申请/专利权人：四川轻化工大学

申请日：2023-12-27

公开（公告）日：2024-03-29

公开（公告）号：CN117783045A

主分类号：G01N21/359

分类号：G01N21/359;G06F18/213;G06F18/211;G06F18/27;G06F18/214

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.16#实质审查的生效;2024.03.29#公开

摘要：本发明公开一种近红外光谱结合理化指标的大曲品质快速检测方法，涉及大曲品质检测技术领域，解决传统大曲品质检测依赖于人工经验检测无法兼顾检测速度和检测精度的问题；本发明包括采集大曲样本的近红外光谱数据并测量大曲样本的理化指标；对近红外光谱数据到进行预处理；对预处理得到的近红外光谱数据进行特征选择和提取；基于提取的特征建立并优化大曲近红外光谱支持向量机回归预测模型，采用灰狼算法优化支持向量机回归模型；将待测的大曲样本近红外光谱数据输入大曲近红外光谱支持向量机回归预测模型中得到预测值；本发明设计了GWO‑SVR大曲关键理化指标的近红外光谱定量分析模型，对大曲关键理化指标快速检测提供了新的方法和途径，实现快速检测。

主权项：1.一种近红外光谱结合理化指标的大曲品质快速检测方法，其特征在于，包括以下步骤：步骤1：采集大曲样本的近红外光谱数据并测量大曲样本的理化指标；步骤2：对采集大曲样本近红外光谱数据进行预处理；步骤3：对预处理得到的近红外光谱数据进行特征选择和提取；步骤4：将提取的近红外光谱特征与对应大曲样本理化指标组合为样本数据集，并基于样本数据集建立并优化大曲近红外光谱支持向量机回归预测模型，其中采用灰狼算法优化支持向量机；步骤5：采集待测的大曲样本近红外光谱数据处理后输入训练好的大曲近红外光谱支持向量机回归预测模型中得到相应大曲样本的理化指标预测值。

全文数据：

权利要求：

百度查询： 四川轻化工大学 一种近红外光谱结合理化指标的大曲品质快速检测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD