基于电子鼻全色谱数据的卷烟类型快速判别方法
【专利摘要】本发明涉及一种基于电子鼻全色谱数据的卷烟类型快速判别方法，该方法利用不同类型卷烟的全色谱数据之间的微小差异，通过构建支持向量机模型来进行区分判别。实验证明，本发明提供的方法的判别结果的准确率较高，能够满足卷烟判别的要求。
【专利说明】
基于电子鼻全色谱数据的卷烟类型快速判别方法
技术领域
[0001] 本发明设及烟草检测领域，更具体地，设及一种基于电子鼻全色谱数据的卷烟类 型快速判别方法。
【背景技术】
[0002] 电子鼻的研究始于二十世纪八十年代初期，它通过对目标物中具有的挥发性气 体、有机物等进行捕集，然后对捕集到的数据进行统计分析。其使用一系列的传感器来模仿 嗅觉，能够检测和区分复杂样品的气味，具有成本低廉、应用广泛的优点。近十年来，已经出 现了大量使用电子鼻进行各项研究的报道，包括在烟草质量评价中的应用。截止2008年，全 世界电子鼻商业产品的供应商已经达到18家，如法国Al地a M0S、美国的切rano sciences 等。大多数电子鼻为传感器型，不足的是，传感器型的电子鼻容易发生中毒现象。
[0003] 法国Alpha MOS生产的皿RA化ES Flash GC型电子鼻，它内置IYap,可W大大提高 检测灵敏度;使用柱銷加热技术，升溫速率最高可达25°C/s;采用气相色谱的原理，配置两 根极性不同的色谱柱及两个FID检测器来采集数据，其柱径为0.1mm，具有极高的理论塔板 数。
【发明内容】
[0004] 本发明为解决W上现有技术的难题，提供了一种基于电子鼻全色谱数据的卷烟类 型快速判别方法，该方法利用不同类型卷烟的全色谱数据之间的微小差异，通过构建支持 向量机模型来进行区分判别。实验证明，本发明提供的方法判别的准确率较高，能够满足卷 烟判别的要求。
[0005] 为实现W上发明目的，采用的技术方案是：
[0006] -种基于电子鼻全色谱数据的卷烟类型快速判别方法，用于判别卷烟是否属于某 一品牌，然后在判别卷烟属于某一品牌的基础上，对卷烟所属的价类和香型进行判别，所述 判别方法包括W下步骤：
[0007] -、品牌判断阶段
[000引S11.将某一品牌的卷烟称为A品牌卷烟，使用电子鼻采集A品牌卷烟、其他品牌卷 烟的全色谱数据，并将采集的全色谱数据平均分为k份，令化-1)份为训练数据，1份为测试 数据；
[0009] S12.构建支持向量机模型：
[0010]
(1)
[0011] 公式（1)中，yi表示样本类别，样本类别包括正样本和负样本，其中正样本的值为+ 1，负样本的值为-l;K(Xi ? X)表示核函数，m表示样本总数，Xi是表示样本的向量，X表示所有 样本的平均向量，<^和1/为模型参数，Sgn为输出函数；
[0012] S13.然后使用化-1)份训练数据依次对支持向量机模型进行训练，进行训练的过 程中，A品牌卷烟的全色谱数据作为正样本，其他品牌卷烟的全色谱数据作为负样本，；
[0013] S14.使用训练好的支持向量机模型对测试数据所属的卷烟品牌进行判别，判断其 是否属于A品牌卷烟，并输出判别结果；
[0014] S15.所述步骤S13、S14重复执行k次，在k次执行过程中，k份全色谱数据依次作为 测试数据，而其余的全色谱数据则作为训练数据；
[0015] S16.基于k次进行判别的准确率，对支持向量机模型的参数进行优化；
[0016] S17.输入待判别的卷烟的全色谱数据，然后使用经过优化的支持向量机模型判断 其是否属于A品牌:若支持向量机模型的输出值为+1，表示待判别的卷烟属于A品牌，则执行 步骤S21和步骤S4;若支持向量机模型的输出值为-1，则表示待判别的卷烟属于其他品牌， 此时执行步骤S4;
[0017] 二、对待判别卷烟所属价类的判别
[001引S21.设A品牌卷烟包含有m种价类，分别编号为价类1、价类2、价类3、….、价类m，使 用电子鼻分别采集各种价类的A品牌卷烟的全色谱数据；
[0019] S22.使用m种价类的A品牌卷烟的全色谱数据按照步骤Sll~S16的方法构建支持 向量机模型，其中按照步骤S13的方法对构建的支持向量机模型训练的过程中W价类i的A 品牌卷烟的全色谱数据为正样本，其余价类的A品牌卷烟的全色谱数据为负样本，i的初始 值为1;然后向优化后的支持向量机模型输入待判别的卷烟的全色谱数据;若支持向量机模 型输出+ 1，则表示待判别卷烟属于价类i的A品牌卷烟，此时执行步骤S31和步骤S4;若支持 向量机模型输出-1，则表示待判别的卷烟不属于价类i的A品牌卷烟，此时执行步骤S23;
[0020] S23.令i = i+l并重复执行步骤S22;
[0021 ] S、对待判别卷烟所属香型的判别
[0022] S31.设A品牌卷烟包含有n种香型，分别编号为香型1、香型2、香型3、…香型n，使用 电子鼻分别采集各种香型的A品牌卷烟的全色谱数据；
[0023] S32.使用n种香型的A品牌卷烟的全色谱数据按照步骤Sll~S16的方法构建支持 向量机模型，其中按照步骤S13的方法对构建的支持向量机模型训练的过程中W香型P的A 品牌卷烟的全色谱数据为正样本，其余香型的A品牌卷烟的全色谱数据为负样本，P的初始 值为1;然后向优化后的支持向量机模型输入待判别的卷烟的全色谱数据;若支持向量机模 型输出+ 1，则表示待判别卷烟属于香型P的A品牌卷烟，执行步骤S4;若支持向量机模型输 出-1，则表示待判别的卷烟不属于香型P的A品牌卷烟，此时执行步骤S23;
[0024] S33.令p = p+l并重复执行步骤S32;
[0025] S4.输出判别结果。
[0026] 上述方案中，通过构建支持向量机模型并利用卷烟的全色谱数据来进行训练W及 测试，使得支持向量机模型的参数能够与各种品牌卷烟、价类卷烟、香型卷烟的全色谱数据 建立相应的联系，更贴近于卷烟的实际情况，因此本发明提供的方法的判别结果的准确率 较高，能够满足卷烟判别的要求。
[0027] 优选地，所述A品牌卷烟包含有=种价类，分别为一类、二类和=类，则对待判别卷 烟所属价类判别的过程具体如下：
[0028] SlOl.使用电子鼻分别采集一类A品牌卷烟、二类A品牌卷烟、=类A品牌卷烟的全 色谱数据；
[0029] S102.使用一类A品牌卷烟、二类A品牌卷烟、=类A品牌卷烟的全色谱数据按照步 骤Sll~S16的方法构建支持向量机模型，其中按照步骤S13的方法对对构建的支持向量机 模型训练的过程中W-类A品牌卷烟的全色谱数据为正样本，二类A品牌卷烟、=类A品牌卷 烟的全色谱数据为负样本;然后向优化后的支持向量机模型输入待判别的卷烟的全色谱数 据;若支持向量机模型输出+1，则表示待判别卷烟属于一类A品牌卷烟，此时执行步骤S31和 步骤S4;若支持向量机模型输出-1，则表示待判别卷烟属于二类A品牌卷烟或=类A品牌卷 烟，此时执行步骤S103;
[0030] S103.使用一类A品牌卷烟、二类A品牌卷烟、=类A品牌卷烟的全色谱数据按照步 骤Sll~S16的方法构建支持向量机模型，其中按照步骤S13的方法对对构建的支持向量机 模型训练的过程中W二类A品牌卷烟的全色谱数据为正样本，一类A品牌卷烟、=类A品牌卷 烟的全色谱数据为负样本;然后向优化后的支持向量机模型输入待判别的卷烟的全色谱数 据;若支持向量机模型输出+1，则表示待判别卷烟属于二类A品牌卷烟，此时执行步骤S31和 步骤S4;若支持向量机模型输出-1，则表示待判别卷烟属于=类A品牌卷烟，此时执行步骤 S104；
[0031] S104.使用一类A品牌卷烟、二类A品牌卷烟、=类A品牌卷烟的全色谱数据按照步 骤Sll~S16的方法构建支持向量机模型，其中按照步骤S13的方法对对构建的支持向量机 模型训练的过程中W=类A品牌卷烟的全色谱数据为正样本，一类A品牌卷烟、二类A品牌卷 烟的全色谱数据为负样本;然后向优化后的支持向量机模型输入待判别的卷烟的全色谱数 据;若支持向量机模型输出+1，则表示待判别卷烟属于=类A品牌卷烟，此时执行步骤S31和 步骤S4。
[0032] 优选地，A品牌卷烟共有五种香型，分别为I香型、n香型、虹香型、IV香型和V香 型，则对待判别卷烟所属香型判别的具体过程如下：
[0033] S201.使用电子鼻分别采集分别采集五种香型A品牌卷烟的全色谱数据；
[0034] S202.使用I香型A品牌卷烟、n香型A品牌卷烟、虹香型A品牌卷烟、IV香型A品牌卷 烟、V香型A品牌卷烟的全色谱数据按照步骤Sll~S16的方法构建支持向量机模型，其中按 照步骤S13的方法对对构建的支持向量机模型训练的过程中WI香型A品牌卷烟的全色谱数 据为正样本，n香型A品牌卷烟、m香型A品牌卷烟、IV香型A品牌卷烟、V香型A品牌卷烟的 全色谱数据为负样本;然后向优化后的支持向量机模型输入待判别的卷烟的全色谱数据； 若支持向量机模型输出+ 1，则表示待判别卷烟属于I香型，此时执行步骤S4;若支持向量机 模型输出-1，则表示待判别卷烟属于n香型、虹香型、IV香型或V香型，此时执行步骤S203;
[0035] S203.使用I香型A品牌卷烟、n香型A品牌卷烟、虹香型A品牌卷烟、IV香型A品牌卷 烟、V香型A品牌卷烟的全色谱数据按照步骤Sll~S16的方法构建支持向量机模型，其中按 照步骤S13的方法对对构建的支持向量机模型训练的过程中Wn香型A品牌卷烟的全色谱 数据为正样本，I香型A品牌卷烟、虹香型A品牌卷烟、IV香型A品牌卷烟、V香型A品牌卷烟的 全色谱数据为负样本;然后向优化后的支持向量机模型输入待判别的卷烟的全色谱数据； 若支持向量机模型输出+ 1，则表示待判别卷烟属于n香型，此时执行步骤S4;若支持向量机 模型输出-1，则表示待判别卷烟属于虹香型、IV香型或V香型，此时执行步骤S204;
[0036] S204.使用I香型A品牌卷烟、n香型A品牌卷烟、虹香型A品牌卷烟、IV香型A品牌卷 烟、V香型A品牌卷烟的全色谱数据按照步骤Sll~S16的方法构建支持向量机模型，其中按 照步骤S13的方法对对构建的支持向量机模型训练的过程中Wm香型A品牌卷烟的全色谱 数据为正样本，I香型A品牌卷烟、n香型A品牌卷烟、IV香型A品牌卷烟、V香型A品牌卷烟的 全色谱数据为负样本;然后向优化后的支持向量机模型输入待判别的卷烟的全色谱数据； 若支持向量机模型输出+1，则表示待判别卷烟属于m香型，此时执行步骤S4;若支持向量机 模型输出-1，则表示待判别卷烟属于IV香型或V香型，此时执行步骤S205;
[0037] S205.使用I香型A品牌卷烟、n香型A品牌卷烟、虹香型A品牌卷烟、IV香型A品牌卷 烟、V香型A品牌卷烟的全色谱数据按照步骤Sll~S16的方法构建支持向量机模型，其中按 照步骤S13的方法对对构建的支持向量机模型训练的过程中WIV香型A品牌卷烟的全色谱 数据为正样本，I香型A品牌卷烟、n香型A品牌卷烟、虹香型A品牌卷烟、V香型A品牌卷烟的 全色谱数据为负样本;然后向优化后的支持向量机模型输入待判别的卷烟的全色谱数据； 若支持向量机模型输出+ 1，则表示待判别卷烟属于IV香型，此时执行步骤S4;若支持向量机 模型输出-1，则表示待判别卷烟属于V香型，此时执行步骤S206;
[003引 S206.使用I香型A品牌卷烟、n香型A品牌卷烟、虹香型A品牌卷烟、IV香型A品牌卷 烟、V香型A品牌卷烟的全色谱数据按照步骤Sll~S16的方法构建支持向量机模型，其中按 照步骤S13的方法对对构建的支持向量机模型训练的过程中W V香型A品牌卷烟的全色谱 数据为正样本，I香型A品牌卷烟、n香型A品牌卷烟、虹香型A品牌卷烟、IV香型A品牌卷烟的 全色谱数据为负样本;然后向优化后的支持向量机模型输入待判别的卷烟的全色谱数据； 若支持向量机模型输出+1，则表示待判别卷烟属于V香型，此时执行步骤S4。
[0039] 优选地，所述步骤S11、S21、S31中，在采集到全色谱数据后，需要对全色谱数据进 行归一化处理。
[0040] 优选地，所述归一化处理的过程表示如下：
[0041]
[0042] 其中xi(j)表示卷烟类型i的全色谱数据的第j个色谱数据值，所述卷烟类型包括 品牌、价类或香型，X(j)min和X(j)max分别表示卷烟类型i的全色谱数据中第j个色谱数据的 最小值和最大值。
[0043] 优选地，所述支持向量机模型在Matlab环境中运行。
[0044] 优选地，所述步骤S1US2US31使用Flash GC型电子鼻采集卷烟的全色谱数据。优 选地，所述Flash GC型电子鼻在采集卷烟全色谱数据时，其设置条件如下：初溫:45°C ;终 溫:270°C ;升溫速度:2°C ? ;进样针清洗时间：90s;进样口溫度:210°C ;FID溫度:260°C ; TRAP初溫:40°C ;TRAP终溫:260°C ;进样针溫度：110°C ;解化溫度:90°C ;解化时间：1200s;捕 集时间：50s;进样量:500化。
[0045] 与现有技术相比，本发明的有益效果是：
[0046] 本发明提供的方法利用不同类型卷烟的全色谱数据之间的微小差异，通过构建支 持向量机模型来进行区分判别。实验证明，本发明提供的方法的判别结果的准确率较高，能 够满足卷烟判别的要求。
【附图说明】
[0047] 图1为卷烟判别方法的流程图。
[004引图2为ROC和PRC曲线图。
[0049] 图3为A品牌卷烟与非A品牌卷烟判别的直观效果图。
[0050] 图4为对A品牌卷烟香型的判别过程图。
[0051 ]图5为对A品牌卷烟香型判别的直观效果图。
[0052] 图6为对A品牌牌各个价类卷烟判别的流程图。
[0053] 图7对I香型A品牌S类卷烟判别的直观效果图。
[0054] 图8为对虹香型一类和=类A品牌卷烟进行判别的直观效果图。
[0055] 图9为对IV香型A16和A19两种卷烟进行判别的直观效果图。
[0056] 图10为对V香型一类和二类A品牌卷烟进行判别的直观效果图。
【具体实施方式】
[0057] 附图仅用于示例性说明，不能理解为对本专利的限制；
[0058] W下结合附图和实施例对本发明做进一步的阐述。
[0化9]实施例1
[0060] 本发明提供的卷烟类型快速判别方法用于判别卷烟是否属于某一品牌，然后在判 别卷烟属于某一品牌的基础上，对卷烟所属的价类和香型进行判别，包括W下步骤：
[0061] -、品牌判断阶段
[0062] S11.将某一品牌的卷烟称为A品牌卷烟，使用电子鼻采集A品牌卷烟、其他品牌卷 烟的全色谱数据，并将采集的全色谱数据平均分为k份，令化-1)份为训练数据，1份为测试 数据；
[0063] S12.构建支持向量机模型：
[0064]
(1)
[0065] 公式（1)中，yi表示样本类别，样本类别包括正样本和负样本，其中正样本的值为+ 1，负样本的值为-l;K(xi ? X)表示核函数，m表示样本总数，Xi是表示样本的向量，X表示所有 样本的平均向量，和护为模型参数，Sgn为输出函数；
[0066] S13.然后使用化-1)份训练数据依次对支持向量机模型进行训练，进行训练的过 程中，A品牌卷烟的全色谱数据作为正样本，其他品牌卷烟的全色谱数据作为负样本，；
[0067] S14.使用训练好的支持向量机模型对测试数据所属的卷烟品牌进行判别，判断其 是否属于A品牌卷烟，并输出判别结果；
[0068] S15.所述步骤S13、S14重复执行k次，在k次执行过程中，k份全色谱数据依次作为 测试数据，而其余的全色谱数据则作为训练数据；
[0069] S16.基于k次进行判别的准确率，对支持向量机模型的参数进行优化；
[0070] S17.输入待判别的卷烟的全色谱数据，然后使用经过优化的支持向量机模型判断 其是否属于A品牌:若支持向量机模型的输出值为+1，表示待判别的卷烟属于A品牌，则执行 步骤S21和步骤S4;若支持向量机模型的输出值为-1，则表示待判别的卷烟属于其他品牌， 此时执行步骤S4;
[0071 ]二、对待判别卷烟所属价类的判别
[0072] S21.设A品牌卷烟包含有m种价类，分别编号为价类1、价类2、价类3、….、价类m，使 用电子鼻分别采集各种价类的A品牌卷烟的全色谱数据；
[0073] S22.使用m种价类的A品牌卷烟的全色谱数据按照步骤Sll~S16的方法构建支持 向量机模型，其中按照步骤S13的方法对构建的支持向量机模型训练的过程中W价类i的A 品牌卷烟的全色谱数据为正样本，其余价类的A品牌卷烟的全色谱数据为负样本，i的初始 值为1;然后向优化后的支持向量机模型输入待判别的卷烟的全色谱数据;若支持向量机模 型输出+ 1，则表示待判别卷烟属于价类i的A品牌卷烟，此时执行步骤S31和步骤S4;若支持 向量机模型输出-1，则表示待判别的卷烟不属于价类i的A品牌卷烟，此时执行步骤S23;
[0074] S23.令i = i+l并重复执行步骤S22;
[0075] S、对待判别卷烟所属香型的判别
[0076] S31.设A品牌卷烟包含有n种香型，分别编号为香型1、香型2、香型3、…香型n，使用 电子鼻分别采集各种香型的A品牌卷烟的全色谱数据；
[0077] S32.使用n种香型的A品牌卷烟的全色谱数据按照步骤Sll~S16的方法构建支持 向量机模型，其中按照步骤S13的方法对构建的支持向量机模型训练的过程中W香型P的A 品牌卷烟的全色谱数据为正样本，其余香型的A品牌卷烟的全色谱数据为负样本，P的初始 值为1;然后向优化后的支持向量机模型输入待判别的卷烟的全色谱数据;若支持向量机模 型输出+ 1，则表示待判别卷烟属于香型P的A品牌卷烟，执行步骤S4;若支持向量机模型输 出-1，则表示待判别的卷烟不属于香型P的A品牌卷烟，此时执行步骤S23;
[007引 S33.令p = p+l并重复执行步骤S32;
[00巧]S4.输出判别结果。
[0080] 实施例2
[0081] 本实施例在实施例1的基础上，选定一批不同品牌、价类和香型的卷烟进行了具体 的实验。本次实验使用到的香烟品牌包括有A品牌、B品牌、C品牌、D品牌、E品牌、F品牌和G品 牌。而在进行价类、香型判断时，主要使用的是A品牌的不同价类、香型的卷烟，A品牌卷烟包 括有=种价类，分别为分为一类、二类和=类，本实施例中，一类、二类、立类A品牌卷烟分别 表示为A1、A2、A3;A品牌卷烟包括有五种香型，分别为I香型、n香型、虹香型、IV香型、和V 香型。本次实验对A品牌和非A品牌卷烟、A品牌各种香型的卷烟、A品牌各种价类的卷烟、I香 型A品牌一类、二类和S类卷烟、n香型A品牌卷烟、虹香型一类和S类A品牌卷烟、IV香型 A16和A19两种卷烟、V香型一类和二类A品牌卷烟均进行具体的判别实验。
[0082] 本次实验采用Flash GC型电子鼻采集卷烟的全色谱数据，Flash GC型电子鼻的设 置条件如下：初溫:45°C ;终溫:270°C ;升溫速度:2°C ? ;进样针清洗时间：90s;进样口溫 度：210 °C ; FID溫度：260 °C ; TRAP初溫:40°C ; TRAP终溫：260 °C ;进样针溫度：110 °C ;解化溫 度:90°C ;解化时间：1200s;捕集时间：50s;进样量:500化。
[0083] 下面为实验的具体情况：
[0084] (I)A品牌和非A品牌卷烟的判别
[0085] 构建支持向量机模型对A品牌一非A品牌卷烟进行判别的精确度等参数如表1所 示，获得了93.28 %的精确度、96.18 %的敏感性、83.64%的特异性、95.12 %的准确率和 0.8089的马氏相关系数。ROC和PRC曲线如图2所示，面积分别为0.9865和0.9952。结果表明， 所建立的支持向量机模型能够很好地判别A品牌和非A品牌卷烟。A品牌卷烟与非A品牌卷烟 判别的直观效果如图3所示。
[0086] 要I A且贿-非A且贿棠桐坐Il功I的;件痛!态
[0087]
[0088] (2)对A品牌各种香型卷烟的判别
[0089] 对A品牌卷烟香型的判别过程，具体如图4所示。构建支持向量机模型对A品牌卷烟 I、n、虹、IV、V香型的判别精确度如表2所示。判别精确度分别是：92.95 %、89.78%、 100 %、57.50 %和71.67 %。表明支持向量机模型能够很好地分辨I、n、虹、V香型的A品牌 卷烟。其中IV香型A品牌卷烟样本数目是120,其中51个样本被支持向量机模型判别为V香 型A品牌卷烟。V香型A品牌卷烟样本数目为180,其中51个样本被判别为IV香型A品牌卷烟。 运是由于IV香型和V香型香型较为接近的原因，导致色谱数据较为相似，想要把运两类完 全分开较为困难。基于A品牌卷烟香型判别的直观效果如图5所示。
[0090] 表2A品牌卷烟香型判别结果
[0091]
[0092] (3)对A品牌各种价类卷烟的判别
[0093] 1)对A品牌各种价类卷烟的判别
[0094] 本实施例基于图6所示的流程图，对A品牌卷烟各个价类进行了分类研究。如表3所 示，支持向量机模型对A品牌卷烟一类与二类、立类、二类与一类、立类W及=类与一类、= 类价格的判别精确度均为100%，表明支持向量机模型能够非常好地分辨不同价类的A品牌 卷烟。
[00M]表3不同价类判别结果
[0096]
[0097] 2)对A品牌一类、二类和S类卷烟的判别
[0098] 本实施例对A品牌一类卷烟中的各个牌号卷烟进行了具体的判别，判别结果如表4 所示。411、412、413、414、415、416、417、418、419均为一类卷烟，其判别的准确度均是100%， 表明本发明提供的方法能够很好地判别一类A品牌卷烟。
[0099] 表4 一类A品牌卷烟判别结果
[0100]
[0101] 本实施例使用支持向量机模型对A品牌二类卷烟的各个牌号卷烟进行了判别， A2UA22和A23均为A品牌二类卷烟，其判别结果如表5所示。A2UA22和A23的判别准确度都 是100%，表明构建的支持向量机模型能够很好的区分A品牌二类卷烟的各个牌号卷烟。
[0102] ± 此? n 化…、I'.….1 化"
[0103]
[0104] 本实施例使用支持向量机模型对A品牌=类卷烟的各个牌号卷烟进行了判别， A31、A32、A34、A35、A36、A37、A38、A39、A310均为A品牌S类卷烟，判别结果的混淆矩阵如表6 所示。431、432、434、435、436、437、438、439、4310的判别准确度分别是100%，而433的判别 准确度是98.33%。表明提出的方法能够非常好的辨别A品牌=类卷烟中的各个牌号卷烟。 [01化]表6S类A品牌卷烟的判别结果 「/"H Aill
[0107] 3)对I香型A品牌卷烟的判别
[0108] 本发明提供的支持向量机模型对I香型A品牌一类、二类和=类的判别精确度都是 100%，表明提出的方法能够很好的辨别I香型=类A品牌卷烟。而对I香型A品牌=类卷烟预 测的直观效果如图7所示。
[0109] 4)对n香型A品牌卷烟的判别
[0110] 本发明还对n香型A品牌卷烟进行了判别研究，A31、A34、A35和A36均为n香型A品 牌卷烟，判别结果的混淆矩阵如表7所示。支持向量机模型对A31、A34、A35和A36的判别准确 率均是100%。对于A33,仅一个样本被错误识别为A34,预测精度为98.33%。运些结果表明， 支持向量机模型能够很好的识别n香型A品牌卷烟。
[0111] 表7 n香型A品牌卷烟的判别结果 rnii9i
L O113」5)对虹杳型一芙和S芙A化牌卷烟的判别
[0114] 本实施例中，还对虹香型一类和=类A品牌卷烟进行了判别研究，其直观效果图如 图8所示，而判别结果如表8所示。支持向量机模型对虹香型一类和=类A品牌卷烟的预测精 度、敏感性和特异性等都是100.0%，马氏相关系数是1.00。表明支持向量机模型能够精确 地识别虹香型A品牌一类和=类卷烟。
[0115] 表8虹香型一类和S类A品牌卷烟判别结果
[0116]
[0117] 6)对IV杳型A16和A19巧种巷烟的判别
[0118] 本实施例中，支持向量机模型对IV香型A16和A19两种卷烟进行了判别研究，其判 别结果的直观效果如图9所示。可W看出，支持向量机模型能够精确地识别IV香型A16和A19 两类品牌卷烟，表明了当前方法的有效性。
[0119] 7)对V香型一类和二类A品牌卷烟的判别
[0120] 本实施例中，支持向量机模型对V香型一类和二类A品牌卷烟进行了判别研究，其 判别结果的直观效果如图10所示。可W看出，支持向量机模型能够精确地识别V香型一类 和二类卷烟，表明了当前方法的有效性。
[0121] 从W上各个表格和图形中的判别结果可W看出，采用全色谱数据能够获得较高的 预测结果，运是因为每一种类型卷烟均具有自己的特征指纹色谱。与其它采用色谱峰面积 的方法相比，采用全色谱数据能够抓住不同类型卷烟之间色谱数据的微小差异，所W能够 产生较高的判别结果。
[0122] 显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对 本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可 W做出其它不同形式的变化或变动。运里无需也无法对所有的实施方式予W穷举。凡在本 发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求 的保护范围之内。
【主权项】
1. 一种基于电子鼻全色谱数据的卷烟类型快速判别方法，用于判别卷烟是否属于某一 品牌，然后在判别卷烟属于某一品牌的基础上，对卷烟所属的价类和香型进行判别，其特征 在于:所述判别方法包括以下步骤： 一、 品牌判断阶段511. 将某一品牌的卷烟称为A品牌卷烟，使用电子鼻采集A品牌卷烟、其他品牌卷烟的 全色谱数据，并将采集的全色谱数据平均分为k份，令(k-1)份为训练数据，1份为测试数据；512. 构建支持向量机模型：CO 公式（1)中，yi表示样本类别，样本类别包括正样本和负样本，其中正样本的值为+1，负 样本的值为_l;K(xi · X)表示核函数，m表示样本总数，xi是表示样本的向量，X表示所有样本 的平均向量，(Λ和P为模型参数，sgn为输出函数；513. 然后使用(k-Ι)份训练数据依次对支持向量机模型进行训练，进行训练的过程中， A品牌卷烟的全色谱数据作为正样本，其他品牌卷烟的全色谱数据作为负样本，；514. 使用训练好的支持向量机模型对测试数据所属的卷烟品牌进行判别，判断其是否 属于A品牌卷烟，并输出判别结果；515. 所述步骤S13、S14重复执行k次，在k次执行过程中，k份全色谱数据依次作为测试 数据，而其余的全色谱数据则作为训练数据；516. 基于k次进行判别的准确率，对支持向量机模型的参数进行优化；517. 输入待判别的卷烟的全色谱数据，然后使用经过优化的支持向量机模型判断其是 否属于A品牌:若支持向量机模型的输出值为+1，表示待判别的卷烟属于A品牌，则执行步骤 S21和步骤S4;若支持向量机模型的输出值为-1，则表示待判别的卷烟属于其他品牌，此时 执行步骤S4; 二、 对待判别卷烟所属价类的判别521. 设A品牌卷烟包含有m种价类，分别编号为价类1、价类2、价类3、….、价类m，使用电 子鼻分别采集各种价类的A品牌卷烟的全色谱数据；522. 使用m种价类的A品牌卷烟的全色谱数据按照步骤S11~S16的方法构建支持向量 机模型，其中按照步骤S13的方法对构建的支持向量机模型训练的过程中以价类i的A品牌 卷烟的全色谱数据为正样本，其余价类的A品牌卷烟的全色谱数据为负样本，i的初始值为 1;然后向优化后的支持向量机模型输入待判别的卷烟的全色谱数据;若支持向量机模型输 出+ 1，则表示待判别卷烟属于价类i的A品牌卷烟，此时执行步骤S31和步骤S4;若支持向量 机模型输出-1，则表示待判别的卷烟不属于价类i的A品牌卷烟，此时执行步骤S23;523. 令i = i+Ι并重复执行步骤S22; 三、 对待判别卷烟所属香型的判别531. 设A品牌卷烟包含有η种香型，分别编号为香型1、香型2、香型3、…香型n，使用电子 鼻分别采集各种香型的A品牌卷烟的全色谱数据；532. 使用η种香型的A品牌卷烟的全色谱数据按照步骤S11~S16的方法构建支持向量 机模型，其中按照步骤S13的方法对构建的支持向量机模型训练的过程中以香型p的A品牌 卷烟的全色谱数据为正样本，其余香型的A品牌卷烟的全色谱数据为负样本，p的初始值为 1;然后向优化后的支持向量机模型输入待判别的卷烟的全色谱数据;若支持向量机模型输 出+1，则表示待判别卷烟属于香型P的A品牌卷烟，执行步骤S4;若支持向量机模型输出-1， 则表示待判别的卷烟不属于香型P的A品牌卷烟，此时执行步骤S23; S33.令p = p+l并重复执行步骤S32; S4.输出判别结果。2. 根据权利要求1所述的基于电子鼻全色谱数据的卷烟类型快速判别方法，其特征在 于:所述A品牌卷烟包含有三种价类，分别为一类、二类和三类，则对待判别卷烟所属价类判 别的过程具体如下： 5101. 使用电子鼻分别采集一类A品牌卷烟、二类A品牌卷烟、三类A品牌卷烟的全色谱 数据； 5102. 使用一类A品牌卷烟、二类A品牌卷烟、三类A品牌卷烟的全色谱数据按照步骤S11 ~S16的方法构建支持向量机模型，其中按照步骤S13的方法对对构建的支持向量机模型训 练的过程中以一类A品牌卷烟的全色谱数据为正样本，二类A品牌卷烟、三类A品牌卷烟的全 色谱数据为负样本;然后向优化后的支持向量机模型输入待判别的卷烟的全色谱数据;若 支持向量机模型输出+1，则表示待判别卷烟属于一类A品牌卷烟，此时执行步骤S31和步骤 S4;若支持向量机模型输出-1，则表示待判别卷烟属于二类A品牌卷烟或三类A品牌卷烟，此 时执行步骤S103; 5103. 使用一类A品牌卷烟、二类A品牌卷烟、三类A品牌卷烟的全色谱数据按照步骤S11 ~S16的方法构建支持向量机模型，其中按照步骤S13的方法对对构建的支持向量机模型训 练的过程中以二类A品牌卷烟的全色谱数据为正样本，一类A品牌卷烟、三类A品牌卷烟的全 色谱数据为负样本;然后向优化后的支持向量机模型输入待判别的卷烟的全色谱数据;若 支持向量机模型输出+1，则表示待判别卷烟属于二类A品牌卷烟，此时执行步骤S31和步骤 S4;若支持向量机模型输出-1，则表示待判别卷烟属于三类A品牌卷烟，此时执行步骤S104; 5104. 使用一类A品牌卷烟、二类A品牌卷烟、三类A品牌卷烟的全色谱数据按照步骤S11 ~S16的方法构建支持向量机模型，其中按照步骤S13的方法对对构建的支持向量机模型训 练的过程中以三类A品牌卷烟的全色谱数据为正样本，一类A品牌卷烟、二类A品牌卷烟的全 色谱数据为负样本;然后向优化后的支持向量机模型输入待判别的卷烟的全色谱数据;若 支持向量机模型输出+1，则表示待判别卷烟属于三类A品牌卷烟，此时执行步骤S31和步骤 S4〇3. 根据权利要求2所述的基于电子鼻全色谱数据的卷烟类型快速判别方法，其特征在 于:A品牌卷烟共有五种香型，分别为I香型、Π 香型、ΙΠ 香型、IV香型和V香型，则对待判别 卷烟所属香型判别的具体过程如下： 5201. 使用电子鼻分别采集分别采集五种香型A品牌卷烟的全色谱数据； 5202. 使用I香型A品牌卷烟、Π 香型A品牌卷烟、ΙΠ 香型A品牌卷烟、IV香型A品牌卷烟、 V香型A品牌卷烟的全色谱数据按照步骤S11~S16的方法构建支持向量机模型，其中按照 步骤S13的方法对对构建的支持向量机模型训练的过程中以I香型A品牌卷烟的全色谱数据 为正样本，π香型A品牌卷烟、m香型A品牌卷烟、IV香型A品牌卷烟、V香型A品牌卷烟的全 色谱数据为负样本;然后向优化后的支持向量机模型输入待判别的卷烟的全色谱数据;若 支持向量机模型输出+1，则表示待判别卷烟属于I香型，此时执行步骤S4;若支持向量机模 型输出-1，则表示待判别卷烟属于Π 香型、m香型、IV香型或V香型，此时执行步骤S203; 5203. 使用I香型A品牌卷烟、Π 香型A品牌卷烟、m香型A品牌卷烟、IV香型A品牌卷烟、 V香型A品牌卷烟的全色谱数据按照步骤S11~S16的方法构建支持向量机模型，其中按照 步骤S13的方法对对构建的支持向量机模型训练的过程中以Π 香型A品牌卷烟的全色谱数 据为正样本，I香型A品牌卷烟、m香型A品牌卷烟、IV香型A品牌卷烟、V香型A品牌卷烟的全 色谱数据为负样本;然后向优化后的支持向量机模型输入待判别的卷烟的全色谱数据;若 支持向量机模型输出+1，则表示待判别卷烟属于Π 香型，此时执行步骤S4;若支持向量机模 型输出-1，则表示待判别卷烟属于m香型、IV香型或V香型，此时执行步骤S204; 5204. 使用I香型A品牌卷烟、Π 香型A品牌卷烟、m香型A品牌卷烟、IV香型A品牌卷烟、 V香型A品牌卷烟的全色谱数据按照步骤S11~S16的方法构建支持向量机模型，其中按照 步骤S13的方法对对构建的支持向量机模型训练的过程中以m香型A品牌卷烟的全色谱数 据为正样本，I香型A品牌卷烟、Π 香型A品牌卷烟、IV香型A品牌卷烟、V香型A品牌卷烟的全 色谱数据为负样本;然后向优化后的支持向量机模型输入待判别的卷烟的全色谱数据;若 支持向量机模型输出+1，则表示待判别卷烟属于m香型，此时执行步骤S4;若支持向量机模 型输出-1，则表示待判别卷烟属于IV香型或V香型，此时执行步骤S205; 5205. 使用I香型A品牌卷烟、Π 香型A品牌卷烟、ΙΠ 香型A品牌卷烟、IV香型A品牌卷烟、 V香型A品牌卷烟的全色谱数据按照步骤S11~S16的方法构建支持向量机模型，其中按照 步骤S13的方法对对构建的支持向量机模型训练的过程中以IV香型A品牌卷烟的全色谱数 据为正样本，I香型A品牌卷烟、Π 香型A品牌卷烟、ΙΠ 香型A品牌卷烟、V香型A品牌卷烟的全 色谱数据为负样本;然后向优化后的支持向量机模型输入待判别的卷烟的全色谱数据;若 支持向量机模型输出+1，则表示待判别卷烟属于IV香型，此时执行步骤S4;若支持向量机模 型输出-1，则表示待判别卷烟属于V香型，此时执行步骤S206; 5206. 使用I香型A品牌卷烟、Π 香型A品牌卷烟、ΙΠ 香型A品牌卷烟、IV香型A品牌卷烟、 V香型A品牌卷烟的全色谱数据按照步骤S11~S16的方法构建支持向量机模型，其中按照 步骤S13的方法对对构建的支持向量机模型训练的过程中以V香型A品牌卷烟的全色谱数 据为正样本，I香型A品牌卷烟、Π 香型A品牌卷烟、ΙΠ 香型A品牌卷烟、IV香型A品牌卷烟的全 色谱数据为负样本;然后向优化后的支持向量机模型输入待判别的卷烟的全色谱数据;若 支持向量机模型输出+1，则表示待判别卷烟属于V香型，此时执行步骤S4。4. 根据权利要求1所述的基于电子鼻全色谱数据的卷烟类型快速判别方法，其特征在 于:所述步骤SI 1、S21、S31中，在采集到全色谱数据后，需要对全色谱数据进行归一化处理。5. 根据权利要求4所述的基于电子鼻全色谱数据的卷烟类型快速判别方法，其特征在 于:所述归一化处理的过程表示如下：其中Xl(j)表示卷烟类型i的全色谱数据的第j个色谱数据值，所述卷烟类型包括品牌、 价类或香型，x(j)min和x(j)max分别表示卷烟类型i的全色谱数据中第j个色谱数据的最小值 和最大值。6. 根据权利要求1所述的基于电子鼻全色谱数据的卷烟类型快速判别方法，其特征在 于:所述支持向量机模型在Mat lab环境中运行。7. 根据权利要求1~6任一项所述的基于电子鼻全色谱数据的卷烟类型快速判别方法， 其特征在于:所述步骤S11、S21、S31使用Flash GC型电子鼻采集卷烟的全色谱数据。8. 根据权利要求6所述的基于电子鼻全色谱数据的卷烟类型快速判别方法，其特征在 于:所述Flash GC型电子鼻在采集卷烟全色谱数据时，其设置条件如下:初温:45°C ;终温： 270°C ;升温速度:2°C · s-1;进样针清洗时间：90s;进样口温度:210°C ;FID温度:260°C ; TRAP 初温:40 °C ; TRAP终温:260 °C ;进样针温度：110 °C ;孵化温度:90 °C ;孵化时间：1200s;捕集时 间：50s;进样量:500yL。
【文档编号】G01N30/86GK105954451SQ201610398897
【公开日】2016年9月21日
【申请日】2016年6月6日
【发明人】吴君章, 韩冰, 陈翠玲, 汪军霞, 古君平
【申请人】广东中烟工业有限责任公司