CN118866170A - 一种甜橙花精油脱色保香方法 - Google Patents

Abstract

本发明涉及精油生产制造技术领域，具体涉及一种甜橙花精油脱色保香方法，该方法包括：采用气相色谱‑质谱联用方法对处于脱色保香阶段中精油的主要成分含量进行检测，将每种主要成分在不同时刻下的含量数据进行整合得到各成分含量序列；对成分含量序列进行分析，获取每个数据点的因精油混合不均匀而产生的原材料污染指数，对不同成分含量序列之间进行相关性分析以及分段式线性拟合，结合原材料污染指数及LOF算法实时监测脱色保香过程。从而实现甜橙花精油脱色保香，评估了所有序列中由于试剂添加和变化引起正常突变的综合影响程度，提高了由于异常原因所引起的精油含量成分突变的识别精度，保证了精油脱色保香过程中的稳定性。

Description

一种甜橙花精油脱色保香方法

技术领域

本申请涉及精油生产制造技术领域，具体涉及一种甜橙花精油脱色保香方法。

背景技术

甜橙花精油是从甜橙花中提取的天然植物精油，在芳香疗法中被广泛用于提升情绪、减轻压力和焦虑，其芬芳香气有助于身心平衡和放松。此外，甜橙花精油也可用于皮肤护理，缓解干燥、敏感或发炎的皮肤，同时被认为具有助眠效果；其抗抑郁、抗焦虑、抗炎和抗氧化的性质使其在自然疗法中备受重视，甜橙花精油通常通过水蒸馏法提炼，将甜橙花的花瓣置于蒸馏器中，利用蒸汽将精油从植物材料中提取出来。此外，有时也采用溶剂萃取法，使用溶剂如乙醇提取精油，或通过冷压法将橙花的外皮机械压榨以得到精油。在提炼过程中，关键是确保使用优质植物原料、适当的提取方法以及质量控制，以保障甜橙花精油的纯度和功效。

甜橙花精油的脱色和保香过程旨在提升其外观、稳定性和香气特性。脱色有助于去除色素和杂质，改善精油的透明度和纯净度，同时提高其稳定性，延长保质期。保香则确保在处理过程中不丧失精油原有的芳香特性，防止氧化，以保留其正宗而持久的香气。然而，脱色过程中脱色剂以及保香剂的投放变化会引起某种成分含量的突发改变，且由于在进行脱色保香时会将不同批次制作的精油进行混合，因为不同批次精油的原材料不同，所以不同精油具有不同的化学成分、挥发性、浓度等特性，这会导致在混合过程中出现不均匀性。也会引起某种成分含量的突发改变，而此种突变属于是正常变化而引起的突变，传统的异常检测算法由于对场景的不理解，会将此种正常突变与由于设备异常等非正常突变想混淆，引起质量波动、资源浪费、系统不稳定性和质量损害等一系列不良后果。

发明内容

为了解决上述技术问题，本发明提供一种甜橙花精油脱色保香方法，以解决现有的问题。

本发明的一种甜橙花精油脱色保香方法采用如下技术方案：

本发明一个实施例提供了一种甜橙花精油脱色保香方法，该方法包括以下步骤：

采集脱色保香过程中各时刻甜橙花精油中各种主要成分的含量数据，对于各种主要成分，将所有时刻主要成分的含量归一化值组成的序列作为主要成分的成分含量序列；

根据成分含量序列中离群点变化得到成分含量序列中各子序列；根据子序列的频域信号中数据变化得到各子序列的频谱密度序列；根据成分含量序列中各离群点邻域变化得到成分含量序列中各离群点的原料污染判别因子；根据原料污染判别因子及子序列的频谱密度序列得到成分含量序列中各数据点的原材料污染指数；根据各成分含量序列之间的相关性构建相关性矩阵；将各子序列中所有数据点的拟合直线的斜率作为各子序列的拟合直线斜率；根据各子序列的拟合直线斜率及相关性矩阵中各行数据的变异系数得到主要成分的试剂干扰影响特征值；根据原材料污染指数及试剂干扰影响特征值得到成分含量序列中各数据点的异常判别置信度；根据异常判别置信度结合LOF算法得到成分含量序列中各数据点的局部异常因子改进值；

根据局部异常因子改进值进行脱色保香操作异常判断。

优选的，所述根据成分含量序列中离群点变化得到成分含量序列中各子序列，具体为：将成分含量序列中各离群点作为分割点对成分含量序列进行分割得到各子序列。

优选的，所述根据子序列的频域信号中数据变化得到各子序列的频谱密度序列，具体为：

通过频域分析算法获取各子序列的频域信号，通过二阶差分判别法计算各子序列频域信号中每个频率处的频谱密度；将各子序列频域信号中所有频率处的频谱密度组成的序列作为各子序列的频谱密度序列。

优选的，所述根据成分含量序列中各离群点邻域变化得到成分含量序列中各离群点的原料污染判别因子，表达式为：

式中，Cf_u为第Q个成分含量序列的第u个离群点的原料污染判别因子，e^*为以e为底的指数函数，N为离群点的邻域窗口长度大小，x_u、x_u+p和x_u-p分别为第Q个成分含量序列中第u个离群点、第u个离群点之前第p个数据点和第u个离群点之后第p个数据点所对应的时刻，和分别为第Q个成分含量序列中x_u时刻、x_u+p时刻和x_u-p时刻所对应的元素值，为第u个离群点的邻域窗口内从中心数据点到最后一个数据点之间所有数据点的均值。

优选的，所述根据原料污染判别因子及子序列的频谱密度序列得到成分含量序列中各数据点的原材料污染指数，具体包括：

在第Q个成分含量序列中，通过二阶差分判别法分别获取每个子序列频域信号中各波谷和每个子序列频谱密度序列中各波峰；计算第u个子序列频域信号中所有的相邻两个波谷对应频率值之间差值绝对值的平均值获取第u个子序列频谱密度序列中波峰的数量B_u；计算第Q个成分含量序列中第c个数据点的原材料污染指数Ri_Q,c的表达式为：

式中，Cf_u-1、Cf_u分别为第Q个成分含量序列的第u-1个和第u个离群点的原料污染判别因子，e^*为以e为底的指数函数。

优选的，所述根据各成分含量序列之间的相关性构建相关性矩阵，具体为：

将第i个与第j个成分含量序列之间的皮尔逊相关系数作为第i行第j列的元素；通过第i行第j列的元素的获取方式得到其他位置的元素；将所有元素组成的矩阵作为相关性矩阵。

优选的，所述根据各子序列的拟合直线斜率及相关性矩阵中各行数据的变异系数得到主要成分的试剂干扰影响特征值，具体包括：

获取第i个成分含量序列中第u′个离群点在第j个成分含量序列中的同时刻数据点；计算试剂干扰影响特征值Ht的表达式为：

式中，m为主要成分种类个数，e^*为以e为底的指数函数，r_i,j为第i个与第j个成分含量序列之间的皮尔逊相关系数，X_i,j为第i个与第j个成分含量序列之间的非试剂协同权重，Co_i为相关性矩阵中第i行数据的变异系数，L_i为第i个成分含量序列中离群点个数，A_i,u′+1为第i个成分含量序列的第u′+1个子序列的拟合直线斜率，A_j,u″为所述同时刻数据点的所在子序列的拟合直线斜率。

优选的，所述异常判别置信度为：将试剂干扰影响特征值与第Q个成分含量序列中第c个数据点的原材料污染指数的乘积作为第Q个成分含量序列中第c个数据点的异常判别置信度。

优选的，所述根据异常判别置信度结合LOF算法得到成分含量序列中各数据点的局部异常因子改进值，具体包括：

通过LOF算法计算成分含量序列中各数据点的局部异常因子；计算以自然常数为底数、以各数据点的异常判别置信度的相反数为指数的指数函数的计算结果；将所述计算结果与所述局部异常因子的乘积作为各数据点的局部异常因子改进值。

优选的，所述根据局部异常因子改进值进行脱色保香操作异常判断，具体为：

当任意一个成分含量序列在当前时刻的数据点的局部异常因子改进值大于等于预设异常阈值时，则当前时刻脱色保香操作异常；否则，则当前时刻脱色保香操作正常。

本发明至少具有如下有益效果：

本发明提出一种甜橙花精油脱色保香方法，本发明针对由于原材料不同的问题而引发的成分含量发生正常突变的问题，基于快速傅里叶变换以及邻域窗口分析，构建每个数据点处的原材料污染指数；针对由于保香剂以及脱色剂添加而导致甜橙花精油的部分成分含量发生的正常突变被认为是异常值的问题，通过密度聚类以及直线拟合对每个成分含量序列中数据变化进行分析，构建所有序列中的试剂干扰影响特征值，评估了所有序列中由于试剂添加和变化引起正常突变的综合影响程度；并结合原材料污染指数对每个数据点的局部异常因子进行改进，确保在局部异常因子的计算过程中考虑到试剂原因以及原材料原因带来的正常突变，增强了算法的鲁棒性以及准确性，使得算法能够在甜橙花精油的脱色保香过程中能够更精准的识别由于异常原因所引起的精油含量成分突变，保证精油脱色保香过程中的稳定性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。

图1为本发明提供的一种甜橙花精油脱色保香方法的流程图；

图2为一种甜橙花精油脱色保香方法的步骤示意图。

具体实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种甜橙花精油脱色保香方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

下面结合附图具体的说明本发明所提供的一种甜橙花精油脱色保香方法的具体方案。

本发明一个实施例提供的一种甜橙花精油脱色保香方法。

具体的，提供了如下的一种甜橙花精油脱色保香方法，请参阅图1，该方法包括以下步骤：

步骤S001，采用气相色谱-质谱联用方法对处于脱色保香阶段中精油的主要成分含量进行检测，并将预处理后每种主要成分在不同时刻下的含量数据进行整合得到各成分含量序列。

在甜橙花精油的脱色保香过程中，使用气相色谱-质谱联用方法对精油的主要化学成分进行分析，其中，所述精油的主要化学成分包括：主要挥发性成分(如柠檬烯等)、主要酮类成分(如α-紫罗兰酮等)、主要醛类和醇类成分(如沉香醇等)和主要芳香酯类成分(如乙酸橙花酯等)。所述主要挥发性成分是影响香气的关键因素之一，通过分析主要挥发性成分的相对含量，可以评估脱色保香过程中是否发生了挥发性成分的丧失或变化；所述酮类成分在香气调节方面发挥作用，了解这些成分的存在和含量，可以帮助判断脱色保香过程是否影响了香气的调和性和层次深度；所述醛类和醇类成分对于判断精油的温和性和调香特性具有重要意义，通过分析这些成分，可以了解精油在脱色保香过程中是否保持了其柔和以及调香的特性；所述芳香酯类成分在香气贡献方面发挥关键作用，检测这些成分的存在和相对含量，有助于评估香气的整体质量和复杂度。需要注意的是，所述成分含量均为所述成分在甜橙花精油中的浓度。

首先，通过气相色谱-质谱仪获取了甜橙花精油中的各种主要成分，设主要成分共有m种；然后，在甜橙花精油的脱色保香操作开始时，使用流动注射技术对所处理的精油进行时间间隔为t的样品排出，将每次排出的样品通过气相色谱柱进行分离，检测并获取每个样品中m种主要成分的含量数据，实现对甜橙花精油成分含量数据的实时采集。将采集到每个样品中的m种主要成分的含量通过Z-Score算法对其进行归一化以消除量纲的影响，之后分别将归一化后的所有时刻样品中的第Q种主要成分的含量按照时间升序进行排列，将得到的序列记为第Q种主要成分的成分含量序列，通过第Q种主要成分的成分含量序列的获取方式得到各种主要成分的成分含量序列，将第Q种主要成分的成分含量序列记为第Q个成分含量序列。其中，气相色谱柱及Z-Score算法为公知技术，具体过程不再赘述。需要说明的是，t的值实施者可自行设定，本实施例将t的值设置为1秒。

步骤S002，对成分含量序列进行分析，获取每个数据点的因精油混合不均匀而产生的原材料污染指数，对不同成分含量序列之间进行相关性分析以及分段式线性拟合，并结合原材料污染指数对LOF算法进行改进。

在进行甜橙花精油的脱色保香之前，其甜橙花精油的制备也并非是同一批时间采集下来的甜橙花所制备的，由于不同季节下的甜橙花可能含有不同的化学成分，不同季节下的甜橙花可能含有不同比例的挥发性成分、酮类成分、醛类和醇类成分以及芳香酯类成分等，当这些季节性成分混合在一起时，导致混合精油中各成分的相对含量在不同时间上的变化出现波动，且不同季节采集的甜橙花可能在生长环境、气候等方面存在差异，导致混合精油中存在异质性问题，异质性会使得混合精油的化学成分分布不均匀，出现一些区域性的异常值。

由于混合精油的不均匀性，可能导致某些成分在短时间内发生较大的浓度变化，且由于其它原因所出现的异常大多为突变后发生混乱无序的波动，而由于混合精油的不均匀性而产生的异常则因为是由于不均匀混合处挥发或与试剂反应而导致的突变后长期稳定趋势波动，需要注意的是，混合精油的异常可能主要影响某些特定成分，而在其它的成分上不会产生或产生较为微弱的影响。

以第Q个成分含量序列为例，将成分含量序列输入CURE密度聚类算法，对序列中数据点进行聚类分析，并输出成分含量序列中的各离群点。将成分含量序列中每个离群点作为分割点，对成分含量序列进行分割，即将成分含量序列中第一个数据点与第一个离群点之间的序列作为成分含量序列的第一个子序列，将第一个与第二个离群点之间的序列作为成分含量序列的第二个子序列，以此类推，将最后一个离群点与成分含量序列的最后一个数据点之间的序列作为最后一个子序列，得到成分含量序列中各个子序列。以第u个子序列为输入，使用快速傅里叶变换(FFT)算法将第u个子序列从时序信号转换为频域信号；以第u个子序列的频域信号为输入，使用二阶差分判别法进行波谷判断，得到该频域信号中的波谷，并记录每个波谷对应的频率值，计算所有的相邻两个波谷频率值之间差值绝对值的平均值在第u个子序列的频域信号中，计算每个频率处的频谱密度，将所有频率处的频谱密度按照对应频率大小升序排列，将组成的序列记为第u个子序列的频谱密度序列，将该频谱密度序列作为二阶差分判别法的输入进行波峰判断，获取该频谱密度序列中波峰的数量B_u。其中，快速傅里叶变换算法、二阶差分判别法和频谱密度计算均为公知技术，具体过程不再赘述。

以成分含量序列中第u个离群点为中心数据点，构建一个大小为1×N的邻域窗口，计算窗口内从中心数据点到最后一个数据点之间所有数据点的均值需要说明的是，N的值实施者可自行设定，本实施例将N的值设定为5。其中CURE密度聚类算法为公知技术，具体过程不再赘述。以第Q个成分含量序列中第c个数据点为例，设该第c个数据点处于第Q个成分含量序列的第u个子序列中，计算每个成分含量序列中每个数据点的原材料污染指数的表达式为：

式中，Ri_Q,c为第Q个成分含量序列中第c个数据点的原材料污染指数，Cf_u-1、Cf_u分别为第Q个成分含量序列的第u-1个和第u个离群点的原料污染判别因子，e^*为以e为底的指数函数，为第u个子序列的频域信号中所有的相邻两个波谷频率值之间差值绝对值的平均值，B_u为第u个子序列的频率谱密度序列中波峰的数量，N为每个离群点的邻域窗口长度大小，x_u、x_u+p和x_u-p分别为第Q个成分含量序列中第u个离群点、第u个离群点之前第p个数据点和第u个离群点之后第p个数据点所对应的时刻，和分别为第Q个成分含量序列中x_u时刻、x_u+p时刻和x_u-p时刻所对应的元素值，为第u个离群点的邻域窗口内从中心数据点到最后一个数据点之间所有数据点的均值。

由上述分析可知，Cf_u通过以第u个子序列的端点为窗口中心，通过判断窗口两侧相对应位置的差异情况确定该类突变属于材料污染引起的概率，其值越大，代表以端点为中心的两侧有着较大的差异，即所产生的突变属于突变后数值与突变前数值变化较大的情况，而不是仅在窗口中心处发生突变后数值回归到突变前大小范围的情况，此时属于材料污染引起的突变概率越大，Cf_u越大，Ri_Q,c随之增大；而反应了在发生突变后的数值与突变点数值的差异，即突变后的成分含量的稳定状态与突变点处的差异，其值越大代表成分含量稳定趋势的发生与突变点之间的联系越小，此时该窗口中心越不可能是由于材料污染而产生的突变点，Cf_u越小，Ri_Q,c随之减小；而代表了子序列频域信号中所有波峰的平均波宽，在频域信号中，一个稳定的信号具有较窄的波宽，而不稳定或波动较大的信号则具有较宽的波宽；B_u则代表了频谱密度序列中峰值个数，越不稳定的信号表现为能量越分散或分布在越多个频率上，此时频谱密度序列具有较多的峰值，所以当越大时，越不符合上述所分析的不均匀混合处挥发或与试剂反应而导致的突变后的长期稳定趋势波动，此时给予该数据点越小的原材料污染指数，Ri_Q,c越小。

在甜橙花精油的脱色保香过程中，如果加工时的加工条件发生变化，例如脱色剂或保香剂等试剂添加不当，会导致正常成分份量的突变，从而被算法误认为是异常值。比如所选择的试剂可能会导致挥发性成分、酮类成分、醛类和醇类成分、芳香酯类成分等的提取效率发生变化，如果在脱色保香过程中改变了使用试剂的用量，则会导致正常成分的数量发生突变，被算法误判为异常，而且在加工过程中温度的变化会影响甜橙花精油中各种成分的挥发性和相对含量，如果加工时的温度发生变化，则会导致正常成分的浓度出现异常的挥发而导致所检测的数据出现异常值，所述由于试剂添加量变化或温度改变而导致所检测成分含量出现的异常变化均属于加工条件改变而引起的正常变化，而不是由于甜橙花精油本身的质量或原材料而产生的问题，但是由于成分含量异常检测算法对正常变化的理解不足或对操作条件的变化不敏感会导致将因加工条件变化引起的正常变化误判为异常变化，从而导致生产效率下降、产品质量波动、资源浪费、系统不稳定性和质量损害等一系列不良后果。

针对由于加工所需要的保香剂和脱色剂等试剂添加量变化而引起的成分含量异常变化，由于不同的试剂具有不同的提取效率，也就是说，试剂能够更有效地将特定成分从原材料中提取出来。因此，试剂添加量的变化会直接影响到提取过程中不同成分的含量，如果试剂的添加量发生改变，会直接影响主要成分的提取效率，导致其含量增加或减少，即不同主要成分之间由于试剂添加量改变而发生的变化通常呈现为实时相关性，例如，以乙醇作为脱色剂去除植物提取物中的颜色成分，乙醇会提高挥发性油分的溶解度，促使更多的挥发性化合物从植物材料中释放到提取液中，导致挥发性油分，例如萜类化合物、醇类、醛类等含量增加，而乙醇的增加导致水溶性化合物的相对浓度降低，导致一些水溶性的成分，例如酚类、酚醇类在提取液中的含量相对减少。

对甜橙花精油的第i种与第j种主要成分的成分含量序列进行分析，计算两个序列之间的皮尔逊相关系数r_i,j，其中皮尔逊相关系数为公知技术，具体过程不再赘述。将第i个与第j个成分含量序列之间的皮尔逊相关系数r_i,j作为相关性矩阵中第i行、第j列的元素值，通过该元素值的获取方式得到相关性矩阵中其他位置的元素值，从而构建大小为m×m的相关性矩阵。计算该相关性矩阵中第i行数据的变异系数Co_i，其中变异系数为公知技术，具体过程不再赘述。

获取每个子序列的拟合直线斜率，具体为，将每个子序列中所有数据点输入直线拟合算法中进行拟合，将得到的拟合直线的斜率作为每个子序列的拟合直线斜率。获取第i个成分含量序列中第u′个离群点D_i,u′在其他成分含量序列中的同时刻数据点，其中，将离群点D_i,u′在第j个成分含量序列中的同时刻数据点记为D_j,u″。获取第i个成分含量序列中第u′+1个子序列的拟合直线斜率A_i,u′+1；获取第j个成分含量序列中数据点D_j,u″所在子序列的拟合直线斜率A_j,u″。其中，若数据点D_j,u″为第j个成分含量序列中的离群点，假设该离群点为第j个成分含量序列中第μ个离群点，则将第j个成分含量序列中第μ+1个子序列的拟合直线斜率记为A_j,u″。

以第Q个成分含量序列中第c个数据点为例，计算每个成分含量序列中各个数据点的异常判别置信度：

Rm_Q,c＝Ht×Ri_Q,c

式中，Rm_Q,c为第Q个成分含量序列中第c个数据点的异常判别置信度，Ht为试剂干扰影响特征值，Ri_Q,c为第Q个成分含量序列中第c个数据点的原材料污染指数，m为主要成分种类个数，e^*为以e为底的指数函数，r_i,j为第i个与第j个成分含量序列之间的皮尔逊相关系数，X_i,j为第i个与第j个成分含量序列之间的非试剂协同权重，Co_i为相关性矩阵中第i行数据的变异系数，L_i为第i个成分含量序列中离群点个数，A_i,u′+1为第i个成分含量序列的第u′+1个子序列的拟合直线斜率，A_j,u″为第i个成分含量序列中第u′个离群点D_i,u′在第j个成分含量序列中的同时刻数据点对应子序列的拟合直线斜率。

X_i,j通过第i个成分含量序列的离群点判断由于各种原因而导致的成分含量突变，并以第i个成分含量序列的突变时间为基准确定各个成分含量序列中的同时刻数据点，分析两个相邻离群点之间子序列所拟合直线的斜率，当第i个与第j个成分含量序列对应子序列拟合直线斜率差距越大时，越大，代表两种成分含量在同种突变影响下的变化程度及变化规律差异越大，即在该子序列是由于试剂影响所导致的成分变化的可能性越小，非试剂协同权重X_i,j越大，此时给予后续试剂干扰程度的计算更小的权重，Ht越小，Rm_Q,c随之减小；而相关性r_i,j代表了第i个和第j个成分含量序列之间的协同程度，其值越接近于1，则代表是由于试剂变化所引起两种成分含量序列中数据变化的实时相关性越强，此时|r_i,j-1|越小，Rm_Q,c随之增大，Co_i则代表了第i种成分含量与其余所有成分含量之间的整体相关性变化，其值越大代表第i种成分含量与其余所有成分含量之间的相关性分布越不稳定，即第i种成分含量变化与其余所有成分含量变化是由于同种试剂变化因素引起的可能性越低，此时由于试剂变化对异常检测的干扰越小，Ht越小，Rm_Q,c随之减小；最后结合Ri_Q,c反映在数据点上的原材料影响，将Ht作为试剂影响权重，两者相乘之后可以表现出在第Q个成分含量序列中第c个数据点受原材料以及试剂的影响，其值越大，代表该数据点发生正常突变的程度越大，即会被误判为异常突变的置信度也越大。

之后，将每个成分含量序列作为输入，使用LOF局部离群因子算法对成分含量序列进行异常检测，得到每个成分含量序列中每个数据点的局部异常因子，其中LOF局部离群因子算法为公知技术，具体过程不再赘述。然而由于试剂投放量变化以及材料污染，会引起属于正常范围的成分含量突变，但是由于LOF算法无法正确判断出该突变是否为正常范围突变，从而导致会将这些正常范围突变误判为非正常突变，非正常突变包括机器故障或试剂投放异常而引起的成分含量突变，针对该问题，以第Q个成分含量序列中第c个数据点为例，对LOF算法所计算各个成分含量序列中每个数据点的局部异常因子进行改进：

式中，LOF′_Q,c为第Q个成分含量序列中第c个数据点的局部异常因子改进值，e^*为以e为底的指数函数，Rm_Q,c为第Q个成分含量序列中第c个数据点的异常判别置信度，LOF_Q,c为原始算法所计算的第Q个成分含量序列中第c个数据点的局部异常因子。

使用改进后的LOF算法对所有成分含量序列进行异常检测，使得算法能够引入试剂添加情况以及材料异常情况对每个数据点的局部异常因子进行重新定义和计算，当该数据点的原材料污染指数越大，且试剂干扰影响特征值越大时，给予该数据点更低的局部异常因子，降低LOF算法对正常突变的误判。最后，将改进后的LOF算法应用至甜橙花精油的脱色保香过程中，采用实时检测系统对脱色保香过程中各个成分含量进行异常检测，以保证产品质量和香气特性的达标，确保操作能够顺利进行。

步骤S003，基于改进的LOF算法实时监测脱色保香过程。

设定异常阈值，当任意一个成分含量序列在当前时刻的数据点的局部异常因子改进值大于等于预设阈值时，说明当前时刻脱色保香操作异常，此时做出警报，通知相关处理人员对脱色保香操作进行调整处理；当所有成分含量序列在当前时刻的数据点的局部异常因子改进值小于预设阈值时，说明当前时刻脱色保香操作正常，继续进行后续流程。需要说明的是，异常阈值实施者可自行设定，本实施例将异常阈值设定为0.5。

在经过甜橙花精油的制备和萃取后，对甜橙花精油进行脱色保香步骤的处理，脱色保香处理采用一体化设备，将经过甜橙花的制备和萃取的原始花精油置于设备中，同时添加脱色剂和香料保香剂进行均匀混合，在适宜温度下搅拌混合，促进脱色剂与花精油中的杂质结合，确保香料的挥发性，并进行精油主要成分含量的检测，在处理过程中使用改进后的LOF算法对甜橙花精油中各个成分含量序列进行异常检测，以实时把控脱色保香操作的准确性，达到期望的脱色效果，使得设备能够根据香料含量的异常情况及时做出警报，并进行调整和应对。经过脱色处理后，通过过滤等方法分离脱色剂和残留物，进行洗涤步骤以消除残留。上述方法的步骤示意图如图2所示。

综上所述，本发明实施例针对由于原材料不同的问题而引发的成分含量发生正常突变的问题，基于快速傅里叶变换以及邻域窗口分析，构建每个数据点处的原材料污染指数；针对由于保香剂以及脱色剂添加而导致甜橙花精油的部分成分含量发生的正常突变被认为是异常值的问题，通过密度聚类以及直线拟合对每个成分含量序列中数据变化进行分析，构建所有序列中的试剂干扰影响特征值，评估了所有序列中由于试剂添加和变化引起正常突变的综合影响程度；并结合原材料污染指数对每个数据点的局部异常因子进行改进，确保在局部异常因子的计算过程中考虑到试剂原因以及原材料原因带来的正常突变，增强了算法的鲁棒性以及准确性，使得算法能够在甜橙花精油的脱色保香过程中能够更精准的识别由于异常原因所引起的精油含量成分突变，保证精油脱色保香过程中的稳定性。

需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同或相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。

以上所述实施例仅用以说明本申请的技术方案，而非对其限制；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，并不使相应技术方案的本质脱离本申请各实施例技术方案的范围，均应包含在本申请的保护范围之内。

Claims (10)

1.一种甜橙花精油脱色保香方法，其特征在于，该方法包括以下步骤：

采集脱色保香过程中各时刻甜橙花精油中各种主要成分的含量数据，对于各种主要成分，将所有时刻主要成分的含量归一化值组成的序列作为主要成分的成分含量序列；

根据成分含量序列中离群点变化得到成分含量序列中各子序列；根据子序列的频域信号中数据变化得到各子序列的频谱密度序列；根据成分含量序列中各离群点邻域变化得到成分含量序列中各离群点的原料污染判别因子；根据原料污染判别因子及子序列的频谱密度序列得到成分含量序列中各数据点的原材料污染指数；根据各成分含量序列之间的相关性构建相关性矩阵；将各子序列中所有数据点的拟合直线的斜率作为各子序列的拟合直线斜率；根据各子序列的拟合直线斜率及相关性矩阵中各行数据的变异系数得到主要成分的试剂干扰影响特征值；根据原材料污染指数及试剂干扰影响特征值得到成分含量序列中各数据点的异常判别置信度；根据异常判别置信度结合LOF算法得到成分含量序列中各数据点的局部异常因子改进值；

根据局部异常因子改进值进行脱色保香操作异常判断。

2.如权利要求1所述的一种甜橙花精油脱色保香方法，其特征在于，所述根据成分含量序列中离群点变化得到成分含量序列中各子序列，具体为：将成分含量序列中各离群点作为分割点对成分含量序列进行分割得到各子序列。

3.如权利要求1所述的一种甜橙花精油脱色保香方法，其特征在于，所述根据子序列的频域信号中数据变化得到各子序列的频谱密度序列，具体为：

通过频域分析算法获取各子序列的频域信号，通过二阶差分判别法计算各子序列频域信号中每个频率处的频谱密度；将各子序列频域信号中所有频率处的频谱密度组成的序列作为各子序列的频谱密度序列。

4.如权利要求1所述的一种甜橙花精油脱色保香方法，其特征在于，所述根据成分含量序列中各离群点邻域变化得到成分含量序列中各离群点的原料污染判别因子，表达式为：

式中，Cf_u为第Q个成分含量序列的第u个离群点的原料污染判别因子，e^*为以e为底的指数函数，N为离群点的邻域窗口长度大小，x_u、x_u+p和x_u-p分别为第Q个成分含量序列中第u个离群点、第u个离群点之前第p个数据点和第u个离群点之后第p个数据点所对应的时刻，和分别为第Q个成分含量序列中x_u时刻、x_u+p时刻和x_u-p时刻所对应的元素值，为第u个离群点的邻域窗口内从中心数据点到最后一个数据点之间所有数据点的均值。

5.如权利要求1所述的一种甜橙花精油脱色保香方法，其特征在于，所述根据原料污染判别因子及子序列的频谱密度序列得到成分含量序列中各数据点的原材料污染指数，具体包括：

在第Q个成分含量序列中，通过二阶差分判别法分别获取每个子序列频域信号中各波谷和每个子序列频谱密度序列中各波峰；计算第u个子序列频域信号中所有的相邻两个波谷对应频率值之间差值绝对值的平均值获取第u个子序列频谱密度序列中波峰的数量B_u；计算第Q个成分含量序列中第c个数据点的原材料污染指数Ri_Q,c的表达式为：

式中，Cf_u-1、Cf_u分别为第Q个成分含量序列的第u-1个和第u个离群点的原料污染判别因子，e^*为以e为底的指数函数。

6.如权利要求1所述的一种甜橙花精油脱色保香方法，其特征在于，所述根据各成分含量序列之间的相关性构建相关性矩阵，具体为：

将第i个与第j个成分含量序列之间的皮尔逊相关系数作为第i行第j列的元素；通过第i行第j列的元素的获取方式得到其他位置的元素；将所有元素组成的矩阵作为相关性矩阵。

7.如权利要求1所述的一种甜橙花精油脱色保香方法，其特征在于，所述根据各子序列的拟合直线斜率及相关性矩阵中各行数据的变异系数得到主要成分的试剂干扰影响特征值，具体包括：

获取第i个成分含量序列中第u′个离群点在第j个成分含量序列中的同时刻数据点；计算试剂干扰影响特征值Ht的表达式为：

式中，m为主要成分种类个数，e^*为以e为底的指数函数，r_i,j为第i个与第j个成分含量序列之间的皮尔逊相关系数，X_i,j为第i个与第j个成分含量序列之间的非试剂协同权重，Co_i为相关性矩阵中第i行数据的变异系数，L_i为第i个成分含量序列中离群点个数，A_i,u′+1为第i个成分含量序列的第u′+1个子序列的拟合直线斜率，A_j,u″为所述同时刻数据点的所在子序列的拟合直线斜率。

8.如权利要求1所述的一种甜橙花精油脱色保香方法，其特征在于，所述异常判别置信度为：将试剂干扰影响特征值与第Q个成分含量序列中第c个数据点的原材料污染指数的乘积作为第Q个成分含量序列中第c个数据点的异常判别置信度。

9.如权利要求1所述的一种甜橙花精油脱色保香方法，其特征在于，所述根据异常判别置信度结合LOF算法得到成分含量序列中各数据点的局部异常因子改进值，具体包括：

通过LOF算法计算成分含量序列中各数据点的局部异常因子；计算以自然常数为底数、以各数据点的异常判别置信度的相反数为指数的指数函数的计算结果；将所述计算结果与所述局部异常因子的乘积作为各数据点的局部异常因子改进值。

10.如权利要求1所述的一种甜橙花精油脱色保香方法，其特征在于，所述根据局部异常因子改进值进行脱色保香操作异常判断，具体为：

当任意一个成分含量序列在当前时刻的数据点的局部异常因子改进值大于等于预设异常阈值时，则当前时刻脱色保香操作异常；否则，则当前时刻脱色保香操作正常。