一种采用指数表征卷烟风格特征差异程度的方法

    公开(公告)号:CN108169420A

    公开(公告)日:2018-06-15

    申请号:CN201711376973.5

    申请日:2017-12-19

    IPC分类号: G01N33/00

    摘要: 一种采用指数表征卷烟风格特征差异程度的方法,首先通过对成品卷烟烟丝化学检测指标进行筛选,确定20项具有代表性的指标为特征化学指标;接着选取待表征的不同风格特征的卷烟样品,并对所选样品的20项特征化学指标进行检测;然后对所有样品的检测指标数据做R型因子分析,并计算各个样品各因子得分、因子综合得分和各个风格特征卷烟因子综合得分;最后用两种风格特征卷烟因子综合得分之差的绝对值DI来量化表征这两种卷烟风格特征的差异程度。本发明提供的评价方法可实现卷烟风格特征差异程度的量化表征,可为卷烟品质维护和质量控制提供指导。

    基于深度学习算法的烟叶近红外光谱定量建模方法及应用

    公开(公告)号:CN107491784A

    公开(公告)日:2017-12-19

    申请号:CN201710673351.2

    申请日:2017-08-09

    摘要: 基于深度学习的烟叶近红外光谱定量建模方法,利用近红外光谱仪进行光谱信息采集,获取烟叶的近红外光谱信息,并对光谱数据进行预处理,获取烟叶的主要化学成分信息,使用稀疏特征学习方法对烟叶近红外光谱数据应用K-SVD算法创建过完备字典,利用OMP算法计算得到光谱的稀疏表示系数;采用PSO-SVM学习算法,结合稀疏表示系数和化学成分信息建立近红外光谱回归预测模型。本发明利用光谱分析和机器学习双技术,并联合模式识别中的支持向量机算法实现对烟叶的近红外光谱快速定量建模,并应用所建模型准确预测烟叶的主要化学成分信息。