技術(shù)特征：

1.一種基于近紅外的煙葉焦油解析方法，其特征在于，包括如下步驟：

步驟一：獲取不同品種的成品煙絲樣本，掃描煙絲樣本的近紅外光譜，獲取近紅外光譜信息；

步驟二：將對(duì)應(yīng)的近紅外光譜信息關(guān)聯(lián)到抽煙機(jī)給出的焦油標(biāo)準(zhǔn)值數(shù)據(jù)，并建立焦油模型；

步驟三：設(shè)定校正集樣本數(shù)量m組，通過(guò)光譜的差異性篩選檢驗(yàn)集樣本數(shù)量n組；

步驟四：通過(guò)半重?cái)?shù)采樣法、蒙特卡洛交叉驗(yàn)證進(jìn)行異常樣本的剔除；

步驟五：使用一階導(dǎo)數(shù)對(duì)光譜進(jìn)行預(yù)處理；

步驟六：使用遺傳算法篩選光譜波長(zhǎng)；

步驟七：運(yùn)用基于遺傳算法的偏最小二乘法GAPLS對(duì)波長(zhǎng)篩選后的光譜與對(duì)應(yīng)的焦油數(shù)據(jù)進(jìn)行建模，構(gòu)建基于近紅外光譜的焦油定量模型；PLS的算法如下：

式中，X為校正子集組成的吸光度矩陣，Y為校正子集相對(duì)應(yīng)的化學(xué)值矩陣，tk(n X 1)為X的第k個(gè)主因子的得分，pk(1 X m)為X矩陣的第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，E_X和E_Y分別為X和Y的PLS擬合殘差矩陣。

2.如權(quán)利要求1所述的基于近紅外的煙葉焦油解析方法，其特征在于：

步驟七中，在校正過(guò)程中，最初是忽略殘差矩陣E，求出中間的參數(shù)后，再返回求殘差矩陣；具體過(guò)程如下：X＝TP^T，左邊乘T^T然后右乘P得：T＝XP/(P^TP)；Y＝UQ^T，左邊乘U^T然后兩邊同除以Q^T得：U＝Y(jié)/Q^T；取濃度陣Y的某一列作為U的起始迭代值，以U代替T，計(jì)算W，方程為：X＝UW^T，其解為：W^T＝U^TX/(U^TU)，W為吸光度陣X的權(quán)重向量；對(duì)權(quán)重歸一化后求吸光度陣X的因子得分T，方程為：X＝TWT，其解為：T＝XW/W^TW；以T代替U計(jì)算濃度陣Y的載荷Q值，其方程為：Y＝TQT；其解為：Q^T＝T^TY/(T^TT)；對(duì)載荷Q歸一化后求濃度陣Y的因子得分U，方程為：Y＝UQ^T；其解為：U＝Y(jié)Q/Q^TQ；再以此U代替T返回最開始計(jì)算W^T，由W^T計(jì)算T₁，如此反復(fù)迭代，若T已收斂(||T₁-T₂||≤10-6||T₁||)，T₁為轉(zhuǎn)入計(jì)算收斂后的T，否則返回繼續(xù)求吸光度陣X的權(quán)重W；收斂后的T求吸光度陣X的載荷向量P，其方程為：X＝TP^T；其解為：P^T＝T^TY/(T^TT)；對(duì)載荷P歸一化后求標(biāo)準(zhǔn)化X的因子得分T＝T||P||；標(biāo)準(zhǔn)化權(quán)重向量W＝W||P||；計(jì)算T與U之間的內(nèi)在關(guān)系B＝U^TT/(T^TT)；再計(jì)算殘差陣E_X＝X-TP^T；E_Y＝Y(jié)-BTQ^T；最后以E_X代替X，E_Y代替Y，返回最開始的步驟即求吸光度陣X的權(quán)重向量W，以此類推，求出X、Y的主因子的W、T、P、U、Q、B，最后通過(guò)交互檢驗(yàn)法Q²_h≤0.0975確定最佳主因子數(shù)f時(shí)迭代停止。

3.如權(quán)利要求1所述的煙葉焦油解析方法，其特征在于：

步驟三中，首先將所有的焦油光譜組成一個(gè)光譜陣，選取前面m組為校正子集，剩下的n組為驗(yàn)證集樣本。

4.如權(quán)利要求1所述的煙葉焦油解析方法，其特征在于，還包括：

步驟八：對(duì)步驟七得到的模型進(jìn)行外部驗(yàn)證。

5.如權(quán)利要求1所述的煙葉焦油解析方法，其特征在于：

步驟四中，隨機(jī)將焦油的驗(yàn)證集樣本進(jìn)行預(yù)測(cè)誤差計(jì)算，正常焦油樣本的預(yù)測(cè)誤差較小，其均值在零附近，呈正態(tài)分布趨勢(shì)，異常樣本數(shù)據(jù)奇異的預(yù)測(cè)誤差則較大，遠(yuǎn)離零點(diǎn)，以焦油預(yù)測(cè)樣本的均值絕對(duì)值為X軸，標(biāo)準(zhǔn)差為Y軸作圖，判斷異常光譜和異?；瘜W(xué)值焦油樣本并進(jìn)行剔除。

6.如權(quán)利要求1所述的煙葉焦油解析方法，其特征在于：

步驟五中，使用一階導(dǎo)數(shù)對(duì)光譜進(jìn)行預(yù)處理的具體過(guò)程是：使用移動(dòng)窗口對(duì)每個(gè)校正集的焦油樣本移動(dòng)平滑，過(guò)濾噪聲。

7.如權(quán)利要求1所述的煙葉焦油解析方法，其特征在于：

步驟六中，使用遺傳算法篩選光譜波長(zhǎng)包括如下步驟：①對(duì)焦油校正集樣本的波長(zhǎng)進(jìn)行編碼，形成二進(jìn)制字符；②將校正集樣本波長(zhǎng)進(jìn)行初始化，隨機(jī)選擇80％為初始種群；③選擇近紅外定量回歸模型的預(yù)測(cè)標(biāo)準(zhǔn)偏差為適應(yīng)度函數(shù)；④選擇近紅外焦油樣本波長(zhǎng)點(diǎn)適應(yīng)度高的個(gè)體保留到下一代一起搜索新的波長(zhǎng)點(diǎn)組，根據(jù)通過(guò)適應(yīng)度函數(shù)的波長(zhǎng)點(diǎn)出現(xiàn)的頻率來(lái)選擇建模的波長(zhǎng)點(diǎn)；⑤用留一驗(yàn)證的方法通過(guò)驗(yàn)證集的預(yù)測(cè)標(biāo)準(zhǔn)偏差來(lái)確定波長(zhǎng)點(diǎn)選擇的數(shù)目以及主成分?jǐn)?shù)。