不同物理状态的烟叶样品建模和模型转移的研究与分析-信号与信息系统专业论文.docxVIP

万方数据 万方数据 独 创 声 明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的 研究成果。据我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其 他 人 已 经 发 表 或 撰 写 过 的 研 究 成 果 ， 也 不 包 含 未 获 得 （注：如没有其他需要特别声明的，本栏可空）或其他教育机构的学位或证书使 用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明 确的说明并表示谢意。 学位论文作者签名： 签字日期： 年 月 日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，并同意以下 事项： 1、学校有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许 论文被查阅和借阅。 2、学校可以将学位论文的全部或部分内容编入有关数据库进行检索，可以 采用影印、缩印或扫描等复制手段保存、汇编学位论文。同时授权清华大学“中 国学术期刊(光盘版)电子杂志社”用于出版和编入 CNKI《中国知识资源总库》， 授权中国科学技术信息研究所将本学位论文收录到《中国学位论文全文数据库》。 （保密的学位论文在解密后适用本授权书） 学位论文作者签名： 导师签字： 签字日期： 年 月 日 签字日期： 年 月 日 不同物理状态的烟叶样品建模和模型转移的研究与分析 摘 要 在制烟过程中,通常需要对烟叶中关键的化学指标比如总糖、总烟碱或总氮 等进行检测。传统的实验室分析测试方法，不适合实时在线分析。近红外(NIR) 光谱分析技术是一种快速无损的分析技术,可用于对烟叶样品品质的在线实时分 析。本文利用近红外技术建立了一个光谱的混合模型，能够准确预测烟叶中的组 分浓度。为了达到论文设计目标，本文做了以下几方面的工作：1.通过阅读大量 的文献，对近红外光谱分析技术在各领域的发展及应用做了一个较为完整的阐述， 介绍了国内外对烟草的研究现状以及模型评价方法。2.介绍了近红外光谱分析中 的光谱预处理方法和数据标准化处理方法，根据预测均方根误差和相对标准偏差 最小的原则，研究了烟草在不同物理状态下的预处理方法。研究结果表明：以总 糖为例，最适合烟丝光谱的预处理方法是均方根平均值结合二阶 SG 求导平滑处 理；最适合烟片光谱的预处理方法是算术平均值结合一阶 SG 求导平滑处理。3. 由于烟末预测模型对烟片光谱的预测误差偏大，所以从预测模型角度出发降低预 测误差，采用偏最小二乘方法建立烟片和烟末的混合模型，利用模型评价方法判 断混合模型对烟片预测误差的改善效果。研究结果表明：训练集由 187 条烟末光 谱和 50 条烟片光谱混合建立的模型为最优模型，烟片光谱预测的均方根误差由 1.592 降为 1.29，相对标准偏差由 5.494%降为 4.242%，相关系数由 0.895 升为 0.915。4.在烟片和烟末光谱建立混合模型的基础上介绍了模型传递算法，比较了 shenk’s 算法和斜率/截距算法在烟片和烟末两种物理状态下的模型传递效果， shenk’s 算法从光谱角度进行模型传递，斜率/截距算法在预测值的角度进行模型 传递。实验结果表明：shenk’s 算法没有实现模型在两种物理状态下的共享；斜 率/截距方法更好的实现了混合模型在两种物理状态下的共享，预测结果的相对 标准偏差由 4.242%降为 3.057%。同时，混合模型对烟末的预测误差影响不大， 相对标准偏差由 2.99%升为 3.052%。因此，完全可以建立一个烟片和烟末光谱 的混合模型来准确预测烟片和烟末光谱中的组分浓度。5.总结本文的分析结果及 创新工作，提出下一步的工作重点将围绕建立一个烟片、烟丝和烟末三种物理状 态下光谱的混合模型，逐步实现基于近红外光谱分析技术在线实时检测烟叶品质。 I 关键字： 近红外光谱分析；光谱预处理；混合模型；模型传递 II The research and analysis of leaf samples modeling and model transfer based on different physical states Abstract In the process of making tobacco, testing of key chemical indicators such as sugar, nicotine or nitrogen in tobacco leaves is usually needed .Traditional laboratory analysis and testing methods are not suitable for real-time online analysis. Near-infrared (NIR) spectroscopy is a rapi