Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 恭喜陕西中烟工业有限责任公司张凤侠获国家专利权

恭喜陕西中烟工业有限责任公司张凤侠获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网恭喜陕西中烟工业有限责任公司申请的专利基于近红外光谱的烟叶常规化学成分通用模型建模方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN115824996B

龙图腾网通过国家知识产权局官网在2025-04-25发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202211642138.2,技术领域涉及:G01N21/3563;该发明授权基于近红外光谱的烟叶常规化学成分通用模型建模方法是由张凤侠;彭军仓;黄淳;何媛;霍开玲;孙赵麟;张萌萌;康世平;王瑶;杜玲玲设计研发完成,并于2022-12-20向国家知识产权局提交的专利申请。

基于近红外光谱的烟叶常规化学成分通用模型建模方法在说明书摘要公布了:提供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,属于卷烟制造技术领域,本发明选择烟丝和烟末作为研究对象,利用近红外分子振动光谱技术建立烟丝烟末快速质量分析与评估方法技术体系,结合预处理和变量选择建立烟丝烟末的总植物碱、总氮、总糖、还原糖、钾离子、氯离子的定量模型,实现对烟丝烟末的品质指标快速测定,为烟丝烟末的品质指标快速分析评估提供新的方法,为卷烟企业烟丝烟末质量品控的快速化、准确化、数字化提供有力的技术支撑。

本发明授权基于近红外光谱的烟叶常规化学成分通用模型建模方法在权利要求书中公布了:1.基于近红外光谱的烟叶常规化学成分通用模型建模方法,其特征在于:包括以下步骤:步骤1):选取不同的烟叶,制成烟叶样品保存待用;步骤2):对各烟叶样品进行近红外光谱数据采集并优化成近红外光谱谱图;步骤3):对烟叶样品中的常规化学成分含量进行检测;步骤4):设定一组烟叶常规化学成分的预测集目标评价参数;基于步骤1)中采集的样品近红外光谱数据,采用合适的预处理方法处理光谱数据;然后对预处理后的光谱数据和步骤2)中的烟叶样品常规化学成分含量数据进行变量特征选择算法优化模型,完成对烟叶样品常规化学成分的特征波长的提取,并与预测集目标评价参数进行比较,确定出最优的可行性通用模型;其中变量特征选择算法包括两类,一类是波长区间优化方法,包括区间偏最小二乘iPLS、移动窗口偏最小二乘MWPLS;另一类是波长点变量选择优化方法,包括连续投影算法SPA、无关信息变量消除UVE、串联算法UVE-SPA以及波长区间组合优化算法ICO;步骤5):对于待测烟叶样本,先采集其近红外光谱数据,利用通用模型进行常规化学成分预测;上述步骤2)中,所述近红外光谱测量方法选用漫反射积分球测样方法;近红外仪器工作条件设置及光谱采集:采用ThermoAntarisII傅里叶变换近红外光谱仪,开机预热30分钟后,光谱扫描范围为10000-4000cm-1,选用分辨率8cm-1,扫描次数64次,实验环境温度为(23±1)℃,湿度为(50±2)%;旋转样品杯承装样品厚度确定为0.5cm;上述步骤3)中,所述常规化学成分为总植物碱、总氮、总糖、还原糖、钾离子和氯离子;上述步骤4)中,各变量特征选择算法具体过程:(1)区间偏最小二乘法iPLS区间偏最小二乘法用来提取特征波段,它将整个光谱区域划分为多个等宽的子区间,假设为n个;在每个子区间上进行偏最小二乘回归PLSR建模,建立待测品质的"局部回归模型quot,即每一个区间建立PLS模型,得到n个局部回归模型;以均方根无误差MSE值为各模型的精度衡量标准,取精度最高的局部模型所在的子区间为特征波段,并把选择出来的这些特征波段合并起来,重新建立一个优化PLSR模型;(2)移动窗口偏最小二乘法MWPLS移动窗口偏最小二乘法是将一个固定宽度大小n的窗口沿着光谱轴连续移动,每次移动一个波长点,采用交叉验证方式建立一个PLS模型,移动过程中得到一系列不同移动波长点窗口的PLS模型,以主因子数对应的残差平方差PRESS或SSR评价模型优劣,确定移动窗口的PLS模型效果好的变量区间,选择出与待测组分相关的高信息量的光谱区间,再合并所有选择变量区间,重新建立一个优化PLS模型;(3)连续投影算法SPASPA算法是从某一个波长点出发不断地采用连续投影策略选择与已有波长线性相关度最小的波长点构成一个波长子集,重复并选出一系列波长子集,然后通过比较这些波长子集建模后模型的预测能力挑选出最优的波长子集;(4)无关信息变量消除UVE无关信息变量消除UVE将光谱矩阵与等长度随机噪声信号矩阵合并后进行PLS回归,计算每一个波长点对PLS模型的回归系数,将回归系数贡献低于所有随机噪声对模型贡献最大值即阈值变量剔除,从而实现变量筛选;阈值c定义为:m是每一条光谱数据的点数,也是光谱矩阵的列数, 和si分别为回归系数矩阵b的均值向量和标准差,在随机噪声变量区间内取c的最大绝对值: 剔除光谱矩阵中c≤Cmax的变量,并对由剩余变量组成的新矩阵XUVE进行后续运算;(5)串联算法UVE-SPA:用于对无关信息变量消除UVE算法和连续投影算法SPA进行有机整合;(6)波长区间组合优化算法ICO波长区间组合优化算法ICO打破了波长点选择与波长区间选择的界限,波长区间组合优化算法ICO作为一种在MPA框架下开发的区间优化选择算法,ICO算法的运算过程总结为如下几个步骤:1)将样品的近红外光谱划分为宽度大体相当的N等份,每一份即为一个光谱区间;2)采用WBS生成M个不同波长区间随机组合形成的子集,需要指出的是每个波长点初始采样权重都默认为1;3)采用PLS算法和5折交互检验的方式计算每个区间组合子集对应的RMSECV值;4)从全部区间组合中提取一定比例的最优区间组合子集,并计算出这一部分区间组合子集对应RMSECV值的平均值,记作RMSECVm;其中,上述比例记作α,α设置为0.1。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人陕西中烟工业有限责任公司,其通讯地址为:710065 陕西省西安市高新区沣惠南路38号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。