线段上的点集与直线段上相应的点集的拉曼强度的差距信息，获得待测烟草样品的拉曼参数数集I_op；

S50：将待测烟草样品的拉曼参数数集I_op分别与多个已知等级的烟草样品的拉曼参数数集I′_op一一进行比较，选取与待测烟草样品的拉曼参数数集最接近的已知等级的烟草样品对应的等级为待测烟草样品的等级。

2.根据权利要求1所述的烟草等级识别方法，其特征在于，所述步骤S20中，选取的能够表征烟草等级的拉曼光谱曲线段对应的拉曼位移为800cm^-1～1800cm^-1。

3.根据权利要求1所述的烟草等级识别方法，其特征在于，所述步骤S40包括：

在拉曼光谱曲线段上选取多个拉曼位移，多个拉曼位移对应的拉曼强度减去直线段上相应的拉曼位移对应的拉曼强度，获得拉曼峰值数集I_R；

选取拉曼光谱曲线段上的最大峰值I_max；

将拉曼峰值数集I_R中的每一个拉曼峰值除以I_max，获得待测烟草样品的拉曼参数数集I_op。

4.根据权利要求1至3任一项所述的烟草等级识别方法，其特征在于，所述步骤S50中，将待测烟草样品的拉曼参数数集I_op分别与多个已知等级的烟草样品的拉曼参数数集I′_op一一进行比较，包括：

根据公式：

进行计算获得a×b个D值，将a×b个D值按照大小顺序进行排序；

其中，a表示已知等级的数量，b表示每个已知等级中的烟草样品的数量，n表示待测烟草样品的拉曼参数数集I_op中的拉曼参数的数量，I_opi表示待测烟草样品的拉曼参数数集I_op中的第i个拉曼参数，I′_opi表示已知等级的烟草样品的拉曼参数数集I′_op中的第i个拉曼参数。

5.根据权利要求4所述的烟草等级识别方法，其特征在于，所述步骤S50中，选取与待测样品的拉曼参数数集最接近的已知等级的烟草样品对应的等级为待测烟草样品的等级，包括：

在a×b个D值中选取最小的D值，确定该最小的D值对应的已知等级的烟草样品，该已知等级的烟草样品对应的等级为待测烟草样品的等级。

6.根据权利要求4所述的烟草等级识别方法，其特征在于，在a×b个D值中选取m个最小的D值，其中，m>a，且m为奇数，m个最小的D值对应m个已知等级的烟草样品，m个已知等级的烟草样品属于哪一等级的数量最多，则待测烟草样品就属于该等级。

7.根据权利要求4所述的烟草等级识别方法，其特征在于，b的取值大于等于五。

8.根据权利要求1所述的烟草等级识别方法，其特征在于，所述步骤S50中，多个已知等级的烟草样品中的至少一个烟草样品的拉曼参数数集I′_op的获取方法包括：

S100：将烟草样品采用拉曼光谱仪进行检测，获得关于拉曼位移-拉曼强度的拉曼光谱曲线；

S200：在拉曼光谱曲线上选取能够表征烟草等级的拉曼光谱曲线段；

S300：将拉曼光谱曲线段的两端点进行连线，获得直线段；

S400：根据拉曼光谱曲线段上的点集与直线段上相应的点集的拉曼强度的差距信息，获得烟草样品的拉曼参数数集I′_op。

9.根据权利要求1所述的烟草等级识别方法，其特征在于，所述步骤S10中，采用的拉曼光谱仪包括傅里叶变换拉曼光谱仪；和/或，选取拉曼光谱仪的激光器的波长为1064nm；和/或，选取拉曼光谱仪的激光器的激光功率为10mW～150mW；和/或，设置拉曼光谱仪的测试光谱叠加次数300次及以上。

10.根据权利要求1所述的烟草等级识别方法，其特征在于，所述步骤S10中包括：选取待测烟草样品的八个以上位置点，采用拉曼光谱仪对所述八个以上位置点进行检测，获得八组以上数值，根据八组以上数值的平均值获得关于拉曼位移-拉曼强度的拉曼光谱曲线。

Images