專(zhuān)利名稱(chēng):利用近紅外光譜技術(shù)進(jìn)行卷煙葉組配方計(jì)算機(jī)輔助設(shè)計(jì)的方法
技術(shù)領(lǐng)域:
本發(fā)明涉及卷煙配方,具體說(shuō)是一種利用近紅外光譜技術(shù)進(jìn)行卷煙葉組配方計(jì)算 機(jī)輔助設(shè)計(jì)的方法。
背景技術(shù):
煙葉是一種復(fù)雜天然產(chǎn)物,已知的化學(xué)成分就多達(dá)三千多種。隨著分析技術(shù)的不 斷發(fā)展,新發(fā)現(xiàn)的成分還在逐年增加。而且煙葉作為一種農(nóng)作物,它的化學(xué)成分也會(huì)因品 種、產(chǎn)地、年份、生長(zhǎng)部位等因素而發(fā)生變化。在存放期間,煙葉中化學(xué)成分還會(huì)隨著保存環(huán) 境以及煙葉中所含酶的作用發(fā)生改變。目前,卷煙產(chǎn)品葉組的配方開(kāi)發(fā)和維護(hù)主要是依賴(lài)有經(jīng)驗(yàn)的配方師根據(jù)煙葉的自 然屬性(如產(chǎn)區(qū)、部位、等級(jí)和年份)和主要化學(xué)成份(糖、氮、堿)等因素,結(jié)合自己的感 官評(píng)吸來(lái)進(jìn)行的。煙葉的自然屬性中的等級(jí)判定有一定的主觀因素,并且同一自然屬性的 煙葉由于存放環(huán)境的不同也會(huì)導(dǎo)致感官質(zhì)量的不同。配方師的感官質(zhì)量評(píng)價(jià)結(jié)果的主觀因 素也較多,同一配方師對(duì)同一煙葉的評(píng)價(jià)結(jié)果也有賴(lài)于配方師生理和心理的穩(wěn)定,由于煙 葉品種繁多,配方師要逐個(gè)對(duì)庫(kù)存煙葉進(jìn)行評(píng)吸對(duì)身體傷害較大并且耗時(shí)很多,配方師對(duì) 煙葉的評(píng)吸與煙葉的使用間的存放有一個(gè)時(shí)間段,這個(gè)時(shí)間段中煙葉的化學(xué)成分可能會(huì)出 現(xiàn)較大變化。相對(duì)而言,煙葉的化學(xué)成分是比較客觀的,但是根據(jù)傳統(tǒng)的檢測(cè)方法對(duì)煙葉的 主要的化學(xué)成分進(jìn)行檢測(cè)費(fèi)時(shí)費(fèi)力,對(duì)多數(shù)化學(xué)成分進(jìn)行檢測(cè)就更難以實(shí)施。所以,傳統(tǒng)的 卷煙葉組的配方模式對(duì)配方師的要求很高,耗時(shí)費(fèi)力,具有較大的主觀性,準(zhǔn)確性較差。而目前企業(yè)的發(fā)展和市場(chǎng)的開(kāi)拓,速度是很關(guān)鍵的,并且目前卷煙行業(yè)和消費(fèi)者 對(duì)卷煙質(zhì)量的穩(wěn)定要求較高,這就需要一個(gè)高效準(zhǔn)確的卷煙葉組的配方模式。研究表明,煙葉的近紅外光譜數(shù)據(jù)和煙葉的化學(xué)成分之間有著密切的聯(lián)系,利用 煙葉的近紅外光譜數(shù)據(jù)目前已經(jīng)能準(zhǔn)確檢測(cè)煙葉中多種化學(xué)成分如總糖,總氮,總堿,揮發(fā) 酸,揮發(fā)堿,淀粉,鉀,氯等。計(jì)算機(jī)輔助設(shè)計(jì)(CAD)技術(shù)日趨成熟,在各個(gè)行業(yè)中得到了廣 泛的應(yīng)用,極大地提高了效率。因此,基于近紅外光譜數(shù)據(jù)進(jìn)行計(jì)算機(jī)輔助卷煙葉組配方設(shè)計(jì)是可行的。
發(fā)明內(nèi)容
本發(fā)明的目的是提供一種能夠快速準(zhǔn)確地得到目標(biāo)卷煙葉組的擬合配方,利用近 紅外光譜技術(shù)進(jìn)行卷煙葉組的計(jì)算機(jī)輔助配方的設(shè)計(jì)方法。所述利用近紅外光譜技術(shù)進(jìn)行卷煙葉組配方計(jì)算機(jī)輔助設(shè)計(jì)的方法包含以下步 驟①、通過(guò)近紅外光譜儀掃描得到原料煙葉的近紅外漫反射光譜,獲取庫(kù)存煙葉的 近紅外光譜數(shù)據(jù),并輸入各煙葉的相關(guān)信息,建立數(shù)據(jù)庫(kù);②、對(duì)煙葉的近紅外光譜數(shù)據(jù)進(jìn)行主成分分析;
③、以遺傳算法作為算法模型進(jìn)行配方擬合運(yùn)算,利用評(píng)價(jià)函數(shù)的調(diào)整,得到多個(gè) 擬合配方。所述遺傳算法的參數(shù)為染色體定義為所選原料煙葉的比例序列,以實(shí)際所用的 原料煙葉數(shù)目為其維數(shù),種群的交叉率設(shè)定為0. 2 0. 3,變異率設(shè)定為0. 05,收斂的代數(shù) 設(shè)定為10000 士 20%代。所述評(píng)價(jià)函數(shù),是種群中個(gè)體的近紅外光譜主成分?jǐn)?shù)據(jù)與擬合對(duì)象的近紅外光譜 主成分?jǐn)?shù)據(jù)差值的平方,所述擬合配方的主要成分和目標(biāo)卷煙的主要成分是指煙葉中的總 堿、總糖、總氮在煙葉中的比例。所述主成分分析,使用了 Matlab軟件用于對(duì)原料煙葉近紅外光譜進(jìn)行主成分分 析處理,主成分分析的參數(shù)為主成分?jǐn)?shù)為8 28,主成分信息量90% 95%,使用中心化處理。所述近紅外光譜的預(yù)處理包括使用多點(diǎn)平滑,在一階導(dǎo)數(shù)后再用多點(diǎn)平滑的處 理方法。在進(jìn)行配方模擬之前,可以根據(jù)需要對(duì)煙葉產(chǎn)區(qū)、等級(jí)、部位、年份、價(jià)格和使用比 例進(jìn)行限制;在模擬結(jié)束后可以根據(jù)成本控制和化學(xué)成分控制的需要對(duì)模擬結(jié)果進(jìn)行篩 選。本發(fā)明的有益效果是(1)與傳統(tǒng)的卷煙葉組配方維護(hù)和開(kāi)發(fā)程序相比,大大的提高了卷煙產(chǎn)品開(kāi)發(fā)和 維護(hù)的效率,極大地減少了卷煙配方師的工作強(qiáng)度。傳統(tǒng)的配方維護(hù)和開(kāi)發(fā)是配方師需要 對(duì)庫(kù)存煙葉逐個(gè)評(píng)吸進(jìn)行感官質(zhì)量評(píng)價(jià),而庫(kù)存煙葉由于產(chǎn)地部位年份和等級(jí)的不同,所 以通常有幾百個(gè)左右不同的煙葉,要對(duì)這么多地?zé)熑~進(jìn)行感官質(zhì)量評(píng)價(jià)不僅要消耗配方師 大量的時(shí)間,同時(shí)也對(duì)配方師的身體造成了一定影響,傳統(tǒng)的配方過(guò)程需要有經(jīng)驗(yàn)的配方 師數(shù)個(gè)工作日才能完成。而利用該項(xiàng)目進(jìn)行配方,僅需要幾分鐘就可以獲得數(shù)個(gè)有效的配 方,配方師只需要對(duì)計(jì)算機(jī)給出配方進(jìn)行試制和評(píng)價(jià),極大地減少了配方師在抽煙方面的 工作量,有利于保護(hù)配方師的身體健康和提高工作效率。(2)提高了卷煙配方維護(hù)的準(zhǔn)確性通過(guò)該項(xiàng)目進(jìn)行的擬合配方與原配方在感官質(zhì) 量特別是在化學(xué)成分上具有較好的一致性。而傳統(tǒng)的卷煙葉組配方維護(hù)程序通過(guò)感官評(píng)價(jià) 和經(jīng)驗(yàn)較難實(shí)現(xiàn)這點(diǎn);(3)利用該項(xiàng)目對(duì)配方進(jìn)行維護(hù)時(shí)同時(shí)還可以對(duì)葉組配方成本、煙葉的產(chǎn)地、等 級(jí)、年份、部位、使用比例等進(jìn)行同時(shí)限制和篩選,這也是傳統(tǒng)的配方程序較難做到的。
圖1是編號(hào)1-Mix017的樣本配方的近紅外光譜圖,圖2是10個(gè)配方的光譜疊加圖象,圖3是樣本疊加誤差圖,圖4是擬合誤差圖,圖5是系統(tǒng)框架圖,圖6是系統(tǒng)數(shù)據(jù)流程圖,圖7是煙葉管理流程圖,
圖8是樣本管理流程圖。
具體實(shí)施例方式下面結(jié)合附圖對(duì)本發(fā)明進(jìn)行進(jìn)一步的說(shuō)明以200多種原料煙葉建立原料煙葉的 信息數(shù)據(jù)庫(kù),從實(shí)際操作來(lái)詳細(xì)說(shuō)明得到結(jié)論的過(guò)程。在開(kāi)始設(shè)計(jì)配方輔助設(shè)計(jì)系統(tǒng)之前,必須建立原料煙葉的信息數(shù)據(jù)庫(kù),包含原料 煙葉的近紅外光譜和預(yù)處理光譜、主要化學(xué)成分含量、感官質(zhì)量等,這些準(zhǔn)備工作是能否建 立合適的配方模擬模型和配方教正模型的基礎(chǔ),因此前期的原料煙葉的譜圖掃描、煙草主 要成分快速定量分析和煙草的感官質(zhì)量評(píng)價(jià)必須準(zhǔn)確。1.基本數(shù)據(jù)的收集在整個(gè)項(xiàng)目期間一共收集了 200多種原料煙葉,對(duì)其進(jìn)行了近紅外光譜圖的掃 描,并對(duì)原料煙葉的光譜圖進(jìn)行了預(yù)處理,目的是消除噪音。近紅外光譜的噪音主要來(lái)自高 頻隨機(jī)噪音、基線(xiàn)漂移、樣本不均勻以及光散射等等。主要的處理方法是平滑處理和基線(xiàn)校 正,在本項(xiàng)目中針對(duì)數(shù)據(jù)的實(shí)際情況,我們采用了先使用9點(diǎn)平滑,在一階導(dǎo)數(shù)后再13點(diǎn)平 滑的處理方法,實(shí)踐證明處理的效果很好。為了處理的方便性,我們將以上200種原料煙葉 的近紅外光譜以ASCII文件的形式保存,編號(hào)從1到200,同時(shí)詳細(xì)記錄了對(duì)應(yīng)原料煙葉的 煙葉名、等級(jí)、產(chǎn)地、年份、單價(jià)等信息以便于對(duì)整個(gè)原料煙葉進(jìn)行管理。利用紅外光譜掃描對(duì)以上200種原料煙葉進(jìn)行了煙草主要成分快速定量分析,確 定了以上200種原料煙葉中總糖含量、總氮含量、總堿(S卩,尼古丁)含量,將以上數(shù)據(jù)添加 到原料煙葉數(shù)據(jù)庫(kù)中;再利用煙草的感官質(zhì)量評(píng)價(jià)軟件,對(duì)以上200種原料煙葉煙草的感 官質(zhì)量評(píng)價(jià),評(píng)價(jià)的數(shù)據(jù)也添加到原料煙葉數(shù)據(jù)庫(kù)中。為了實(shí)現(xiàn)對(duì)所有原料煙葉數(shù)據(jù)的管理,我們建立了一個(gè)小型的數(shù)據(jù)管理系統(tǒng)專(zhuān)門(mén) 用于對(duì)原料煙葉和模擬配方數(shù)據(jù)的管理,整個(gè)數(shù)據(jù)庫(kù)由兩個(gè)表格組成一個(gè)是原料煙葉的 數(shù)據(jù)表格,包含煙葉名稱(chēng)(主鍵)、等級(jí)、產(chǎn)地、年份、價(jià)格、總堿含量、總糖含量和總氮含量 字段;一個(gè)是樣本卷煙的數(shù)據(jù)表格,包含樣本名稱(chēng)(主鍵)、配方比例數(shù)據(jù)鏈表(由原料煙 葉的名稱(chēng)、比例兩個(gè)部分組成)字段。用戶(hù)可實(shí)現(xiàn)對(duì)以上數(shù)據(jù)的查詢(xún)。兩個(gè)表格的具體定義如下A、Source原料煙葉數(shù)據(jù)表
5 B、Sample樣本煙葉數(shù)據(jù)表 在實(shí)現(xiàn)了表格的定義以后,我們便可以對(duì)所有的數(shù)據(jù)進(jìn)行查詢(xún)。在做好以上原料煙葉的基本數(shù)據(jù)收集后,本子項(xiàng)目進(jìn)入對(duì)這200種原料煙葉煙的 主成分分析階段。2.原料煙葉的主成分分析主成分分析(PCA)是一種經(jīng)典的多元分析技術(shù)。該方法的中心目的是將數(shù)據(jù)降 維,以排除眾多化學(xué)信息共存時(shí)相互重疊的信息。由于在實(shí)際工作中檢測(cè)到的光譜,其中構(gòu) 成光譜的因素很多,如原料煙葉樣本的成分、成分間的相互作用、光譜儀的影響(檢測(cè)器噪 音、環(huán)境對(duì)基線(xiàn)的影響)和樣本的前處理等。而盡管有許多因素對(duì)光譜都有貢獻(xiàn),但是,總 會(huì)有一定數(shù)目的獨(dú)立變量存在于光譜中。理想的情況下,我們希望校正集光譜中的最大變 化最好是被測(cè)樣本的組成或性質(zhì)的變化引起。實(shí)際工作中,光譜的變化是由上述多種因素 引起,也可以將光譜看作是這些因素各自產(chǎn)生的各種光譜的加和。我們的目的是選取可以 盡可能多地表征原變量的數(shù)據(jù)結(jié)構(gòu)而不丟失信息的新變量,這些新變量互不相關(guān),即正交, 稱(chēng)之為主成分。實(shí)際應(yīng)用中去前幾個(gè)對(duì)偏差量貢獻(xiàn)大的主成分進(jìn)行進(jìn)一步作圖或計(jì)算。我們?cè)趯?shí)際中使用了一共25個(gè)主成分分量,包含了 92%的主成分信息。近紅外光譜是由大量化學(xué)基因的合頻與倍頻疊加而成,包含的信息十分豐富。一 張光譜就相當(dāng)于多維空間中的一個(gè)點(diǎn),使用PCA(主成分的分析,principal components analysis)對(duì)定標(biāo)集中樣本的光譜進(jìn)行處理,可以精簡(jiǎn)光譜中的信息,減少空間的維數(shù),為 后續(xù)建模做準(zhǔn)備。同時(shí),研究樣本集光譜在主成分空間中的分布,有助于從光譜的角度研究 樣本集中的樣本特性,可以觀察出光譜性質(zhì)特異的樣本,對(duì)定標(biāo)樣本集作進(jìn)一步的分析篩 選。3.卷煙配方的計(jì)算機(jī)輔助設(shè)計(jì)系統(tǒng)設(shè)計(jì)方案的確定在有了前面工作的基礎(chǔ)上,我們開(kāi)始考慮如何建立模擬配方模型,如果直接以前 面兩個(gè)階段所得的原料煙葉的主要化學(xué)成分含量的擬合以及原料煙葉的感官質(zhì)量評(píng)價(jià)的 擬合作為建立模擬配方模型的基礎(chǔ),顯然最終建立的模擬配方模型的效果不會(huì)很理想,因 為煙葉吸食品質(zhì)是有多因素綜合形成,單純的依靠煙葉中的幾種主要化學(xué)成分如總糖總氮 總堿進(jìn)行模擬顯然不能達(dá)到設(shè)計(jì)要求,另外煙葉間的相互組合也會(huì)導(dǎo)致吸食品質(zhì)的改變, 所以用煙葉原料吸食品質(zhì)的得分為基礎(chǔ)進(jìn)行設(shè)計(jì)也難獲取理想的效果。因此在建立模擬配 方模型時(shí)我們以煙葉原料和模擬樣本的綜合信息——近紅外光譜圖作為基礎(chǔ)。雖然具有相 同或相近的近紅外光譜圖也并不一定意味兩樣本間化學(xué)成分的相同或相近,但兩者相同或 相近的可能性較前兩者已有大幅提高,在近紅外光譜圖接近的條件下,我們還對(duì)模擬樣本 和目標(biāo)樣本的主要化學(xué)成分進(jìn)行控制和驗(yàn)證,進(jìn)一步的提高了兩樣本間的接近程度。為此 我們選擇了以擬合目標(biāo)卷煙的近紅外光譜作為基本的評(píng)價(jià)標(biāo)準(zhǔn),擬合的結(jié)果通過(guò)對(duì)擬合配 方的主要成分含量和目標(biāo)卷煙的主要成分含量之間的差作為綜合評(píng)價(jià)標(biāo)準(zhǔn),進(jìn)而得到與目 標(biāo)卷煙的主要成分含量以及近紅外光譜兩者基本吻合的配方。在確定了擬合的評(píng)價(jià)標(biāo)準(zhǔn)以后,下面是如何選擇合適的擬合方法,由于一共有近 200種原料煙葉(隨著系統(tǒng)的運(yùn)行,原料煙葉的數(shù)目還會(huì)不斷增加),因此若用傳統(tǒng)的擬合 方法對(duì)所有可能方案進(jìn)行匹配查找,則所有可能的方案數(shù)為1002°°種,即使加上一些限定 條件如每種原料煙葉的比例不超過(guò)20%,則也有202°°種可能方案,這是一個(gè)非常巨大的數(shù) 字,因而使用傳統(tǒng)方法是不可行的,必須尋找一種智能方法,為此我們選擇了演化算法作為 擬合方法。與其他傳統(tǒng)的擬合方法比較,遺傳算法具有以下特點(diǎn)(1)遺傳算法使用隨機(jī)選 擇與優(yōu)勝劣汰的自然演化規(guī)則指導(dǎo)對(duì)整個(gè)解空間的搜索,而不是用確定性規(guī)則,因此能搜 索任意的、離散的、有噪聲的、多峰值的復(fù)雜解空間;(2)遺傳算法可以同時(shí)搜索解空間中 的多個(gè)點(diǎn)而不是一個(gè)點(diǎn),是一種并行搜索算法,因而能快速全局收斂;(3)遺傳算法實(shí)現(xiàn)的 是對(duì)解空間進(jìn)行智能型的搜索,所得的解的精度高。這些特點(diǎn)正好滿(mǎn)足了我們建立配方設(shè) 計(jì)模型的需要,因此,我們選擇了演化算法來(lái)求解這個(gè)近200維大小的解,從實(shí)際的效果來(lái) 看,選擇演化算法作為擬合方法整個(gè)模型具有效率高(平均在五分鐘內(nèi)可給出擬合結(jié)果)、 所得解精度高(擬合誤差小于10_5)而且一次可給出多個(gè)擬合解(這也與實(shí)際情況中的單 品種多配方相符合)等特點(diǎn)。針對(duì)系統(tǒng)的特點(diǎn),我們?cè)O(shè)計(jì)的演化算法的參數(shù)如下染色體定義為為所選原料煙 葉的比例序列,大小為100維(因?yàn)閷?shí)際所用的原料煙葉數(shù)目為100個(gè),即從編號(hào)51到150 的原料煙葉),種群中個(gè)體數(shù)為200,而種群的交叉率設(shè)定為0. 2,變異率設(shè)定為0. 05,收斂 的代數(shù)設(shè)定為10000代,評(píng)價(jià)函數(shù)選擇的是種群中個(gè)體的近紅外光譜主成分?jǐn)?shù)據(jù)與擬合對(duì)象的近紅外光譜主成分?jǐn)?shù)據(jù)差值的平方。參數(shù)如此設(shè)定的主要的原因是因?yàn)橐话銇?lái)說(shuō),若交叉率設(shè)得過(guò)大(大于0. 5),則 此時(shí)很容易造成超級(jí)個(gè)體的后代抑止其它個(gè)體后代的產(chǎn)生,導(dǎo)致算法很快收斂到局部最優(yōu) 點(diǎn);若交叉率設(shè)得過(guò)小(小于0. 1),則此時(shí)搜索的速度太慢,不能很快獲得最優(yōu)解,因此一 般選擇種群的交叉率為0. 2 0. 3之間,因此我們選定交叉率為0. 2,從算法實(shí)現(xiàn)效果來(lái)看, 可以較快獲得擬合最優(yōu)解;對(duì)變異率,若交叉率設(shè)得過(guò)大(大于0. 3),則此時(shí)不能充分利用 已經(jīng)獲得的種群中最優(yōu)個(gè)體的信息,其基本上相當(dāng)于是一個(gè)隨機(jī)搜索過(guò)程,會(huì)發(fā)生震蕩現(xiàn) 象,很難收斂到最優(yōu)解,若交叉率設(shè)得過(guò)小(小于0. 05),則算法主要由交叉實(shí)現(xiàn)新的個(gè)體 查找,很難產(chǎn)生新型個(gè)體模式,因此我們選定變異率為0. 05 ;種群中個(gè)體數(shù)目的選擇和收 斂代數(shù)的選擇都是由我們現(xiàn)在所使用的計(jì)算機(jī)設(shè)備決定的,由于我們整個(gè)擬合誤差設(shè)定不 大于10-5 (這已經(jīng)遠(yuǎn)遠(yuǎn)小于一般分析儀器測(cè)量誤差的精度),而整個(gè)項(xiàng)目主要的時(shí)間在與 煙葉配方的評(píng)析上,因此只要能在10分鐘內(nèi)給出擬合結(jié)果即可,因此我們選定種群中個(gè)體 數(shù)為200,收斂的代數(shù)設(shè)定為10000代,從算法運(yùn)行的實(shí)際效果來(lái)看,算法一般在五分鐘內(nèi) 可以給出滿(mǎn)足要求的擬合結(jié)果,而且以后每?jī)煞昼娍山o出至少一個(gè)擬合解。如果以后覺(jué)得系統(tǒng)精度還不夠,還可加大以上兩者的取值,當(dāng)然算法計(jì)算的時(shí)間 也會(huì)有相應(yīng)的增加(算法所需的時(shí)間隨種群中個(gè)體數(shù)的增加呈平方倍數(shù)次數(shù)增長(zhǎng),而算法 所需的時(shí)間隨收斂的代數(shù)的增加呈線(xiàn)性倍數(shù)增長(zhǎng))。評(píng)價(jià)函數(shù)選擇種群中個(gè)體的近紅外光 譜主成分?jǐn)?shù)據(jù)與擬合對(duì)象的近紅外光譜主成分?jǐn)?shù)據(jù)差值的平方的原因是一方面擬合對(duì)象 的近紅外光譜主成分?jǐn)?shù)據(jù)已經(jīng)包含了擬合對(duì)象的近紅外光譜的決大多數(shù)信息(按我們的 選擇包含了擬合對(duì)象的92%主要信息),因此近紅外光譜主成分的擬合也隱含著擬合對(duì)象 化學(xué)成分的擬合,另外一方面選取擬合對(duì)象的近紅外光譜主成分?jǐn)?shù)據(jù)是其具有維數(shù)小(只 有25維,若用整個(gè)譜圖數(shù)據(jù)則需5000維)便于計(jì)算的優(yōu)點(diǎn)。從算法運(yùn)行的實(shí)際效果來(lái)看,算法一般在五分鐘內(nèi)可以給出滿(mǎn)足要求的擬合結(jié) 果,而且以后每?jī)煞昼娍山o出至少一個(gè)擬合解。我們一共設(shè)計(jì)了 50種卷煙配方作為樣本配方,先通過(guò)近紅外光譜儀獲得相應(yīng)的 近紅外光譜,將所獲得的近紅外光譜用軟件(PEIdenticheck)處理后,然后用第一階段的 方法測(cè)取原料煙葉中主要化學(xué)成分的含量作為我們模擬的最終評(píng)價(jià)依據(jù),將這些數(shù)據(jù)輸入 卷煙配方的計(jì)算機(jī)輔助設(shè)計(jì)系統(tǒng)。在擬合配方以前必須將現(xiàn)有的原料煙葉的近紅外光譜信 息讀入系統(tǒng)。然后選擇當(dāng)前可用的原料煙葉,我們選擇了序號(hào)為50到150的原料煙葉作為 原料,然后對(duì)其進(jìn)行主成分分析,在選定限定條件后即可進(jìn)行配方擬合。下面以對(duì)編號(hào)1-Mix017的樣本配方進(jìn)行擬合的數(shù)據(jù)加以說(shuō)明圖1所示為編號(hào) 1-Mix017的樣本配方的近紅外光譜圖。我們用第50到150號(hào)原料煙葉對(duì)其進(jìn)行配方擬合,限定條件選擇默認(rèn)值,即單葉 比例限定在20 %以下,年份、等級(jí)等則不加以限定。1-Mix017樣本配方的主要成分含量列表
8 我們一共生成了 9個(gè)擬合配方,由下面的列表和圖2光譜圖的擬合顯示可以看到 從光譜的擬合程度上來(lái)說(shuō),效果很好,從主要化學(xué)成分以及主成分的擬合方面也說(shuō)明系統(tǒng) 在近紅外光譜的擬合方面擬合的效果很好。選中配方名稱(chēng)光譜偏移主成份偏移限定不滿(mǎn)足量化學(xué)成分偏移使用煙葉數(shù)Y配方00000.0007680.0025790.0000000.05119811
配方00010.0007170.0025790.0000000.06272511
配方00020.0007500.0025790.0000000.04919311
Y配方00030.0006520.0025790.0000000.0790349
配方00040.0008610.0025790.0000000.05093111
配方00050.0011050.0025790.0000000.04236611
配方00060.0007500.0025790.0000000.05887212
Y配方00070.0006050.0025790.0000000.0776299
Y配方00080.0008270.0025790.0000000.06318412圖3顯示的是樣本疊加誤差圖,圖4顯示的是擬合誤差圖。下面從目標(biāo)配方和9個(gè)模擬配方的主要化學(xué)成分說(shuō)明系統(tǒng)的性能。配方主要成分列表 從表中數(shù)據(jù)驗(yàn)證了模擬配方系統(tǒng)的擬合效果達(dá)到了當(dāng)初提出的總堿誤差小于 0. 2,總糖誤差小于2,總氮誤差小于0. 2的設(shè)計(jì)要求(注意是絕對(duì)誤差),以下為9個(gè)配方
的誤差列表。
目標(biāo)名稱(chēng)1—MiX017
目標(biāo)總糖=23. 6600目標(biāo)總堿2. 1380目標(biāo)總氮1. 7650
配方名稱(chēng)配方0001
配方原始適應(yīng)值0. 010837
配方所用煙葉數(shù)目11
配方估計(jì)價(jià)格2767
配方總糖25. 2246配方總堿1.9874目標(biāo)總氮1. 8527
總糖誤差1. 5646總堿誤差0. 1506總氮誤差0. 0877
配方名稱(chēng)配方0002
配方原始適應(yīng)值0. 010762
配方所用煙葉數(shù)目11
配方估計(jì)價(jià)格2846
配方總糖24. 6852配方總堿1.9929目標(biāo)總氮1. 8142
總糖誤差1.0252總堿誤差0. 1451總氮誤差0.0492
配方名稱(chēng)配方0003
配方原始適應(yīng)值0. 009836
配方所用煙葉數(shù)目9
配方估計(jì)價(jià)格2610
配方總糖25. 5174配方總堿1.9777目標(biāo)總氮1. 9122
總糖誤差1.8574總堿誤差0. 1603總氮誤差0.1472
配方名稱(chēng)配方0004
配方原始適應(yīng)值0. 009632
配方所用煙葉數(shù)目11
配方估計(jì)價(jià)格2252
配方總糖25. 2597配方總堿2. 0257目標(biāo)總氮1. 8024
總糖誤差1. 5997總堿誤差0. 1123總氮誤差0. 0374
配方名稱(chēng)配方0005
配方原始適應(yīng)值0. 010825
配方所用煙葉數(shù)目11
配方估計(jì)價(jià)格2025
配方總糖25. 1884配方總堿2. 0698目標(biāo)總氮1. 7404
總糖誤差1. 5284總堿誤差0. 0682總氮誤差0.0246
配方名稱(chēng)配方0006
配方原始適應(yīng)值0. 009348
配方所用煙葉數(shù)目12
配方估計(jì)價(jià)格2430
配方總糖25. 1541配方總堿1. 9889目標(biāo)總氮1. 8344
總糖誤差1. 4941總堿誤差0. 1491總氮誤差0. 0694
配方名稱(chēng)配方0007
配方原始適應(yīng)值0. 008813
配方所用煙葉數(shù)目9
配方估計(jì)價(jià)格2721
配方總糖25. 5756配方總堿1. 9848目標(biāo)總氮1. 9060
總糖誤差1. 9156總堿誤差0. 1532總氮誤差0. 1410
配方名稱(chēng)配方0008
配方原始適應(yīng)值0. 008738
配方所用煙葉數(shù)目12
配方估計(jì)價(jià)格2755
配方總糖25. 1878配方總堿1. 9856目標(biāo)總氮1. 8571
總糖誤差1. 5278總堿誤差0. 1524總氮誤差0. 0921
為了方便對(duì)整個(gè)系統(tǒng)的了解,將系統(tǒng)的結(jié)構(gòu)框架圖和流程圖列出。其中,圖5顯示
了整個(gè)系統(tǒng)的構(gòu)成,圖6顯示了系統(tǒng)的數(shù)據(jù)流程,圖7是煙葉管理的流程圖,圖8是樣本管 理的流程圖。
權(quán)利要求
一種利用近紅外光譜技術(shù)進(jìn)行卷煙葉組配方計(jì)算機(jī)輔助設(shè)計(jì)的方法,其特征是該方法包含以下步驟①、通過(guò)近紅外光譜儀掃描得到原料煙葉的近紅外漫反射光譜,獲取庫(kù)存煙葉的近紅外光譜數(shù)據(jù),并輸入各煙葉的相關(guān)信息,建立數(shù)據(jù)庫(kù);②、對(duì)煙葉的近紅外光譜數(shù)據(jù)進(jìn)行主成分分析;③、以遺傳算法作為算法模型進(jìn)行配方擬合運(yùn)算,利用評(píng)價(jià)函數(shù)的調(diào)整,得到多個(gè)擬合配方。
2.根據(jù)權(quán)利要求1所述的利用近紅外光譜技術(shù)進(jìn)行卷煙葉組配方計(jì)算機(jī)輔助設(shè)計(jì)的 方法,其特征是所述遺傳算法的參數(shù)為染色體定義為所選原料煙葉的比例序列,以實(shí)際 所用的原料煙葉數(shù)目為其維數(shù),種群的交叉率設(shè)定為0. 2 0. 3,變異率設(shè)定為0. 05,收斂 的代數(shù)設(shè)定為10000 士 20%代。
3.根據(jù)權(quán)利要求1所述的利用近紅外光譜技術(shù)進(jìn)行卷煙葉組配方計(jì)算機(jī)輔助設(shè)計(jì)的 方法,其特征是所述評(píng)價(jià)函數(shù)是種群中個(gè)體的近紅外光譜主成分?jǐn)?shù)據(jù)與擬合對(duì)象的近紅 外光譜主成分?jǐn)?shù)據(jù)差值的平方,所述擬合配方的主要成分和目標(biāo)卷煙的主要成分是指煙葉 中的總堿、總糖、總氮在煙葉中的比例。
4.根據(jù)權(quán)利要求1所述的利用近紅外光譜技術(shù)進(jìn)行卷煙葉組配方計(jì)算機(jī)輔助設(shè)計(jì)的 方法,其特征是所述主成分分析是利用Matlab軟件對(duì)原料煙葉近紅外光譜進(jìn)行主成分分 析處理,主成分分析的參數(shù)為主成分?jǐn)?shù)為8 28,主成分信息量90% 95%,使用中心化 處理。
5.根據(jù)權(quán)利要求1所述的利用近紅外光譜技術(shù)進(jìn)行卷煙葉組配方計(jì)算機(jī)輔助設(shè)計(jì)的 方法,其特征是所述近紅外光譜的預(yù)處理包括使用多點(diǎn)平滑,在一階導(dǎo)數(shù)后再用多點(diǎn)平 滑的處理方法。
6.根據(jù)權(quán)利要求1所述的利用近紅外光譜技術(shù)進(jìn)行卷煙葉組配方計(jì)算機(jī)輔助設(shè)計(jì)的 方法,其特征是在進(jìn)行配方模擬之前,根據(jù)需要對(duì)煙葉產(chǎn)區(qū)、等級(jí)、部位、年份、價(jià)格和使用 比例進(jìn)行限制;在模擬結(jié)束后可以根據(jù)成本控制和化學(xué)成分控制的需要對(duì)模擬結(jié)果進(jìn)行篩選。
全文摘要
一種利用近紅外光譜技術(shù)進(jìn)行卷煙葉組配方計(jì)算機(jī)輔助設(shè)計(jì)的方法,其特征是,該方法包含以下步驟通過(guò)近紅外光譜儀掃描得到原料煙葉的近紅外漫反射光譜,獲取庫(kù)存煙葉的近紅外光譜數(shù)據(jù),并輸入各煙葉的相關(guān)信息,建立數(shù)據(jù)庫(kù);對(duì)煙葉的近紅外光譜數(shù)據(jù)進(jìn)行主成分分析;以遺傳算法作為算法模型進(jìn)行配方擬合運(yùn)算,利用評(píng)價(jià)函數(shù)的調(diào)整,得到多個(gè)擬合配方。本發(fā)明可以方便、快速地得到多個(gè)擬合配方,及這些配方的原始適應(yīng)值、配方所用煙葉數(shù)目、配方估價(jià)、主要化學(xué)成分含量及誤差。
文檔編號(hào)G06F17/50GK101866368SQ20091006166
公開(kāi)日2010年10月20日 申請(qǐng)日期2009年4月17日 優(yōu)先權(quán)日2009年4月17日
發(fā)明者張耀華, 朱巍, 李丹, 熊斌, 覃艷東, 陳祖剛 申請(qǐng)人:湖北中煙工業(yè)有限責(zé)任公司