基于近红外光谱技术与粒子群优化方法的配方原料替换

摘要

针对传统配方中原料替换依赖专家经验、效率低、缺乏科学约束，且不适应数字化时代要求的问题，融合粒子群优化(particle swarm optimization, PSO)算法的全局优化优势与近红外光谱的快速分析能力，建立科学智能的配方替换方法，确保替换后配方与原配方下的产品质量一致性与稳定性。基于近红外光谱相似性原则，构建融合光谱信息散度、欧式距离与Pearson相似度的目标函数，采用PSO算法解决配方替换组合优化问题。采用13个高斯函数模拟2 000个原料光谱，设计10 000个配方组合开展模拟替换实验，迭代寻优获取最优方案；选取12个实际烟叶配方进行智能推荐，归一化光谱数据优化相似度计算，通过专家评吸验证一致性。结果表明，模拟实验中，81.82%的推荐配方与原配方差异性小于0.000 5,所有结果差异均小于0.01;实际配方验证中，83.33%的方案在专家评吸与光谱相似性分析中保持一致。该方法显著提升配方替换效率，保障替换后配方质量，为配方科学化管理提供重要技术支撑，可广泛应用于烟草、制药等多个领域。

关键词

配方原料替换 / 近红外技术 / 粒子群优化 / 配方优化 / 产品质量