详情

原文传递一种基于近红外光谱的冰酒控温缓慢发酵过程实时监测方法

专利名称：	一种基于近红外光谱的冰酒控温缓慢发酵过程实时监测方法
摘要：	本发明公开了一种基于近红外光谱的冰酒控温缓慢发酵过程实时监测方法，属于流程工业生产加工领域。所述方法包括：获取近红外光谱数据集、近红外光谱数据预处理、建立特征提取模型、建立回归监测模型、基于近红外光谱的冰酒控温缓慢发酵过程实时监测。本发明利用机器学习特征提取和回归监测模型，将微观监测技术与数据分析算法有机结合并融入到了冰酒酿造过程，使得在控温缓慢发酵环节中对于糖度和酒精潜能的监测能够更直接地反映其微观趋势。
专利类型：	发明专利
申请人：	江南大学
发明人：	栾小丽;陈子豪;赵顺毅;刘飞
专利状态：	有效
申请日期：	1900-01-20T21:00:00+0805
发布日期：	1900-01-20T12:00:00+0805
申请号：	CN202010106463.1
公开号：	CN111141704A
代理机构：	哈尔滨市阳光惠远知识产权代理有限公司
代理人：	林娟
分类号：	G01N21/359;G01N21/3577;G;G01;G01N;G01N21;G01N21/359;G01N21/3577
申请人地址：	214000 江苏省无锡市滨湖区蠡湖大道1800号
主权项：	1.一种基于近红外光谱的冰酒控温缓慢发酵过程实时监测方法，其特征在于，所述方法包括：步骤1：在冰葡萄汁控温缓慢发酵皿封盖孔位上安装近红外光谱仪的透射式液相光纤探头，采集在冰葡萄汁控温缓慢发酵过程中的光谱数据；所述光谱数据为冰酒控温缓慢发酵过程中由波数-吸光度元素的向量组成的近红外光谱数据，设t时刻所采集到近红外光谱数据为Xt，Xt＝{x1,x2,x3,…,xM}；在控温缓慢发酵器皿中投入比重计，按一定时间间隔读数并基于经验表格换算和记录t时刻下的糖度Tt和酒精潜能值At，共计n次；将由比重计读数并记录所得糖度Tt和酒精潜能At作为回归标签向量Yt，所述回归标签向量为回归模型训练过程中所需要的先验指标信息；将Yt与相应时刻的近红外光谱数据Xt基于时间t对应关系进行匹配，以此构成由n条形同{Xt,Yt}＝{x1,x2…,xM,Tt,At}的向量组成的近红外光谱数据集D，即：步骤2：剔除近红外光谱数据集存在异常或损坏的数据、填充缺失数据、校正错误数据；对控温缓慢发酵环节中冰葡萄汁的近红外光谱数据集进行矢量归一化和一阶导数平滑滤波；步骤3：进行特征提取，建立特征提取模型；步骤4：建立回归监测模型，包括数据集划分、选择回归监测模型类，并将测试集输入回归监测模型，以均方误差和拟合优度为性能评估指标；步骤5：根据训练完成的模型进行冰酒控温缓慢发酵过程实时监测。 2.如权利要求1所述的一种基于近红外光谱的冰酒控温缓慢发酵过程实时监测方法，其特征在于，所述剔除近红外光谱数据集存在异常或损坏数据过程为：计算ti时刻近红外光谱数据的第r元素的残余误差的绝对值若则该测量值为坏值，其中σ为测量值所属变量正态分布(σ，μ)的标准差σ。 3.如权利要求1所述的一种基于近红外光谱的冰酒控温缓慢发酵过程实时监测方法，其特征在于，所述填充缺失数据过程为：假设tj时刻的近红外光谱缺失第m维元素1≤j≤n，1≤m≤M；基于最近邻方法在近红外光谱数据集D所组成的样本空间中基于欧几里得距离d：其中，指某ti时刻近红外光谱向量，ti≠tj，为ti时刻近红外光谱中第n个元素，为tj时刻且存在缺失数据的近红外光谱中的第n个元素；根据上式，确定与的欧几里得距离的最小值对应的近邻点，记为并使用中第m维元素作为缺失数据的代替，以此类推填充近红外光谱数据集中所有的缺失数据。 4.如权利要求1所述的一种基于近红外光谱的冰酒控温缓慢发酵过程实时监测方法，其特征在于，所述校正错误数据为：根据人工先验知识，校正由测量失误、操作不当等导致的错误数据。 5.如权利要求1所述的一种基于近红外光谱的冰酒控温缓慢发酵过程实时监测方法，其特征在于，所述对控温缓慢发酵环节中冰葡萄汁的近红外光谱数据集进行矢量归一化过程为：其中，m＝1,2,…,M，为第m维近红外光谱波数—吸光度变量的均值，\|xm\|为n条近红外光谱数据的第m维近红外光谱波数—吸光度变量的平方和的平方根。 6.如权利要求1所述的一种基于近红外光谱的冰酒控温缓慢发酵过程实时监测方法，其特征在于，所述一阶导数平滑滤波为：其中，w为决定滤波窗口宽度的系数，指ti时刻近红外光谱的第a个元素，b指滤波窗口的移动序号。 7.如权利要求1所述的一种基于近红外光谱的冰酒控温缓慢发酵过程实时监测方法，其特征在于，所述特征提取算法为偏最小二乘分析，设定特征变量维数为10，以最大化近红外光谱变量和回归标签值间协方差最大为目标，设X的第一个主成分为u1，对应的权值矩阵为p1，Y的第一个主成分为v1，对应的权值矩阵为q1，有 u1＝Xp1,v1＝Yq1 Var(u1)→max，Var(v1)→max Corr(u1,v1)→max 综上优化目标为：在达到优化目标后，再从X中寻找第二个主成分为u2和Y的第二个主成分为v2，按照如上寻优方法进行优化，如此反复直至主成分个数达到设定需求。 8.如权利要求7所述的一种基于近红外光谱的冰酒控温缓慢发酵过程实时监测方法，其特征在于，所述数据划分过程为：将经由近红外光谱数据预处理后的原始数据集D作为样本输入，并按照一定比例划分为训练集DpTrain＝{XpTrain,YpTrain}和测试集DpTest＝{XpTest,YpTest}。 9.如权利要求8所述的一种基于近红外光谱的冰酒控温缓慢发酵过程实时监测方法，其特征在于，所述回归监测模型类选择多元线性回归作为回归监测算法，基于训练集DpTrain＝{XpTrain,YpTrain}，设参数域为θ的多元线性回归方程为： hθ(X)＝θTX＝θ0x0+θ1x1+L+θnxn,n＝10 建立损失函数为：其中，hθ为低维特征变量与控温缓慢发酵环节中冰葡萄汁糖度和酒精潜能间映射关系的定量模型；采用梯度下降法优化参数，直至损失函数收敛至较小值：其中，α为学习率。 10.如权利要求1所述的一种基于近红外光谱的冰酒控温缓慢发酵过程实时监测方法，其特征在于，所述将测试集输入回归监测模型，以均方误差和拟合优度为性能评估指标过程为：将测试集DpTest＝{XpTest,YpTest}输入回归监测模型，以均方误差和拟合优度为性能评估指标：其中，ntest为测试集的样本个数，MSET为糖度所对应的均方误差，表示近红外光谱数据在特征提取和回归模型映射f下所得糖度估计值，即为对应的真实糖度标签值，MSEA为酒精潜能所对应的均方误差，表示近红外光谱数据在特征提取和回归模型映射g下所得酒精潜能估计值，即为对应的真实酒精潜能标签值，均方误差MSE为各数据偏离平均数的距离的平均数，反映由回归检测模型在测试集上所得估计值与真实标签值之间的离散程度；其中，为糖度标签值的平均值，RT2为糖度所对应的拟合优度，拟合优度RA2指回归监测模型对糖度和酒精潜能标签值的拟合程度,为酒精潜能标签值的平均值。
所属类别：	发明专利