文章目录1 课题背景2 背景理解2.1 近红外光谱2.2 香精香料3 实验样本4 光谱数据5 实验方法5.1 MATLAB5.2 Python5.2.1 一些参考教程1 课题背景课题拟通过近红外光谱智能检测分析技术对香精香料生产全流程(包括原料采购入库、预处理产品、调配模块及成品香精香料)质量进行分析和评价。通过研究香精香料光谱数据快速采集和数据预处理方法特征光谱选择与优化方法,光谱特征提取和表示方法深度智能学习和高可靠性建模方法并结合多元统计过程分析方法构建不同批次香原料一致性定性判别模型稀释单体/过程模块/成品子类快速鉴别模型招投标原料匹配推荐模型。2 背景理解2.1 近红外光谱近红外光谱又称NIR光谱或NIRS作为一种成熟的分析技术已经拥有30多年的历史是一种快速可靠地测量固体和液体化学和物理性质的方法。近红外光谱通过分析光与物质之间的相互作用产生光谱。在光谱方法中光通常是通过波长来描述的而非能量。近红外光谱在电磁波谱的近红外区域波长范围为780~2500 nm工作也就是说近红外光谱仪测量的是样品对近红外区域不同波长光的吸收情况。近红外光谱是一种间接分析技术在使用时需要先建立预测模型我们可以测量一些已知浓度或其他参数值的样品光谱根据这些光谱建立预测模型然后对未知样品进行分析。近红外光谱可以分析不同类型的样品不同类型的样品有不同的测量方法测量方法分别有漫反射固体样品、透反射不透光液体和凝胶和透射将样品放置在近红外光源和检测器之间近红外光穿过样品后未被吸收的近红外光到达检测器。这种方法适合测量透明的液体溶液或悬浮液。目前我们的数据全部使用透射方法测量得到。[1] 什么是近红外光谱[2] 近红外光谱2.2 香精香料香精香料是指专供各种制品加香矫味使用的一种添加剂它是卷烟生产过程中施加于卷烟中不可缺少的原料对于修饰、增补并突出优质烟叶原来的烟香风味起着极其重要的作用并有助于形成和突出卷烟风格特征。烟叶经过调制和自然发酵虽然吸食品质有很大改善但是香味或多或少存在一些缺陷。为了保持卷烟产品质量的相对稳定在合理设计叶组配方的同时也通过加烟用香精香料物质来克服香味缺陷即加香也是提高产品质量的一个重要措施。烟用香精香料的选用通常是施加于卷烟中进行评吸香精香料在卷烟燃烧前后会发生很大的变化同时会和致香成分混合后发生相长、相消作用。卷烟加香可以补充优美的香气赋予卷烟独特的特征香味并能协调香味使不同类型、不同等级烟叶香气有机组合并相互协调掩盖或冲淡杂气。卷烟通过加香也可以增加甜河度改善吸味减轻烟气的刺激性减弱一些杂气从而改善品质。[3] 烟用香精香料3 实验样本样品共涉及三种香精原料罗望子浸膏Luowangzi extract、糖料 (Sugar material) 及 异戊酸异戊酯 (Isoamyl isovalerate)。为全面评估近红外光谱技术在样品鉴别与质量控制中的应用潜力针对每种材料设计了三类样本正品样本 (Authentic Samples): 选取了5个不同生产日期批次的合格产品用于表征正常的批次间差异。稀释样本 (Diluted Samples): 将正品样本用特定溶剂稀释至5个不同的浓度梯度原样本浓度分别为 94%, 92%, 90%, 88%, 85%用于模拟样品中有效成分含量不足的情况。掺假样本 (Adulterated Samples): 在正品样本中掺入特定干扰物设置5个不同的掺杂水平正品样本含量分别为 94%, 92%, 90%, 88%, 85%用于模拟产品被恶意掺假的情形。具体的稀释与掺假方案如下罗望子浸膏: 使用纯净水 (Purified water) 进行稀释使用其他品牌的同类产品 进行掺假。糖料: 使用纯净水进行稀释使用其他种类的糖料进行掺假。异戊酸异戊酯: 使用丙二醇 (Propylene glycol) 进行稀释使用异戊酸苄酯 (Benzyl isovalerate) 进行掺假。综上本研究共有 (5个正品 5个稀释 5个掺假) × 3种材料 45份独立样本。4 光谱数据采用赛默飞 (Thermo Fisher Scientific) 近红外光谱仪对上述45份样本进行光谱扫描。光谱采集说明如下光谱范围 (Spectral Range): 10000 ~ 4000 cm −1。重复测量 (Replicates): 为保证数据的可靠性与代表性对每份独立样本进行3次重复测量。最终共获得 135个近红外光谱 (45份样本 × 3次重复)。得到的光谱数据有spa格式与csv格式。为便于数据管理与溯源文件采用以下统一规则进行命名sp 样品类型-样品状态-批次或浓度-重复编号.spasp 样品类型-样品状态-批次或浓度-重复编号.csv命名示例:sp 罗望子浸膏-合格-20240111-1.csv: 表示罗望子浸膏的正品样本日期批次为20240111的第1次重复测量光谱。sp 糖料-稀释-85%-2.csv: 表示糖料的稀释样本原样本浓度为85%的第2次重复测量光谱。sp 异戊酸异戊酯-掺假-90%-3.csv: 表示异戊酸异戊酯的掺假样本原样本含量为90%的第3次重复测量光谱。在csv格式的数据中第一列为波长 (Wavelength)第二列为吸光度 (Absorbance)5 实验方法实验方法按步骤依次有原始数据整理、数据预处理、特征提取与选择、模型构建与评价。在具体的实验中一般通过 MATLAB 或 Python 进行实现。具体实验方法可参考硕士学位论文《基于高光谱成像技术的牛奶蛋白质含量检测研究》中第二部分的相关理论和方法。[4] 《基于高光谱成像技术的牛奶蛋白质含量检测研究》5.1 MATLABMATLABMatrix Laboratory矩阵实验室是由美国The MathWorks公司出品的商业数学软件。MATLAB是一种用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境。[5] MATLAB安装参考教程MATLAB R2023b安装教程及下载5.2 PythonPython 是一种功能强大且易于上手的解释型高级编程语言。它开源自由拥有庞大的标准库和活跃的社区生态特别是在机器学习和深度学习等领域Python 提供了诸如 TensorFlow、PyTorch 等成熟框架成为主流的数据科学开发语言。项目主要方向是使用深度学习解决相关问题MATLAB不开源且进行深度学习时没有Python方便所以项目建议主要使用Python。使用Python进行的实验尚未完善完成后会分享给大家5.2.1 一些参考教程[6] PyCharm安装教程图文教程超详细安装AnacondaQ为什么要安装AnacondaA[7] Anaconda虚拟环境常用命令[8] Anaconda的安装与环境设置安装NVIDIA、CUDA、CUDNN、PyTorchQ为什么要安装NVIDIA、CUDA、CUDNN、PyTorchA让我们的GPU参与加速深度学习模型训练/推理在深度学习任务中比如图像识别、NLP、语音识别等模型往往包含上百万甚至上亿参数训练过程非常耗时。GPU图形处理器可以通过并行计算大大加速这些任务而不是完全依赖 CPU。但要让程序正常调用 GPU需要安装一系列“驱动”和“接口库”——这就是 NVIDIA 驱动、CUDA、cuDNN 的作用。[9] NVIDIA、CUDA、CUDNN、PyTorch安装吐血整理[10] GPU版本pytorch的安装配套环境python、Cuda、Anaconda安装和版本选择及常见问题调用gpu返回false每个教程的侧重点不同学习时可以对照参考