本發(fā)明屬于煙葉分析
技術(shù)領(lǐng)域：
，涉及一種處理方法和系統(tǒng)，特別是涉及一種煙葉屬性的處理方法、系統(tǒng)及電子設(shè)備。
背景技術(shù)：
：便攜式近紅外光譜儀采集樣本的光譜，最為常見的一種是對(duì)樣本掃描一個(gè)點(diǎn)光譜，該方法雖然可以大大提高工作效率，但是所掃描該點(diǎn)的光譜不能很好的反映該樣本的整體信息。例如煙葉樣本，煙葉的葉尖、葉腰和葉基三個(gè)部位的化學(xué)成分含量相差很大，關(guān)于煙葉葉尖至葉基的化學(xué)成分變化趨勢(shì)現(xiàn)有技術(shù)中已做了詳細(xì)的研究，結(jié)果表明大部分化學(xué)成分在近葉基處都有一明顯拐點(diǎn)，之后其含量變化速度明顯加快，如果只采集一個(gè)點(diǎn)的光譜，該點(diǎn)可能是煙葉三個(gè)部位中的任何一個(gè)部位，顯然是不合理的，針對(duì)這個(gè)問題又會(huì)把煙葉按照葉尖、葉腰、葉基分成10個(gè)點(diǎn)，每個(gè)點(diǎn)采集一次光譜，然后計(jì)算平均值，該方法通過多個(gè)點(diǎn)采集煙葉的光譜可以很好的體現(xiàn)完整煙葉的信息，但是點(diǎn)位分的過多，影響采集效率，而且是單片煙葉的采集光譜，由于近紅外光譜有一定的穿透能力，單片煙葉采集的光譜中可能會(huì)含有其他非煙葉信息，如實(shí)驗(yàn)臺(tái)信息，實(shí)驗(yàn)室近紅外光譜儀為了充分得到煙葉樣本的光譜信息，通常會(huì)將煙葉進(jìn)行烘干、粉碎等前處理，然后采集粉末狀態(tài)下的煙葉光譜，該方法采集到的光譜信息雖然能夠充分反映整個(gè)煙葉樣本的信息，但是對(duì)煙葉樣本進(jìn)行烘干、粉碎等前處理需要花費(fèi)大量的時(shí)間，降低了工作效率，而且需要對(duì)煙葉進(jìn)行破壞，對(duì)煙葉造成大量的浪費(fèi)，樣本的近紅外光譜采集是近紅外光譜分析技術(shù)的關(guān)鍵步驟，如何采集樣本的近紅外光譜是近紅外分析技術(shù)首先要解決的問題，并且利用所采集的近紅外光譜更準(zhǔn)確地預(yù)測(cè)煙葉的屬性。因此，如何提供一種煙葉屬性的處理方法、系統(tǒng)及電子設(shè)備，以解決現(xiàn)有技術(shù)中如何采集樣本的近紅外光譜是近紅外分析技術(shù)首要解決的問題，且因此導(dǎo)致無法更準(zhǔn)準(zhǔn)確地預(yù)測(cè)煙葉的屬性等缺陷，實(shí)以成為本領(lǐng)域技術(shù)人員所亟待解決的技術(shù)問題。技術(shù)實(shí)現(xiàn)要素：鑒于以上所述現(xiàn)有技術(shù)的缺點(diǎn)，本發(fā)明的目的在于提供一種煙葉屬性的處理方法、系統(tǒng)及電子設(shè)備，用于解決現(xiàn)有技術(shù)中如何采集樣本的近紅外光譜是近紅外分析技術(shù)首要解決的問題，且因此導(dǎo)致無法更準(zhǔn)準(zhǔn)確地預(yù)測(cè)煙葉的屬性的問題。為實(shí)現(xiàn)上述目的及其他相關(guān)目的，本發(fā)明一方面提供一種煙葉屬性的處理方法，所述煙葉屬性的處理方法包括以下步驟：獲取第一煙葉樣本的光譜值和煙葉屬性；其中，第一煙葉樣本的光譜值通過將第一煙葉樣本中包含的多片煙葉以預(yù)定排放方式排列后，采用光譜采集設(shè)備來采集；根據(jù)第一煙葉樣本的煙葉屬性和光譜值，建立煙葉屬性預(yù)測(cè)模型，并通過所建立的煙葉屬性預(yù)測(cè)模型，來預(yù)測(cè)煙葉產(chǎn)品的煙葉屬性。于本發(fā)明的一實(shí)施例中，所述煙葉屬性的處理方法還包括驗(yàn)證所建立的煙葉屬性預(yù)測(cè)模型；驗(yàn)證所建立的煙葉屬性預(yù)測(cè)模型的步驟包括：通過第二煙葉樣本的煙葉屬性和光譜值來驗(yàn)證所述煙葉屬性預(yù)測(cè)模型；其中，驗(yàn)證指標(biāo)包括平均絕對(duì)誤差和相關(guān)系數(shù)。于本發(fā)明的一實(shí)施例中，所述煙葉屬性包括煙葉的化學(xué)成分、煙葉的產(chǎn)地、煙葉的品質(zhì)、和/或煙葉的部位。于本發(fā)明的一實(shí)施例中，第一煙葉樣本的化學(xué)成分是通過與每一化學(xué)成分相對(duì)應(yīng)的預(yù)定化學(xué)成分檢測(cè)方法來檢測(cè)獲取。于本發(fā)明的一實(shí)施例中，所述化學(xué)成分包括煙堿、總糖、還原糖、氮、總氮、或鉀；所述預(yù)定排列方式為：按照煙葉形狀重疊排放；在采集光譜值時(shí)，分別采集置于頂部的煙葉的葉尖部、葉腰部、葉基部的光譜值，及將置于底部的煙葉的葉尖部、葉腰部、葉基部的光譜值；置于底部的煙葉的葉尖部、葉腰部、葉基部的光譜值是通過將置于底部的煙葉重新擺放于第一煙葉樣本的頂部，采用光譜采集設(shè)備來采集；將置于頂部的煙葉的葉尖部的光譜值和置于底部的煙葉的葉尖部的光譜值平均，得到葉尖部的平均光譜值；置于頂部的煙葉的葉腰部的光譜值和置于底部的煙葉的葉腰部的光譜值平均，得到葉腰部的平均光譜值，置于頂部的煙葉的葉基部的光譜值和置于底部的煙葉的葉基部的光譜值平均，得到葉基部的平均光譜值；將葉尖部的平均光譜值，葉腰部的平均光譜值，葉基部的平均光譜值平均，得到第一煙葉樣本的光譜值。于本發(fā)明的一實(shí)施例中，所述煙葉屬性預(yù)測(cè)模型包括煙葉屬性定量預(yù)測(cè)模型和煙葉屬性定性預(yù)測(cè)模型；其中，通過所述煙葉屬性定量預(yù)測(cè)模型預(yù)測(cè)煙葉的化學(xué)成分；通過煙葉屬性定性預(yù)測(cè)模型預(yù)測(cè)煙葉的化學(xué)成分等級(jí)、煙葉的品質(zhì)、和/或煙葉的部位。于本發(fā)明的一實(shí)施例中，所述煙葉屬性定量預(yù)測(cè)模型的建立方法包括建立線性回歸模型方法和建立非線性回歸模型方法；其中，線性回歸模型方法包括多元線性回歸、主成分回歸或偏最小二乘回歸；非線性回歸模型方法包括人工神經(jīng)網(wǎng)絡(luò)方法或支持向量機(jī)方法；所述煙葉屬性定性預(yù)測(cè)模型的建立方法包括最小距離判別法、bayes線性判別法、fisher線性判別法、線性學(xué)習(xí)機(jī)方法、k最鄰近法，勢(shì)函數(shù)判別方法、simca方法、人工神經(jīng)網(wǎng)絡(luò)方法或支持向量機(jī)方法。本發(fā)明另一方面提供一種煙葉屬性的處理系統(tǒng)，所述煙葉屬性的處理系統(tǒng)包括：獲取模塊，獲取第一煙葉樣本的光譜值和煙葉屬性；其中，第一煙葉樣本的光譜值通過將第一煙葉樣本中包含的多片煙葉以預(yù)定排放方式排列后，采用光譜采集設(shè)備來采集；預(yù)測(cè)模塊，用于根據(jù)第一煙葉樣本的煙葉屬性和光譜值，建立煙葉屬性預(yù)測(cè)模型，并通過所建立的煙葉屬性預(yù)測(cè)模型，來預(yù)測(cè)煙葉產(chǎn)品的煙葉屬性。本發(fā)明又一方面提供一種電子設(shè)備，所述電子設(shè)備包括如權(quán)利要求8所述的煙葉屬性的處理系統(tǒng)。本發(fā)明最后一方面提供一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，該程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)所述煙葉屬性的處理方法的步驟。如上所述，本發(fā)明的煙葉屬性的處理方法、系統(tǒng)及電子設(shè)備，具有以下有益效果：本發(fā)明所述的煙葉屬性的處理方法、系統(tǒng)及電子設(shè)備通過多點(diǎn)采集樣本光譜的方式得到模型預(yù)測(cè)結(jié)果要遠(yuǎn)遠(yuǎn)好于采用隨機(jī)采集1點(diǎn)的煙葉光譜，且能更準(zhǔn)確地預(yù)測(cè)煙葉產(chǎn)品的屬性數(shù)據(jù)。附圖說明圖1顯示為本發(fā)明的第一煙葉樣本的平面示意圖示意圖。圖2顯示為本發(fā)明的煙葉屬性的處理方法于一實(shí)施例中的流程示意圖。圖3顯示為本發(fā)明的煙葉屬性的處理系統(tǒng)于一實(shí)施例中的原理結(jié)構(gòu)示意圖。圖4顯示為本發(fā)明的電子設(shè)備的原理結(jié)構(gòu)示意圖。元件標(biāo)號(hào)說明3煙葉屬性的處理系統(tǒng)31獲取模塊32預(yù)測(cè)模塊33驗(yàn)證模塊4電子設(shè)備s1～s3步驟具體實(shí)施方式以下通過特定的具體實(shí)例說明本發(fā)明的實(shí)施方式，本領(lǐng)域技術(shù)人員可由本說明書所揭露的內(nèi)容輕易地了解本發(fā)明的其他優(yōu)點(diǎn)與功效。本發(fā)明還可以通過另外不同的具體實(shí)施方式加以實(shí)施或應(yīng)用，本說明書中的各項(xiàng)細(xì)節(jié)也可以基于不同觀點(diǎn)與應(yīng)用，在沒有背離本發(fā)明的精神下進(jìn)行各種修飾或改變。需說明的是，在不沖突的情況下，以下實(shí)施例及實(shí)施例中的特征可以相互組合。需要說明的是，以下實(shí)施例中所提供的圖示僅以示意方式說明本發(fā)明的基本構(gòu)想，遂圖式中僅顯示與本發(fā)明中有關(guān)的組件而非按照實(shí)際實(shí)施時(shí)的組件數(shù)目、形狀及尺寸繪制，其實(shí)際實(shí)施時(shí)各組件的型態(tài)、數(shù)量及比例可為一種隨意的改變，且其組件布局型態(tài)也可能更為復(fù)雜。實(shí)施例一本實(shí)施例提供一種煙葉屬性的處理方法，所述煙葉屬性的處理方法包括以下步驟：獲取第一煙葉樣本的光譜值和煙葉屬性；其中，第一煙葉樣本的光譜值通過將第一煙葉樣本中包含的多片煙葉以預(yù)定排放方式排列后，采用光譜采集設(shè)備來采集；根據(jù)第一煙葉樣本的煙葉屬性和光譜值，建立煙葉屬性預(yù)測(cè)模型，并通過所建立的煙葉屬性預(yù)測(cè)模型，來預(yù)測(cè)煙葉產(chǎn)品的煙葉屬性。以下將結(jié)合圖示對(duì)本實(shí)施例所提供的煙葉屬性的處理方法進(jìn)行詳細(xì)描述。在本實(shí)施例中，所述第一煙葉樣本由多片煙葉組成。且多片煙葉以預(yù)定排放方式排列。所述預(yù)定排放方式是指：首先，按照煙葉形狀重疊排放。在本實(shí)施例中，采用6片煙葉組成一個(gè)第一煙葉樣本。將煙葉完全展開，并按照煙葉形狀上下重疊在一起平鋪于光譜采集設(shè)備的實(shí)驗(yàn)臺(tái)上。光譜采集設(shè)備于本實(shí)施例中為近紅外光譜儀。請(qǐng)參閱圖1，顯示為第一煙葉樣本的平面示意圖。如圖1所示，所述第一煙葉樣本包括6片煙葉，6片煙葉重疊在一起。通過近紅外光譜儀采集煙葉1的葉尖部11、葉腰部12、葉基部13的光譜值。接著，在采集光譜值時(shí)，分別采集置于頂部的煙葉的葉尖部、葉腰部、葉基部的光譜值，及將置于底部的煙葉的葉尖部、葉腰部、葉基部的光譜值；置于底部的煙葉的葉尖部、葉腰部、葉基部的光譜值是通過將置于底部的煙葉重新擺放于第一煙葉樣本的頂部，采用光譜采集設(shè)備來采集。在本實(shí)施例中，由于并不知道近紅外光對(duì)煙葉的穿透性，如果煙葉數(shù)量太少近紅外會(huì)穿透煙葉檢測(cè)到實(shí)驗(yàn)臺(tái)的光譜，那么近紅外光譜除了含有煙葉信息還含有實(shí)驗(yàn)臺(tái)的信息，使得檢測(cè)不準(zhǔn)確。所以會(huì)盡量將多片煙葉疊在一起檢測(cè)，然后再將底部的煙葉拿到上面再檢測(cè)一次這樣擺放煙葉的好處就是，如果近紅外光的穿透能力有限，假如說它能穿透4片煙葉，那么第5、6、7片煙葉沒有穿透，這樣的話4片以下(底部)的煙葉檢測(cè)不到，所以再將底部的煙葉拿到頂部重新采集光譜，目的是要將所有煙葉的近紅外光譜都能采集到。然后，將置于頂部的煙葉的葉尖部的光譜值和置于底部的煙葉的葉尖部的光譜值平均，得到葉尖部的平均光譜值；置于頂部的煙葉的葉腰部的光譜值和置于底部的煙葉的葉腰部的光譜值平均，得到葉腰部的平均光譜值，置于頂部的煙葉的葉基部的光譜值和置于底部的煙葉的葉基部的光譜值平均，得到葉基部的平均光譜值。最后，將葉尖部的平均光譜值，葉腰部的平均光譜值，葉基部的平均光譜值平均，得到第一煙葉樣本的光譜值。在執(zhí)行本實(shí)施例所述的煙葉屬性的處理方法之前，還需采集第一煙葉樣本的煙葉屬性。在本實(shí)施例中，所述煙葉屬性包括煙葉的化學(xué)成分、煙葉的產(chǎn)地、煙葉的品質(zhì)、和/或煙葉的部位等。煙葉的化學(xué)成分包括煙堿、總糖、還原糖、氮、總氮、或鉀等。第一煙葉樣本的化學(xué)成分是通過與每一化學(xué)成分相對(duì)應(yīng)的預(yù)定化學(xué)成分檢測(cè)方法來檢測(cè)獲取。所述預(yù)定化學(xué)成分檢測(cè)方法可以采用化學(xué)成分檢測(cè)領(lǐng)域中檢測(cè)每一種化學(xué)成分的經(jīng)典化學(xué)檢測(cè)方法。此處不再贅述如何檢測(cè)各種化學(xué)成分的具體過程。請(qǐng)參閱圖2，顯示為煙葉屬性的處理方法于一實(shí)施例中的流程示意圖。如圖2所示，所述煙葉屬性的處理方法具體包括以下幾個(gè)步驟：s21，獲取第一煙葉樣本的光譜值和煙葉屬性。在本實(shí)施例中，獲取煙葉屬性中的煙堿的成分值。s22，根據(jù)第一煙葉樣本的煙葉屬性和光譜值，建立煙葉屬性預(yù)測(cè)模型，并通過所建立的煙葉屬性預(yù)測(cè)模型，來預(yù)測(cè)煙葉產(chǎn)品的煙葉屬性。所述煙葉屬性預(yù)測(cè)模型包括煙葉屬性定量預(yù)測(cè)模型和煙葉屬性定性預(yù)測(cè)模型；其中，通過所述煙葉屬性定量預(yù)測(cè)模型預(yù)測(cè)煙葉的化學(xué)成分；通過煙葉屬性定性預(yù)測(cè)模型預(yù)測(cè)煙葉的化學(xué)成分等級(jí)、煙葉的品質(zhì)、和/或煙葉的部位。所述煙葉屬性定量預(yù)測(cè)模型的建立方法包括建立線性回歸模型方法和建立非線性回歸模型方法；其中，線性回歸模型方法包括多元線性回歸、主成分回歸或偏最小二乘回歸；非線性回歸模型方法包括人工神經(jīng)網(wǎng)絡(luò)方法或支持向量機(jī)方法；所述煙葉屬性定性預(yù)測(cè)模型的建立方法包括最小距離判別法、bayes線性判別法、fisher線性判別法、線性學(xué)習(xí)機(jī)方法、k最鄰近法，勢(shì)函數(shù)判別方法、simca方法、人工神經(jīng)網(wǎng)絡(luò)方法或支持向量機(jī)方法。在本實(shí)施例中，利用偏最小二乘回歸建立第一煙葉樣本的煙堿和光譜值，一一對(duì)應(yīng)的煙葉屬性定量預(yù)測(cè)模型。以下將具體描述煙葉屬性定量預(yù)測(cè)模型具體建立的過程。第一步：對(duì)第一煙葉樣本的光譜矩陣x和第一煙葉樣本的煙堿矩陣y進(jìn)行分解，模型為：其中，tk(n×1)為光譜矩陣x的第k個(gè)主因子的得分；pk(1×m)為光譜矩陣x的第k個(gè)主因子的載荷；uk(n×1)為煙堿矩陣y的第k個(gè)主因子的得分；qk(1×m)為煙堿矩陣y的第k個(gè)主因子的載荷；f為主因子數(shù)。即t和u分別為x和y矩陣的得分矩陣，p和q分別為x和y矩陣的載荷矩陣，ex和ey分別為x和y的pls擬合殘差矩陣。第二步：將得分矩陣t和u做線性回歸，模型為：u＝tbb＝(ttt)-1tty在預(yù)測(cè)時(shí)，根據(jù)光譜矩陣x的載荷矩陣p求出未知煙葉樣本的光譜矩陣x未知的得分矩陣t未知；未知煙葉樣本的煙堿預(yù)測(cè)值為：y未知＝t未知bqs23，驗(yàn)證所建立的煙葉屬性預(yù)測(cè)模型。在本實(shí)施例中，通過第二煙葉樣本的煙葉屬性和光譜值來驗(yàn)證所述煙葉屬性預(yù)測(cè)模型；其中，驗(yàn)證指標(biāo)包括平均絕對(duì)誤差和相關(guān)系數(shù)。在本實(shí)施例中，將煙葉近紅外光譜和煙堿進(jìn)行一一對(duì)應(yīng)建立煙堿定量模型后，參見表1建模集和驗(yàn)證集樣本情況。表1：建模集和驗(yàn)證集樣本情況樣本集產(chǎn)地等級(jí)部位數(shù)量煙堿最小值煙堿最大值建模集鄧州c2fb2上部煙302.844.14建模集靈寶c2fa1中部煙301.753.12建模集洛寧x2fa1下部煙301.061.53驗(yàn)證集鄧州c2fb2上部煙53.284.29驗(yàn)證集靈寶c2fa1中部煙52.282.75驗(yàn)證集洛寧x2fa1下部煙50.921.3本實(shí)施例還提供一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，該程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)上述煙葉屬性的處理方法的步驟。本實(shí)施例所述的煙葉屬性的處理方法通過6點(diǎn)采集樣本光譜的方式得到模型預(yù)測(cè)結(jié)果要遠(yuǎn)遠(yuǎn)好于采用隨機(jī)采集1點(diǎn)的煙葉光譜，且能更準(zhǔn)確地預(yù)測(cè)煙葉產(chǎn)品的屬性數(shù)據(jù)。實(shí)施例二本實(shí)施例提供一種煙葉屬性的處理系統(tǒng)，所述煙葉屬性的處理系統(tǒng)包括：獲取模塊，獲取第一煙葉樣本的光譜值和煙葉屬性；其中，第一煙葉樣本的光譜值通過將第一煙葉樣本中包含的多片煙葉以預(yù)定排放方式排列后，采用光譜采集設(shè)備來采集；預(yù)測(cè)模塊，用于根據(jù)第一煙葉樣本的煙葉屬性和光譜值，建立煙葉屬性預(yù)測(cè)模型，并通過所建立的煙葉屬性預(yù)測(cè)模型，來預(yù)測(cè)煙葉產(chǎn)品的煙葉屬性。以下將結(jié)合圖示對(duì)本實(shí)施例提供的煙葉屬性的處理系統(tǒng)進(jìn)行詳細(xì)描述。請(qǐng)參閱圖3，顯示為煙葉屬性的處理系統(tǒng)于一實(shí)施例中的原理結(jié)構(gòu)示意圖。如圖3所示，所述煙葉屬性的處理系統(tǒng)3具體包括：獲取模塊31、預(yù)測(cè)模塊32、及驗(yàn)證模塊33。所述獲取模塊31用于獲取第一煙葉樣本的光譜值和煙葉屬性。其中，第一煙葉樣本的光譜值是通過將第一煙葉樣本中包含的多片煙葉以預(yù)定排放方式排列后，采用光譜采集設(shè)備來采集。所述光譜采集設(shè)備于本實(shí)施例中采用近紅外光譜儀。在本實(shí)施例中，所述煙葉屬性包括煙葉的化學(xué)成分、煙葉的產(chǎn)地、煙葉的品質(zhì)、和/或煙葉的部位等。煙葉的化學(xué)成分包括煙堿、總糖、還原糖、氮、總氮、或鉀等。第一煙葉樣本的化學(xué)成分是通過與每一化學(xué)成分相對(duì)應(yīng)的預(yù)定化學(xué)成分檢測(cè)方法來檢測(cè)獲取。所述預(yù)定化學(xué)成分檢測(cè)方法可以采用化學(xué)成分檢測(cè)領(lǐng)域中檢測(cè)每一種化學(xué)成分的經(jīng)典化學(xué)檢測(cè)方法。此處不再贅述如何檢測(cè)各種化學(xué)成分的具體過程。與所述獲取模塊31連接的預(yù)測(cè)模塊32用于根據(jù)第一煙葉樣本的煙葉屬性和光譜值，建立煙葉屬性預(yù)測(cè)模型，并通過所建立的煙葉屬性預(yù)測(cè)模型，來預(yù)測(cè)煙葉產(chǎn)品的煙葉屬性。所述煙葉屬性預(yù)測(cè)模型包括煙葉屬性定量預(yù)測(cè)模型和煙葉屬性定性預(yù)測(cè)模型；其中，通過所述煙葉屬性定量預(yù)測(cè)模型預(yù)測(cè)煙葉的化學(xué)成分；通過煙葉屬性定性預(yù)測(cè)模型預(yù)測(cè)煙葉的化學(xué)成分等級(jí)、煙葉的品質(zhì)、和/或煙葉的部位。所述煙葉屬性定量預(yù)測(cè)模型的建立方法包括建立線性回歸模型方法和建立非線性回歸模型方法；其中，線性回歸模型方法包括多元線性回歸、主成分回歸或偏最小二乘回歸；非線性回歸模型方法包括人工神經(jīng)網(wǎng)絡(luò)方法或支持向量機(jī)方法；所述煙葉屬性定性預(yù)測(cè)模型的建立方法包括最小距離判別法、bayes線性判別法、fisher線性判別法、線性學(xué)習(xí)機(jī)方法、k最鄰近法，勢(shì)函數(shù)判別方法、simca方法、人工神經(jīng)網(wǎng)絡(luò)方法或支持向量機(jī)方法。在本實(shí)施例中，所述預(yù)測(cè)模塊32利用偏最小二乘回歸建立第一煙葉樣本的煙堿和光譜值，一一對(duì)應(yīng)的煙葉屬性定量預(yù)測(cè)模型。以下將具體描述所述預(yù)測(cè)模塊32建立煙葉屬性定量預(yù)測(cè)模型，以預(yù)測(cè)煙葉樣本的煙堿的具體過程。所述預(yù)測(cè)模塊32用于對(duì)第一煙葉樣本的光譜矩陣x和第一煙葉樣本的煙堿矩陣y進(jìn)行分解，模型為：其中，tk(n×1)為光譜矩陣x的第k個(gè)主因子的得分；pk(1×m)為光譜矩陣x的第k個(gè)主因子的載荷；uk(n×1)為煙堿矩陣y的第k個(gè)主因子的得分；qk(1×m)為煙堿矩陣y的第k個(gè)主因子的載荷；f為主因子數(shù)。即t和u分別為x和y矩陣的得分矩陣，p和q分別為x和y矩陣的載荷矩陣，ex和ey分別為x和y的pls擬合殘差矩陣。所述預(yù)測(cè)模塊32還用于將得分矩陣t和u做線性回歸，模型為：u＝tbb＝(ttt)-1tty在預(yù)測(cè)時(shí)，根據(jù)光譜矩陣x的載荷矩陣p求出未知煙葉樣本的光譜矩陣x未知的得分矩陣t未知；未知煙葉樣本的煙堿預(yù)測(cè)值為：y未知＝t未知bq本實(shí)施例還提供一種電子設(shè)備4，請(qǐng)參閱圖4，顯示為電子設(shè)備的原理結(jié)構(gòu)示意圖。如圖4所示，所述電子設(shè)備4包括上述煙葉屬性的處理系統(tǒng)3，且通過存儲(chǔ)器和處理器來實(shí)現(xiàn)。存儲(chǔ)器中存儲(chǔ)有第一煙葉樣本的光譜值和煙葉屬性，及煙葉屬性定量預(yù)測(cè)模型和定性預(yù)測(cè)模型。處理器根據(jù)第一煙葉樣本的煙葉屬性和光譜值，建立煙葉屬性預(yù)測(cè)模型，并通過所建立的煙葉屬性預(yù)測(cè)模型，來預(yù)測(cè)煙葉產(chǎn)品的煙葉屬性。綜上所述，本發(fā)明所述的煙葉屬性的處理方法、系統(tǒng)及電子設(shè)備通過多點(diǎn)采集樣本光譜的方式得到模型預(yù)測(cè)結(jié)果要遠(yuǎn)遠(yuǎn)好于采用隨機(jī)采集1點(diǎn)的煙葉光譜，且能更準(zhǔn)確地預(yù)測(cè)煙葉產(chǎn)品的屬性數(shù)據(jù)。所以，本發(fā)明有效克服了現(xiàn)有技術(shù)中的種種缺點(diǎn)而具高度產(chǎn)業(yè)利用價(jià)值。上述實(shí)施例僅例示性說明本發(fā)明的原理及其功效，而非用于限制本發(fā)明。任何熟悉此技術(shù)的人士皆可在不違背本發(fā)明的精神及范疇下，對(duì)上述實(shí)施例進(jìn)行修飾或改變。因此，舉凡所屬
技術(shù)領(lǐng)域：
中具有通常知識(shí)者在未脫離本發(fā)明所揭示的精神與技術(shù)思想下所完成的一切等效修飾或改變，仍應(yīng)由本發(fā)明的權(quán)利要求所涵蓋。當(dāng)前第1頁12