[发明专利]一种三维荧光光谱结合非负矩阵分解鉴别浓香型白酒年份的方法

说明书

技术领域

一种三维荧光光谱结合非负矩阵分解鉴别浓香型白酒年份的方法，此方法的特别之处在于运用乘性迭代的非负矩阵分解方法分解光谱数据矩阵，将得到的系数矩阵作为光谱的特征参量，结合支持向量机能较好地实现浓香型白酒年份的分类鉴别，属于白酒鉴别技术领域。

背景技术

年份酒最初在国外流行甚广，主要是用于葡萄酒，威士忌、白兰地等白酒中。关于白酒年份酒尚无具体的标准，目前，较为流行的是将若干种年份酒按比例混合后得到，将其加权年份作为该白酒年份酒的年份。为了白酒市场的健康发展，保证年份酒的安全可靠和质量，提高企业年份酒的诚信度，保护消费者利益，研发有效的方法年份酒的鉴别方法显得尤为重要。

由于不同年份成品酒的理化指标和香味成分基本相似，对年份酒的鉴别一直以来都是科学界的难题。我国，对白酒年龄的鉴定还处于初级阶段，尚不成熟。目前使用的检测方法主要有利用原子吸收光谱仪测定酒体中的金属元素含量来鉴定白酒年份酒；利用紫外光谱仪测定酒样的光吸收度值来鉴别年份酒以及通过测量白酒的挥发系数来确定白酒的年份等。以上这些方法大多受不可控制因素的制约，因此测量的稳定性受到影响。荧光光谱技术具有荧光光谱法具有操作简单，所需样品少，分析速度快，成本低等优点，在酒的检测方面具有一定优势。

非负矩阵分解(NMF)算法最初是Lee和Seung1999年在《Nature》杂志上首次提出的一种处理大规模数据的有效方法，该方法被广泛应用于文本处理，计算机视觉，图像处理和模式识别等领域。与主成分分析相比，非负矩阵分解后的基矩阵不需要正交，也不需要求解满足方差最大原则。为保证非负分解，在非负矩阵算法前不需要做中心化等预处理，方法更为简单。另外，非负矩阵分解得到的矩阵元素均为非负，所得数据更加具有实际意义，更能充分解释实际原因，用非负矩阵分解方法对荧光光谱数据进行分析，能得到较好的效果。

鉴于此，为了监督白酒生产质量，维护白酒市场秩序，保护消费者的权益，发明一种快速准确的白酒年份的鉴别方法，势在必行。

发明内容

本发明需要解决的技术问题，是提供一种三维荧光光谱结合非负矩阵分解鉴别浓香型白酒年份的方法，本发明使用荧光光谱仪建立不同年份浓香型白酒的三维荧光光谱指纹图，然后使用荧光光谱技术分析不同品牌浓香型白酒酒样，通过软件导出三维数据，获得不同年份浓香型白酒的三维荧光光谱数据。将得到的光谱数据按列展开，运用乘性迭代的非负矩阵分解方法对得到的光谱数据分解。然后将分解后得到的系数矩阵作为荧光光谱的特征参量，结合支持向量机，建立不同年份的浓香型白酒的分类鉴别模型。本发明是一种新的白酒质量控制技术，操作简便，样品用量少，检测灵敏度高，结果直观可靠，环保无污染，该方法为年份酒的鉴别和发展技术提供了帮助。

本发明的技术方案：一种三维荧光光谱结合非负矩阵分解鉴别浓香型白酒年份的方法，该方法包括如下步骤：

(1)使用荧光光谱仪FLS920测量某品牌浓香型白酒的三个原始年份以及加权年份的三维荧光光谱，建立三个原始年份以及三个加权年份的浓香型白酒的三维荧光光谱图库：

扫描条件:氙灯光源80w；探测温度-20度；激发波长范围：215-500nm，步长5nm；发射波长范围：210-650nm，步长2nm；

(2)应用乘性迭代的非负矩阵分解方法对光谱数据矩阵分解；

(3)结合支持向量机，建立不同年份浓香型白酒的分类鉴别模型：

a、用交叉验证中的K-CV方法对支持向量机的参数寻优；

b、在最佳参数下，建立不同年份浓香型白酒的预测模型。

所述步骤(1)中，所述加权年份具体公式为：

Y＝10a+20b+30c，(1)

其中Y表示加权年份，a，b，c分别表示10年，20年，30年白酒的百分比。

所述步骤2)中，所述非负矩阵的分解公式为：

Χ＝WH(2)

其中Χ为n×m维的光谱数据矩阵，W(n×r)和H(n×r)分别为分解后的基矩阵和系数矩阵，其中r为组分数，大小满足(n+m)r＜＜nm；

对(1)式优化，选择Frobenius范数作为目标函数：