【技术实现步骤摘要】
本公开涉及烟叶，尤其涉及一种烟叶产地识别模型的构建、训练方法、装置、设备及介质。
技术介绍
1、烟草作为一种具有复杂天然属性的作物，在我国拥有广泛的种植区域。在烟叶生长的过程中，其品质和风格受到多种因素的影响，包括遗传组成、环境条件以及栽培技术等。这些因素导致不同地理区域的烟叶在香味特性上存在显著差异。例如，云南(滇)、福建(闽)、四川(川)等地的烟叶普遍被归类为清香型；河南、湖南等地的烟叶以浓香型为主；而贵州、山东、东北等地的烟叶则通常被认为属于中间香型。随着烤烟产业的不断发展，产地识别问题越来越受到重视。
2、传统上，烟叶的品质检测和产地识别主要依赖专家的感官评吸方法，即通过视觉、嗅觉、触觉和味觉进行人工鉴别。然而，这种方法不仅耗费大量的人力物力，而且具有较强的主观性，使得分析结果缺乏客观性和精确性。此外，常规的化学分析方法往往要求使用多种复杂的仪器设备，且分析过程繁琐、耗时长、成本高昂，难以满足现代烟草行业对快速、高效、实时、在线检测与智能管控的需求。
技术实现思路
1、鉴于以上所述现有技术的缺点，本公开的目的在于提供一种结合现代传感技术和智能数据分析的烟叶产地识别模型的构建、训练方法、装置、设备及介质，解决相关技术中的问题。
2、本公开第一方面提供一种烟叶产地识别模型的构建方法，包括：获取多个样本烟叶的原始电子鼻数据集；所述原始电子鼻数据集包括不同色谱柱得到的每组原始电子鼻数据；
3、对每个样本烟叶的原始电子鼻数据进行预处理，基于至少两组
4、在第一方面的实施例中，所述样本烟叶包括不同的地理位置、不同的生长条件以及不同的成熟度的烟叶。
5、在第一方面的实施例中，所述对每个样本烟叶的原始电子鼻数据进行预处理，形成基础数据集，包括：所述原始电子鼻数据包括第一色谱柱和第二色谱柱的电子鼻数据；将每个所述样本烟叶的第一色谱柱和第二色谱柱的电子鼻数据相加，得到增强电子鼻数据；对所述增强电子鼻数据进行偏最小二乘降维处理，得到每个样本烟叶的中间数据；提取所述每个样本烟叶的中间数据的主要因子，形成基础数据集。
6、在第一方面的实施例中，所述对所述建模数据集应用支持向量机分类算法，得到烟叶产地的识别模型，包括：选取径向基函数作为所述支持向量机分类算法的核函数；通过网格搜索和交叉验证选择并优化惩罚参数、核函数参数；基于优化后的所述惩罚参数、所述核函数参数，得到烟叶产地的识别模型。
7、本公开第二方面提供一种烟叶产地识别模型的训练方法，包括：获取烟叶的电子鼻数据；
8、将所述电子鼻数据输入如第一方面所述的烟叶产地识别模型，得出烟叶产地的预测结果；基于所述预测结果与实际产地信息的比较结果，优化所述烟叶产地识别模型的惩罚参数、核函数参数。
9、本公开第三方面提供一种烟叶产地的识别方法，包括：获取目标烟叶的电子鼻数据，并进行分析处理；将分析处理后的电子鼻数据输入第一方面任一项所述的烟叶产地识别模型，得出所述目标烟叶的产地。
10、在第三方面的实施例中，所述获取目标烟叶的电子鼻数据，并进行分析处理包括：获取所述目标烟叶的第一色谱柱的电子鼻数据和第二色谱柱的电子鼻数据；将所述第一色谱柱的电子鼻数据和第二色谱柱的电子鼻数据向加，得到所述目标烟叶的增强电子鼻数据；对所述增强电子鼻数据进行降维处理，得到所述目标烟叶的中间数据；提取所述目标烟叶的中间数据的主要因子。
11、本公开第四方面提供一种烟叶产地识别模型的构建装置，包括：第一获取模块，用于用于获取多个样本烟叶的原始电子鼻数据集；所述原始电子鼻数据集包括不同色谱柱得到的每组原始电子鼻数据；预处理模块，用于对每个样本烟叶的原始电子鼻数据进行预处理，基于至少两组所述原始电子鼻数据融合后的增强数据，构成基础数据集；标注模块，用于对所述每个样本烟叶的产地信息进行标注；建模数据集模块，用于基于所述基础数据集以及产地信息标注，形成建模数据集；构建模块，用于对所述建模数据集应用支持向量机分类算法，得到烟叶产地的识别模型。
12、本公开第五方面提供一种烟叶产地识别模型的训练装置，包括：第二获取模块，用于获取烟叶的电子鼻数据；预测模块，将所述电子鼻数据输入如权利要求4所述的烟叶产地识别模型，得出烟叶产地的预测结果；修正模块，用于基于所述预测结果与实际产地信息的比较结果，优化所述烟叶产地识别模型的惩罚参数、核函数参数。
13、本公开第六方面提供一种烟叶产地的识别装置，包括：第三获取模块，用于获取目标烟叶的电子鼻数据，并进行分析处理；预测模块，用于将分析处理后的电子鼻数据输入如权利要求第一方面所述的烟叶产地识别模型，得出所述目标烟叶的产地。
14、本公开第七方面提供一种电子设备，所述电子设备包括：处理器和存储器；其中，所述存储器用于存储计算机程序；所述处理器用于执行所述存储器存储的计算机程序，以使所述电子设备执行第一方面所述的烟叶产地识别模型的构建方法，或第二方面所述的烟叶产地识别模型的训练方法，或第三方面所述的烟叶产地的识别方法。
15、本公开第八方面提供一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被电子设备执行时实现第一方面所述的烟叶产地识别模型的构建方法，或第二方面所述的烟叶产地识别模型的训练方法，或第三方面所述的烟叶产地的识别方法。
16、如上所述，本公开实施例中提供烟叶产地识别模型的构建、训练方法、装置、设备及介质，通过将第一色谱柱和第二色谱柱电子鼻数据对应相加，得到增强电子鼻数据，在此增强数据的基础上结合支持向量机分类算法构建烟叶产地的识别模型。相较于单一色谱柱电子鼻数据构建的烟叶产地识别模型，该模型准确率高，通过使用该烟叶产地识别模型，提高了产地识别的准确率，减少人为误差，确保了结果的客观性和可靠性。并且减少了传统人工感官评吸方法所需的时间和劳动力，从而提升了整体工作效率。另外，由于整个识别过程无需使用化学药品，因此与传统的化学分析方法相比，本方案能够显著降低材料成本、也不会产生额外的环境污染。
本文档来自技高网...【技术保护点】
1.一种烟叶产地识别模型的构建方法，其特征在于，包括：
2.根据权利要求1所述的烟叶产地识别模型的构建方法，其特征在于，所述样本烟叶包括不同的地理位置、不同的生长条件以及不同的成熟度的烟叶。
3.根据权利要求1所述的烟叶产地识别模型的构建方法，其特征在于，所述对每个样本烟叶的原始电子鼻数据进行预处理，形成基础数据集，包括：
4.根据权利要求1所述的烟叶产地识别模型的构建方法，其特征在于，所述对所述建模数据集应用支持向量机分类算法，得到烟叶产地的识别模型，包括：
5.一种烟叶产地识别模型的训练方法，其特征在于，包括：
6.一种烟叶产地的识别方法，其特征在于，包括：
7.根据权利要求6所述的烟叶产地的识别方法，其特征在于，所述获取目标烟叶的电子鼻数据，并进行分析处理包括：
8.一种烟叶产地识别模型的构建装置，其特征在于，包括：
9.一种烟叶产地识别模型的训练装置，其特征在于，包括：
10.一种烟叶产地的识别装置，其特征在于，包括：
11.一种电子设备，其特征在于，所
12.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被电子设备执行时实现权利要求1至4任一项所述的烟叶产地识别模型的构建方法，或权利要求5所述的烟叶产地识别模型的训练方法，或权利要求6或7所述的烟叶产地的识别方法。
...【技术特征摘要】
1.一种烟叶产地识别模型的构建方法，其特征在于，包括：
2.根据权利要求1所述的烟叶产地识别模型的构建方法，其特征在于，所述样本烟叶包括不同的地理位置、不同的生长条件以及不同的成熟度的烟叶。
3.根据权利要求1所述的烟叶产地识别模型的构建方法，其特征在于，所述对每个样本烟叶的原始电子鼻数据进行预处理，形成基础数据集，包括：
4.根据权利要求1所述的烟叶产地识别模型的构建方法，其特征在于，所述对所述建模数据集应用支持向量机分类算法，得到烟叶产地的识别模型，包括：
5.一种烟叶产地识别模型的训练方法，其特征在于，包括：
6.一种烟叶产地的识别方法，其特征在于，包括：...
【专利技术属性】
技术研发人员：汪阳忠，张鑫，于洁，安彤，费婷，周梦茜，吴达，
申请(专利权)人：上海烟草集团有限责任公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。