开云优惠体育网页版入口

专利名称：通过便携式密度计快速准确检测香精香料的方法

专利类型：发明专利

专利申请号：CN202210939244.0

专利申请（专利权）人：张家口卷烟厂有限责任公司
权利人地址：河北省张家口市桥东区钻石北路9号

专利发明（设计）人：李素艳,李自娟,乔宝合,苏巧,孙朔,赵海洋,雷捷,吕萱,李洁,武越,陈真贤,冯和平,曹阳,张晓冬,郭宝成

专利摘要：本发明公开了通过便携式密度计快速准确检测香精香料的方法，包括步骤S1清洗剂浓度影响研究；S2清洗剂顺序影响研究；S3样品密度检测；S4数据分析与处理；S5.1分体模型的构建：对于密度大于纯水的样品，所建立的线性回归预测分体模型为模型1?1；对于密度小于纯水的样品，所建立的线性回归预测分体模型为模型1?2；S5.2总体模型的构建：所建立的线性回归预测总体模型为模型2；S6，预测模型的验证。本发明在保证准确度的前提下，检测一个样品从18分钟降低为5分钟，从而使进入生产环节香基、料基、叶(梗)料液、烟(梗)表香内在质量更具快速性、稳定性、精准性，以此为基础可提高卷烟感官指标的稳定性、一致性。

主权利要求：
1.通过便携式密度计快速准确检测香精香料的方法，其特征在于：包括S1，清洗剂浓度对便携式密度计检测数值影响的研究对比将清洗剂I：酒精的浓度由75％提高到100％，研究清洗剂I的浓度对便携式密度计检测数值的影响：确定清洗剂I：酒精的最佳浓度；
清洗剂II：纯水；
S2，清洗剂顺序对便携式密度计检测数值影响的研究选取标准样品，使清洗剂I、清洗剂II采用不同的使用顺序清洗便携式密度计，分别在完成清洗后检测标准样品密度，得到不同清洗剂使用顺序下的检测值；
对比确定哪种清洗剂使用顺序下的标准样品的检测值与理论值偏差更。
得到最终确定的清洗剂I、清洗剂II的使用顺序；
S3，样品密度检测
分别抽取N个低/中/高密度香精香料样品，通过便携式密度计和密度折光一体机分别对其进行检测，得到N组样品密度检测数据；
S4，数据分析与处理
S4.1，数据分析
对N组样品对比数据进行分析，研究每一组便携式密度计和密度折光一体机的检测数据之间的偏差，分析确定该偏差具有以下规律和趋势：对于标准密度大于纯水的样品，其便携式密度计的检测值小于密度折光一体机；
对于标准密度小于纯水的样品，其便携式密度计的检测值大于密度折光一体机；
确定便携式密度计和密度折光一体机检测值之间存在相关性；
S4.2，数据处理
剔除N组样品密度检测数据中的异常数据；
S4.3，数据分组
基于S4.1数据分析的结果，对样品密度检测数据再次进行分组：样品密度大于纯水的，其检测数据归为一组；
样品密度小于纯水的，其检测数据归为一组；
S5，预测模型的构建
S5.1，分体模型的构建
将S4.2、S4.3处理后的检测数据分组建立线性回归预测分体模型；
对于密度大于纯水的样品，所建立的线性回归预测分体模型为模型1?1；
对于密度小于纯水的样品，所建立的线性回归预测分体模型为模型1?2；
S5.2，总体模型的构建
将S4.2处理后的检测数据建立线性回归预测总体模型；
所建立的线性回归预测总体模型为模型2；
S6，预测模型的验证
选取若干标准样品，验证模型1?1、模型1?2、模型2的预测精度；
S7，通过便携式密度计检测香精香料相对密度；
根据香料香精的密度选取对应的线性回归预测分体模型；
所述线性回归预测分体模型的输入为便携式密度计检测值，输出为密度折光一体机检测值的预测值。
2.根据权利要求1所述的通过便携式密度计快速准确检测香精香料的方法，其特征在于：步骤S1：
当酒精浓度由75％提高到95％的过程中，便携式密度计检测数值的变化明显；
当酒精浓度由95％提高到100％的过程中，便携式密度计检测数值基本无变化；
确定清洗剂I：酒精的浓度为95％。
3.根据权利要求1所述的通过便携式密度计快速准确检测香精香料的方法，其特征在于：步骤S2：
最终确定的清洗剂I、清洗剂II的使用顺序：先用酒精，再用纯水。
4.根据权利要求1所述的通过便携式密度计快速准确检测香精香料的方法，其特征在于：步骤S5.1，分体模型的构建
将S4.2、S4.3处理后的检测数据分组录入mini?tab软件，验证数据是否符合正态分布；
分别在数据统计命令中选择统计回归并拟合线性图，建立线性回归预测分体模型；
对于密度大于纯水的样品，所建立的线性回归预测分体模型为模型1?1；
对于密度小于纯水的样品，所建立的线性回归预测分体模型为模型1?2。
5.根据权利要求1所述的通过便携式密度计快速准确检测香精香料的方法，其特征在于：步骤S5.2，总体模型的构建
将S4.2处理后的检测数据录入mini?tab软件，验证数据是否符合正态分布；
在数据统计命令中选择统计回归并拟合线性图，建立线性回归预测总体模型；
所建立的线性回归预测总体模型为模型2。
6.根据权利要求1所述的通过便携式密度计快速准确检测香精香料的方法，其特征在于：步骤S6包括：
采用便携式密度计检测标准样品的密度，将得到的检测值分别录入各预测模型，得到每个预测模型下该标准样品由密度折光一体机检测时的预测值，将该预测值与实测值进行对比，得到偏差值，利用偏差分析验证各预测模型的预测精度和可靠性。 说明书 : 通过便携式密度计快速准确检测香精香料的方法技术领域[0001] 本发明涉及香精香料领域，具体涉及一种通过便携式密度计快速准确检测香精香料的方法。背景技术[0002] 烟用香精是指由两种以上的烟用香料按一定配比并加入适用的辅料和适当的溶剂组成的一种烟草制品的添加剂，专供各种烟草制品加香矫味适用，使之再燃吸时能产生优美的香气和舒适吃味。[0003] 烟草加香赋予烟草制品优美舒适的嗅香，赋予烟草制品的烟气特征香气，消除不同等级烟叶之间的差异，协调不同类型烟叶的香气，减轻烟气的刺激性，掩盖杂气，使烟气柔和圆润，并能改善余味，增加或增强某些香气，使烟香丰满。香精香料的调配的精准性直接影响加香效果。[0004] 目前我司的香精香料配制质量稳定性检验，以物理指标相对密度和折光指数检验为主。制丝车间使用便携式机完成过程配料质量检验，工艺质量部使用一体机进行监督检验和重点牌号检验。在检测过程中，DMA501便携式密度计和DMA4500?Abbmat300密度折光一体机检测精度存在差异，检测人员使用两种不同型号的仪器检测结果，两者的数值存在偏差。各牌号叶料、表香的质量验证由标样进行感官比对完成，批次间配料质量仅靠感官验证和过程监督，存在一定的质量风险。[0005] 本申请旨在更加快速、科学的验证香精香料质量稳定性。发明内容[0006] 为解决上述问题，本申请提供一种通过便携式密度计快速准确检测香精香料的方法，其可实现由感官验证转变到物理指标检测，实现数据由粗放式积累到数据精准控制转变，从而使进入生产环节香基、料基、叶(梗)料液、烟(梗)表香内在质量更具稳定性、精准性，以此为基础提高卷烟感官指标的稳定性、一致性。[0007] 本发明解决其技术问题所采用的技术方案为：[0008] 通过便携式密度计快速准确检测香精香料的方法，包括：[0009] S1，清洗剂浓度对便携式密度计检测数值影响的研究[0010] 对比将清洗剂I：酒精的浓度由75％提高到100％，研究清洗剂I的浓度对便携式密度计检测数值的影响：[0011] 当酒精浓度由75％提高到95％的过程中，便携式密度计检测数值的变化明显；[0012] 当酒精浓度由95％提高到100％的过程中，便携式密度计检测数值基本无变化；[0013] 确定清洗剂I：酒精的浓度为95％；[0014] 清洗剂II：纯水；[0015] S2，清洗剂顺序对便携式密度计检测数值影响的研究[0016] 选取标准样品，使清洗剂I、清洗剂II采用不同的使用顺序清洗便携式密度计，分别在完成清洗后检测标准样品密度，得到不同清洗剂使用顺序下的检测值；[0017] 对比确定哪种清洗剂使用顺序下的标准样品的检测值与理论值偏差更。籟0018] 得到最终确定的清洗剂I、清洗剂II的使用顺序；[0019] S3，样品密度检测[0020] 分别抽取N个低/中/高密度香精香料样品，通过便携式密度计和密度折光一体机分别对其进行密度检测，得到N组样品密度检测数据；[0021] S4，数据分析与处理[0022] S4.1，数据分析[0023] 对N组样品密度对比数据进行分析，研究每一组便携式密度计和密度折光一体机的密度检测数据之间的偏差，分析确定该偏差具有以下规律和趋势：对于标准密度大于纯水的样品，其便携式密度计的检测值小于密度折光一体机；对于标准密度小于纯水的样品，其便携式密度计的检测值大于密度折光一体机；[0024] 确定便携式密度计和密度折光一体机检测值之间存在相关性；[0025] S4.2，数据处理[0026] 剔除N组样品密度检测数据中的异常数据；[0027] S4.3，数据分组[0028] 基于S4.1数据分析的结果，对样品密度检测数据再次进行分组：[0029] 样品密度大于纯水的，其检测数据归为一组；[0030] 样品密度小于纯水的，其检测数据归为一组；[0031] S5，预测模型的构建[0032] S5.1，分体模型的构建[0033] 将S4.2、S4.3处理后的检测数据分组录入mini?tab软件，验证数据是否符合正态分布；[0034] 分别在数据统计命令中选择统计回归并拟合线性图，建立线性回归预测分体模型；[0035] 对于密度大于纯水的样品，所建立的线性回归预测分体模型为模型1?1；[0036] 对于密度小于纯水的样品，所建立的线性回归预测分体模型为模型1?2；[0037] S5.2，总体模型的构建[0038] 将S4.2处理后的检测数据录入mini?tab软件，验证数据是否符合正态分布；[0039] 在数据统计命令中选择统计回归并拟合线性图，建立线性回归预测总体模型；[0040] 所建立的线性回归预测总体模型为模型2；[0041] S6，预测模型的验证[0042] 选取若干标准样品，验证模型1?1、模型1?2、模型2的预测精度；[0043] 采用便携式密度计检测标准样品的密度，将得到的检测值分别录入各预测模型，得到每个预测模型下该标准样品由密度折光一体机检测时的预测值，将该预测值与实测值进行对比，得到偏差值，利用偏差分析验证各预测模型的预测精度和可靠性。[0044] 本发明带来的有益效果有：[0045] 本方法改变了传统的感官验证方式使其转变为物理指标检测验证，通过研究便携式密度计与密度折光一体机检测数值偏差的分析，针对便携式密度计选择最佳清洗剂浓度和清洗剂清洗顺序，利用两个仪器的检测数据建立数据预测模型，达到消除系统误差的目的，可实现通过便携式密度计快速准确检测香精香料相对密度。[0046] 本方法可以快速检测出香精香料样品的密度以及相对密度，实际操作过程较为简单便捷，通过预测模型得到的预测值和密度折光一体机的测量值进行对比，二者的数值偏差极。得鞅痉椒ǖ脑げ饨峁既房煽浚患幢痉椒晌憔懔先氤Ъ煅榛方诤蜕讨柿考煅，提高检测效率、降低检验成本，运用简洁高效的检测方法，方便质量管理人员科学判断，全面提升质量管控能力和水平。[0047] 本发明的突出贡献体现在：一是快速检测香精香料的密度，二是保证预测数值的准确性达到密度折光一体机的水平。本发明实现了由感官验证转变到物理指标检测，实现了数据由粗放式积累到数据精准控制转变，在保证准确度的前提下，检测一个样品从18分钟降低为5分钟，从而使进入生产环节香基、料基、叶(梗)料液、烟(梗)表香内在质量更具快速性、稳定性、精准性，以此为基础可提高卷烟感官指标的稳定性、一致性。附图说明[0048] 下面结合附图及具体实施例对本发明作进一步说明，[0049] 图1为本方法的线性回归预测模型：模型1?1的拟合线性图；[0050] 图2为本方法的线性回归预测模型：模型1?2的拟合线性图；[0051] 图3为本方法的线性回归预测模型：模型2的拟合线性图。具体实施方式[0052] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。[0053] 实施例1[0054] 通过便携式密度计快速准确检测香精香料的方法，包括：[0055] S1，清洗剂浓度对便携式密度计检测数值影响的研究[0056] 通过对比实验法，将清洗剂I：酒精的浓度由75％提高到100％，研究清洗剂I的浓度对便携式密度计检测数值的影响：[0057] 当酒精浓度由75％提高到95％的过程中，便携式密度计检测数值的变化明显；[0058] 当酒精浓度由95％提高到100％的过程中，便携式密度计检测数值基本无变化；[0059] 由于：浓度为95％的酒精对比100％的酒精，从安全角性、经济性、持续性、周期性、有效性考虑，95％的酒精有专门存放的酒精间，有固定的采购审批手续，价格更具优势，安全系数更高，有固定的货源和供应商；而100％的纯酒精则需要临时够买，采购周期长，存放存在风险，价格相对较高；[0060] 确定清洗剂I：酒精的浓度为95％；[0061] 清洗剂II：纯水；[0062] S2，清洗剂顺序对便携式密度计检测数值影响的研究[0063] 对比清洗剂顺序对检测数值的影响，发现改变清洗剂I和清洗剂II的使用顺序，会对检测数值造成显著影响，确定清洗剂的使用顺序会对检测数值造成影响；[0064] 选取标准样品，使清洗剂I、清洗剂II采用不同的使用顺序清洗便携式密度计，分别在完成清洗后检测标准样品密度，得到不同清洗剂使用顺序下的检测值；[0065] 对比确定哪种清洗剂使用顺序下的标准样品的检测值与理论值偏差更。籟0066] 得到最终确定的清洗剂I、清洗剂II的使用顺序；[0067] 最终确定的清洗剂使用顺序为：[0068] 先用95％的酒精，再用纯水；[0069] S3，样品密度检测[0070] 分别抽取N个低/中/高密度香精香料样品，通过便携式密度计和密度折光一体机分别对其进行样品密度检测，得到N组样品密度检测数据；[0071] 这里的中密度香精香料样品主要是指与纯水密度接近的样品，主要强调数据的连续性，实际并无区分。[0072] S4，数据分析与处理[0073] S4.1，数据分析[0074] 对N组样品密度对比数据进行分析，研究每一组便携式密度计和密度折光一体机的密度检测数据之间的偏差，经分析确定该偏差具有以下规律和趋势：[0075] 对于标准密度大于纯水的样品，其便携式密度计的检测值小于密度折光一体机；[0076] 对于标准密度小于纯水的样品，其便携式密度计的检测值大于密度折光一体机；[0077] 故确定便携式密度计和密度折光一体机检测值之间存在相关性；[0078] S4.2，数据处理[0079] 剔除N组样品密度检测数据中的异常数据；[0080] 异常数据包括：[0081] 数据走势与其它数据走势相反，通过数据分类识别的数据；[0082] 数据走势与其它数据走势一致，但检测数据偏差远远大于其它数据的数据；[0083] S4.3，数据分组[0084] 基于S4.1数据分析的结果，对样品密度检测数据再次进行分组：[0085] 样品密度大于纯水的，其检测数据归为一组；[0086] 样品密度小于纯水的，其检测数据归为一组；[0087] S5，预测模型的构建[0088] 以纯水密度为分界，按照不同数据组合建模：[0089] S5.1，分体模型的构建[0090] 将S4.2、S4.3处理后的检测数据分组录入mini?tab软件，验证数据是否符合正态分布；[0091] 符合正态分布，分别在数据统计命令中选择统计回归并拟合线性图，建立线性回归预测分体模型；[0092] 对于密度大于纯水的样品，所建立的线性回归预测分体模型为模型1?1；[0093] 对于密度小于纯水的样品，所建立的线性回归预测分体模型为模型1?2；[0094] S5.2，总体模型的构建[0095] 将S4.2处理后的检测数据录入mini?tab软件，验证数据是否符合正态分布；[0096] 符合正态分布，在数据统计命令中选择统计回归并拟合线性图，建立线性回归预测总体模型；[0097] 所建立的线性回归预测总体模型为模型2；[0098] S6，预测模型的验证[0099] 选取多个标准样品，验证模型1?1、模型1?2、模型2的预测精度；[0100] 采用便携式密度计检测标准样品的密度，将得到的检测值分别录入各预测模型，得到每个预测模型下该标准样品由密度折光一体机检测时的预测值，将该预测值与实测值进行对比，得到偏差值，利用偏差分析验证各预测模型的预测精度和可靠性。[0101] 实施例2[0102] 通过便携式密度计快速准确得到香精香料由目标高精度检测仪检测值的预测方法，包括：[0103] S1，改善便携式密度计的清洗操作方法，利用实验对比的方法，确认酒精浓度95％时为最佳；[0104] S2，利用实验对比的方法确认两种清洗剂不同清洗顺序所检测的检测值，得到标准样品的检测值与标准值的偏差，将偏差更小的清洗顺序确定为清洗剂的最佳清洗顺序；[0105] S3，在确定酒精浓度为95％、清洗剂的清洗顺序后，通过便携式密度计和目标高精度检测仪分别检测多个样品，得到多组检测对比数据；[0106] S4，按照不同数据组合方式建模；[0107] 数据组合方式包括：[0108] 第一组合：[0109] 通过便携式密度计和目标高精度检测仪，检测高密度样品形成的一组对比数据；[0110] 通过便携式密度计和目标高精度检测仪，检测低密度样品形成的一组对比数据；[0111] 高密度样品、低密度样品的区分标准为纯水密度；[0112] 目的是分段建立数据模型：[0113] 第二组合：[0114] 通过便携式密度计与目标高精度检测仪检测低密度、中密度、高密度样品形成的多组对比数据；[0115] 这里的中密度主要指与水密度接近的数值，主要强调数据的连续性，实际并无区分。[0116] S5.1，通过第一组合方式建模：[0117] 对于高密度样品形成的一组对比数据，建立线性模型1?1；[0118] 对于低密度样品形成的一组对比数据，建立线性模型1?2；[0119] S5.2，通过第二组合方式建模：[0120] 采用两仪器检测低、中、高密度香精香料的多组检测值，建立线性模型2；[0121] S6，验证各模型的可靠性和置信度。[0122] 本预测方法应用时，率先根据各预测模型的预测区间和预测精度选择对应模型，再通过便携式密度计的检测值，即可快速准确得到某一香精香料样品由另一目标高精度检测仪检测时的检测值的预测值。[0123] 实施例3[0124] 验证75％的酒精、95％的酒精、100％的酒精对检测数值的影响，结果见表1：[0125] 表1[0126]酒精浓度 75％ 95％ 100％ 酒精浓度 75％ 95％ 100％样品1 1.1545 1.1535 1.1533 样品6 1.1545 1.1535 1.1533样品2 1.1239 1.1230 1.1230 样品7 1.1239 1.1230 1.1230样品3 0.9922 0.9911 0.9911 样品8 0.9922 0.9911 0.9911样品4 0.9502 0.9491 0.9491 样品9 0.9502 0.9491 0.9491样品5 1.1545 1.1535 1.1535 样品10 1.1215 1.1225 1.1225[0127] 可见，酒精浓度对检测数值影响显著，由75％到95％数值变化明显，95％到100％数值基本没有变化。[0128] 实施例4[0129] 分别抽取低、中、高密度香精香料，共计70个样品，对比便携式密度计检测数据(B)和密度折光一体机检测数据(Y)，检测数据见表2：[0130] 表2[0131] B Y B Y B Y B Y B Y0.9016 0.9004 0.9454 0.9456 0.9016 0.9004 1.0756 1.0770 1.0021 0.99890.9194 0.9174 0.9454 0.9456 0.9824 0.9822 1.1020 1.1071 1.2791 1.28470.9029 0.9015 0.9000 0.8988 0.9249 0.9221 1.1234 1.1251 1.0644 1.06710.9249 0.9221 0.9177 0.9158 0.9029 0.9015 1.0437 1.0443 1.0434 1.04610.9841 0.9839 0.9013 0.8999 0.9045 0.9029 1.0532 1.0539 1.0756 1.07700.9016 0.9004 0.9233 0.9205 0.8093 0.8073 1.0394 1.0396 1.1020 1.10710.9194 0.9174 0.9054 0.9045 0.8123 0.8107 1.0276 1.0280 1.1234 1.12510.9029 0.9015 0.9029 0.9045 0.8540 0.8529 1.0634 1.0640 1.0437 1.04430.9249 0.9221 0.9824 0.9800 0.8615 0.8601 1.0241 1.0220 1.0532 1.05390.9841 0.9839 0.9077 0.9061 0.8992 0.8978 1.0853 1.0883 1.0533 1.05711.0394 1.0396 1.2024 1.2009 1.0241 1.0220 1.0906 1.0908 1.2814 1.28471.0276 1.0280 1.1764 1.1784 1.0872 1.0883 1.0948 1.0953 1.0664 1.06711.0634 1.0640 1.0069 1.0072 1.0039 0.9989 1.1732 1.1744 1.0453 1.04611.0017 1.0021 1.1622 1.1635 1.1556 1.1563 1.0573 1.0578 0.9454 0.9456 [0132] 实施例5[0133] 以纯水密度为分界线，建立线性回归预测分体模型：[0134] (1)表2中比纯水密度高的检测数据建立一个数据模型，称之为模型1?1；[0135] 筛选出43组密度高于纯水的香精香料样品检测值，剔除其中3组异常数据，建立表3：[0136] 表3[0137]B Y B Y B Y B Y1.0756 1.0770 1.0021 0.9989 1.0276 1.0280 1.0069 1.00721.1020 1.1071 1.0644 1.0671 1.0634 1.0640 1.0964 1.11401.1234 1.1251 1.0434 1.0461 1.0241 1.0220 1.0906 1.09081.0437 1.0443 1.0756 1.0770 1.0872 1.0883 1.0948 1.09531.0532 1.0539 1.1020 1.1071 1.0039 0.9989 1.1732 1.17441.0394 1.0396 1.1234 1.1251 1.2814 1.2847 1.0573 1.05781.0276 1.0280 1.0437 1.0443 1.0664 1.0671 1.1556 1.15631.0634 1.0640 1.0532 1.0539 1.0453 1.0461 1.1622 1.16351.0241 1.0220 1.0533 1.0571 1.0017 1.0021 1.2752 1.27821.0853 1.0883 1.0394 1.0396 1.1764 1.1784 1.0205 1.0211 [0138] 利用表3数据，将其录入mini?tab软件，验证数据符合正态分布；[0139] 参照图1，随后在数据统计命令中选择统计回归并拟合线性图，以此建立线性回归预测分体模型1?1：Y＝?0.01685+1.017B。[0140] (2)表2中比纯水密度低的检测数据建立一个数据模型，称之为模型1?2；[0141] 筛选出30组密度低于纯水的香精香料样品检测值，建立表4：[0142] 表4[0143] B Y B Y B Y0.9016 0.9004 0.9454 0.9456 0.9016 0.90040.9194 0.9174 0.9454 0.9456 0.9824 0.98220.9029 0.9015 0.9000 0.8988 0.9249 0.92210.9249 0.9221 0.9177 0.9158 0.9029 0.90150.9841 0.9839 0.9013 0.8999 0.9045 0.90290.9016 0.9004 0.9233 0.9205 0.8093 0.80730.9194 0.9174 0.9054 0.9045 0.8123 0.81070.9029 0.9015 0.9029 0.9045 0.8540 0.85290.9249 0.9221 0.9824 0.9800 0.8615 0.86010.9841 0.9839 0.9077 0.9061 0.8992 0.8978[0144] 利用表4数据，将其录入mini?tab软件，验证数据符合正态分布；[0145] 参照图2，随后在数据统计命令中选择统计回归并拟合线性图，以此建立线性回归预测分体模型1?2：Y＝?0.005638+1.005B。[0146] 实施例6[0147] 基于表2的低/中/高密度香精香料检测数据，建立线性回归预测总体模型：[0148] 剔除异常数据后将其录入mini?tab软件，验证数据符合正态分布；[0149] 参照图3，随后在数据统计命令中选择统计回归并拟合线性图，以此建立线性回归预测总体模型2：Y＝?0.01335+1.013B。[0150] 实施例7[0151] 选择5个标准密度比纯水小的香料香精样品、5个标准密度比纯水大的香料香精样品，验证实施例4和5预测模型的可靠性。[0152] 表5[0153]样品编号 B Y 模型预测值 偏差1 0.9924 0.9922 0.9925 0.00032 0.9029 0.9015 0.9025 0.00113 0.8615 0.8600 0.8601 0.00014 0.8992 0.8978 0.8980 0.00025 0.9116 0.9105 0.9101 0.00046 1.1017 1.1021 1.1023 0.00027 1.1562 1.1554 1.1557 0.00038 1.0205 1.0215 1.0219 0.00049 1.0766 1.0770 1.0773 0.000310 1.1234 1.1254 1.1249 0.0004[0154] 对比密度折光一体机的检测值和通过预测分体模型得到的预测值，得到两数据之间的偏差见表5，发现各组数据的偏差均在0.005之内，表明预测分体模型均是有效的且预测精度高。[0155] 采用同样的方法验证实施例6预测模型的可靠性。[0156] 结果表明，实施例4和5预测模型1?1、预测模型1?2，其预测精度要优于预测模型2。实际应用过程中，根据香料香精的密度选取对应的线性回归预测分体模型。[0157] 实施例8[0158] 通过便携式密度计快速准确检测香精香料的系统，包括：[0159] 样品密度检测单元：其用于分别抽取N个低/中/高密度香精香料样品，并通过便携式密度计和密度折光一体机分别对其进行样品密度检测，得到N组样品密度检测数据；[0160] 数据分析与处理单元：其用于对N组样品密度检测数据进行分析，研究每一组便携式密度计和密度折光一体机的密度检测数据之间的偏差及其规律和趋势；其还用于剔除N组样品密度检测数据中的异常数据；其还用于对样品密度检测数据再次进行分组：[0161] 样品密度大于纯水的，其检测数据归为一组；[0162] 样品密度小于纯水的，其检测数据归为一组；[0163] 预测模型构建单元：其用于按照不同数据组合方式建模：[0164] 1)组合方式一[0165] 将数据分析与处理单元处理后的检测数据分组录入mini?tab软件，验证数据是否符合正态分布，再分别在数据统计命令中选择统计回归并拟合线性图，建立线性回归预测分体模型；[0166] 对于密度大于纯水的样品，所建立的线性回归预测分体模型为模型1?1；[0167] 对于密度小于纯水的样品，所建立的线性回归预测分体模型为模型1?2；[0168] 2)组合方式二[0169] 将数据分析与处理单元处理后的检测数据录入mini?tab软件，验证数据是否符合正态分布；再在数据统计命令中选择统计回归并拟合线性图，建立线性回归预测总体模型；所建立的线性回归预测总体模型为模型2；[0170] 预测模型验证单元：其用于验证模型1?1、模型1?2、模型2的预测精度。[0171] 应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

专利地区：河北

专利申请日期：2022-08-05

专利公开日期：2024-11-05

专利公告号：CN115468873B