(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111313544.X (22)申请日 2021.11.08 (71)申请人 浙江中烟工业有限责任公司 地址 310008 浙江省杭州市上城区中山 南 路77号 申请人 浙江大学 (72)发明人 厉小润　时艺丹　彭钰涵　戴路　 廖付　慕继瑞　张立立　李永生　 何文苗　李石头　王辉　吴继忠　 黄慧　 (74)专利代理 机构 杭州求是专利事务所有限公 司 33200 代理人 郑海峰 (51)Int.Cl. G01N 21/359(2014.01)G01N 21/3563(2014.01) G06F 30/27(2020.01) (54)发明名称 基于近红外光谱的烟叶常规化学成分通用 模型建模方法 (57)摘要 本发明提出一种基于近红外光谱的烟 叶常 规化学成分通用模型建模 方法。 首先在相同条件 下采集烟叶样品的近红外光谱数据、 产地信息， 测得其常规化学成分含量。 然后建立烟叶产地预 测模型。 其次设立一组期望模型目标评价参数， 利用样品化学成分含量数据与预处理后的光谱 数据进行偏最小二乘回归分析建模， 若所得模型 不符合要求， 则对参与建模的样品进行以产地为 单位的剔除， 得到满足要求并适用最多产地的主 模型。 对于不参与主模型建模的样品， 利用模型 转移算法建立转移模型， 得到满足参数要求前提 下模型数最少的转移模型组。 主模 型与转移模型 组共同构成通用模型， 结合产地预测模型， 可对 来自全国各产区烟叶待测样品进行符合目标精 度要求的成分预测。 权利要求书3页 说明书7页 附图2页 CN 114295578 A 2022.04.08 CN 114295578 A 1.一种基于近红外光谱的烟叶常规化学成分通用模型构建方法， 其特征在于， 具体包 括如下步骤： 1)在相同条件下采集不同产地的烟叶样品的近红外光谱数据， 并测得其常规化学成分 的含量， 并将烟叶样品根据 产地进行分类； 2)基于步骤1)中采集的烟叶样品近红外光谱数据与产地分类数据， 利用特征提取算法 建立烟叶产地预测模型， 用于对来自未知产地的烟叶样品进行产地预测； 3)设立一组烟叶成分预测通用模型的目标评价参数， 对步骤1)中采集的烟叶样品近红 外光谱数据进行预处理， 减小非目标因素影响； 然后利用预处理后的近红外光谱数据与步 骤1)中采集的样品化学成分含量数据进 行偏最小二乘回归分析建模， 并计算出模型的评价 参数， 将其与预设的目标评价参数进 行比较， 若不符合目标评价参数要求， 则对参与建模的 样品进行以产地为单位的剔除， 最终得到在满足目标评价参数要求下包含最多产地的主模 型， 主模型可实现在所包含产地范围内待测烟叶样品的符合目标精度要求的常规化学成分 含量预测； 4)对于不参与主模型建模的产地烟叶样品， 基于主模型利用模型转移算法建立转移模 型， 得到一组满足目标评价参数前提下个数最少的转移模型组， 转移模型组与步骤3)中得 到的主模型共同构成了通用模型， 该通用模型可实现所有产地待测烟叶样品的符合目标精 度要求的常规 化学成分含量预测； 5)对于待测烟叶样本， 先采集其近红外光谱数据， 若该烟叶样品产地已知， 则直接利用 通用模型进行常规化学成分预测； 若产地未知， 则先利用步骤2)中得到的产地预测模型预 测其产地， 再利用通用模型进行常规 化学成分预测。 2.根据权利要求1所述的一种基于近红外光谱的烟叶常规化学成分通用模型构建方 法， 其特征在于， 所述步骤1)中， 所述的常规化学成分的含量为总糖、 总植物碱、 还原糖、 氯、 钾、 总氮的含量。 3.根据权利要求1所述的一种基于近红外光谱的烟叶常规化学成分通用模型构建方 法， 其特征在于， 步骤1)中所述的不同产地的烟叶样品包 含国内所有产烟 省份的烟叶样品。 4.根据权利要求1所述的一种基于近红外光谱的烟叶常规化学成分通用模型构建方 法， 其特征在于， 所述的步骤3)， 具体为： 首先， 预设一组烟叶成分预测通用模型的目标评价 参数； 然后， 设采集到的样品近红外光谱数据为X， 测定的样品常规化学成分含量为Y， 其中X 为n×m矩阵， n为样品数量， m为波长点数， Y为n ×6矩阵， 每个样品对应6种化学成分含量； 对 原始近红外光谱数据进行 预处理， 设经过预处理后的光谱数据为Xpre； 对Xpre与Y进行偏最小二乘回归建模， 得到样品常规化学成分含量的预测值Ypre， 根据预 测值Ypre与真实值Y， 可以计算出模型的评价参数， 对比模型的评价参数与设置的目标评价 参数， 若偏差小于设定阈值， 则该模型即为最终的通用模型； 否则， 则以产地为单位对参与 建模的样品集进行部分剔除， 然后重复建模过程， 直至得到的模型评价参数符合 目标评价 参数的要求， 得到的模型即为主模型。 5.根据权利要求4所述的一种基于近红外光谱的烟叶常规化学成分通用模型构建方 法， 其特征在于， 所述以产地 为单位对参与建立主模型的样品集进行部分剔除， 具体为： 对步骤1)中采集的样品近红外光谱数据、 化学成分含量数据根据产地分组， 总组数设权　利　要　求　书 1/3 页 2 CN 114295578 A 2为a， 可得近红外光谱数据Xi,pre， 化学成分含量数据Yi， 其中i＝1,2,..,a， Xi,pre为ni×m矩 阵， Yi为ni×6矩阵， ∑ni＝n； 可得到Xpre与Xi,pre、 Y与Yi的关系： Xpre＝[X1,pre X2,pre ... Xa,pre]T                          (1) Y＝[Y1 Y2 ... Ya]T                               (2) 由于需要在满足目标评价参数的前提下产地数包含最多， 剔除产地数需尽量小， 所以 从一个产地开始试剔除， 定义矩阵X ′i为Xpre剔除了Xi,pre后得到的光谱数据矩阵， Yi'为Y剔 除了Yi后得到的光谱数据矩阵， 其中i ＝1,2,..,a， 则： X′i＝[X1,pre ... Xi‑1,pre Xi+1,pre ... Xa,pre]T                    (3) Yi'＝[Y1 ... Yi‑1 Yi+1 ... Ya]T                          (4) 取i＝1,2,..,a， 将X ′i与Yi'作为新的Xpre和Y重复建模过程， 将建立模型符合目标参数 的Xi'与Yi'记录下来， 若有多组X ′i与Yi'， 则选择样品数最多， 即行数最大的X ′i(Yi')作为建 立主模型的最终训练样品集X'与Y'； 若i取1～a均不能符合要求， 则再多剔除一个产地的样 品， 直到选择出符合要求的主模型样品集X'与Y'； 利用光谱数据X'与相对应化学成分数据Y'建立的回归 模型便为 通用模型中的主模型。 6.根据权利要求5所述的基于近红外光谱的烟叶常规化学成分通用模型构建方法， 其 特征在于所述的步骤4)， 具体为： 设不参与 主模型建模的产地样品光谱数据为Xs， 其测定的样品化学成分含量为Ys， 其中 Xs为n'×m矩阵， Ys为n'×6矩阵， 则需要 进行Xs对X'的光谱迁移， 建立 转移模型； 若建立的转移模型不 能满足目标参数要求， 则以产地为单位对参与转移模型建模的样 品集进行部分剔除， 然后偏最小二乘回归建模， 直至得到的转移模型 的模型评价参数符合 目标评价参数的要求， 得到第一个转移模型后， 若还有产地的样品没有参与建模， 则重复上 述过程， 建立新的转移模型， 直到所有产地的样品均参与主模 型或转移模型的建模， 最 终得 到一个主模型与数个转移模型， 共同组成了通用模型。 7.根据权利要求6所述的基于近红外光谱的烟叶常规化学成分通用模型构建方法， 其 特征在于， 所述的以产地为单位对参与转移模型建模的样品集进行部分剔除的方法， 与所 述以产地 为单位对参与建立主模型的样品集进行部分剔除的方法相同。 8.根据权利要求6所述的基于近红外光谱的烟叶常规化学成分通用模型构建方法， 其 特征在于， 所述的进行 Xs对X'的光谱迁移采用S ST方法， 所述SST的具体实现过程 为： 连接近红外光谱数据Xs与X'， 得到一个 由Xs与标准光谱Xm构成的增广矩阵Xcom， 对其进 行主成分分析降维， 获得对应Xs与X'的光谱数据的主 成分载荷， 然后构造转换矩阵， 实现模 型转移： Xcom＝[Xm,Xs]＝TP＝T[ P×Tm,P×Ts]                         (5) 光谱Xs可以通过公式转换为X'm： 为了结构统一， 可将上式分离出转换矩阵F： 其中I为单位矩阵， 其中T和P分别为增广矩阵Xcom的PCA的得分和载荷， Pm和Ps分别为主权　利　要　求　书 2/3 页 3 CN 114295578 A 3