CN111709627A - 一种卷烟品牌配方功效和风格特征的匹配度判定方法 - Google Patents
一种卷烟品牌配方功效和风格特征的匹配度判定方法 Download PDFInfo
- Publication number
- CN111709627A CN111709627A CN202010506648.1A CN202010506648A CN111709627A CN 111709627 A CN111709627 A CN 111709627A CN 202010506648 A CN202010506648 A CN 202010506648A CN 111709627 A CN111709627 A CN 111709627A
- Authority
- CN
- China
- Prior art keywords
- style
- facial
- spectrogram
- characteristic
- formula
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 235000019504 cigarettes Nutrition 0.000 title claims abstract description 51
- 238000000034 method Methods 0.000 title claims abstract description 50
- 241000208125 Nicotiana Species 0.000 claims abstract description 77
- 235000002637 Nicotiana tabacum Nutrition 0.000 claims abstract description 77
- 230000001815 facial effect Effects 0.000 claims abstract description 66
- 239000002994 raw material Substances 0.000 claims abstract description 51
- 230000000007 visual effect Effects 0.000 claims abstract description 32
- 238000011156 evaluation Methods 0.000 claims abstract description 10
- 230000001953 sensory effect Effects 0.000 claims abstract description 8
- 239000011159 matrix material Substances 0.000 claims description 19
- 239000013598 vector Substances 0.000 claims description 18
- 239000003205 fragrance Substances 0.000 claims description 15
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 claims description 10
- 235000009508 confectionery Nutrition 0.000 claims description 10
- 239000000779 smoke Substances 0.000 claims description 9
- 244000025254 Cannabis sativa Species 0.000 claims description 7
- 241000196324 Embryophyta Species 0.000 claims description 5
- 229910052757 nitrogen Inorganic materials 0.000 claims description 5
- 206010013911 Dysgeusia Diseases 0.000 claims description 4
- 241000745768 Pluchea carolinensis Species 0.000 claims description 4
- 230000000694 effects Effects 0.000 claims description 4
- 230000007794 irritation Effects 0.000 claims description 4
- 229930013930 alkaloid Natural products 0.000 claims description 3
- 150000003797 alkaloid derivatives Chemical class 0.000 claims description 3
- 238000007635 classification algorithm Methods 0.000 claims description 3
- 239000007789 gas Substances 0.000 claims description 3
- 238000012706 support-vector machine Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 2
- 230000001131 transforming effect Effects 0.000 claims description 2
- 238000013461 design Methods 0.000 abstract description 2
- 238000009472 formulation Methods 0.000 abstract description 2
- 239000000203 mixture Substances 0.000 abstract description 2
- 238000012360 testing method Methods 0.000 description 8
- ZAMOUSCENKQFHK-UHFFFAOYSA-N Chlorine atom Chemical compound [Cl] ZAMOUSCENKQFHK-UHFFFAOYSA-N 0.000 description 5
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 5
- 239000000460 chlorine Substances 0.000 description 5
- 229910052801 chlorine Inorganic materials 0.000 description 5
- 238000001514 detection method Methods 0.000 description 5
- 239000011591 potassium Substances 0.000 description 5
- 229910052700 potassium Inorganic materials 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 2
- 239000003513 alkali Substances 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 239000003546 flue gas Substances 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000012313 Kruskal-Wallis test Methods 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000796 flavoring agent Substances 0.000 description 1
- 235000019634 flavors Nutrition 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Artificial Intelligence (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Manufacture Of Tobacco Products (AREA)
Abstract
本发明涉及烟叶原料的选取技术领域，尤其涉及一种卷烟品牌配方功效和风格特征的匹配度判定方法。其包括以下步骤：标准的建立：标准样本的选取；类别定位模型建立；标准权重的确定并计算风格特征彰显评价权重；标准可视化脸谱图建立；待测烟叶的判定：将待测烟叶带入模型中，得到预测类别，在预测类别匹配下，计算待测烟叶的风格特征综合指数H，在风格特征综合指数匹配的前提下，绘制脸谱图，并与标准可视化脸谱图对比判定相似性。本申请能够用于指导原料调拨计划、配方原料使用计划和打叶复烤配方模块设计等方案的制定，以满足品牌对烟叶原料感官品质质量和风格特色需求，进一步提升卷烟产品质量和风格的稳定性。
Description
技术领域
本发明涉及烟叶原料的选取技术领域，尤其涉及一种卷烟品牌配方功效和风格特征的匹配度判定方法。
背景技术
中式烤烟型卷烟要求烟叶原料香味风格多样，质量特征突出。卷烟配方往往需使用不同生态地区的不同香味风格的烟叶，而且要求这些烟叶香味特征明显，以使卷烟香味丰富；而在卷烟叶组配方中部分原料的配方作用为赋予产品主体风格及提供优质特征香气，且其在叶组配方中的比例均在50％-70％左右，该类烟叶的风格特征彰显程度对其卷烟品牌的风格特色有重要影响；虽然目前烟草行业已较为重视烟叶的风格特征彰显程度，但对于烟叶原料的品质质量符合品牌功能质量要求，风格特征与品牌风格特色不协调的问题尚无较好的解决方案。
所以亟需一种可以科学、合理判定调拨烟叶对品牌配方功效和风格特征匹配度的方法。
公开号为CN108596486A的专利文件公开了这样一种卷烟风格特征可视化方法，属于卷烟评价技术领域。该方法通过对卷烟进行风格特征评价打分、风格特征数据调整及归一化处理、脸谱图的多维标度法表征等步骤，实现对卷烟风格特征的可视化观察、分类、分析。最后通过比较观察各类的脸谱图，分析各类脸谱的显著特征，并根据脸部特征映射表，对各类样品的风格特征进行直观判断。无法通过该申请判断配方功效和风格特征之间的匹配关系。
发明内容
本发明要解决上述问题，提供一种卷烟品牌配方功效和风格特征的匹配度判定方法，以得到风格特征和卷烟品牌风格特色协调的卷烟产品。
本发明解决问题的技术方案是，提供一种卷烟品牌配方功效和风格特征的匹配度判定方法，包括以下步骤：
(1)标准的建立：
a.标准样本的选取：根据不同卷烟品牌的配方功效，确定若干组类别I，且若干组类别I中包括定位为赋予产品主体风格和提供特征香气的类别i；为每组类别I选取具有代表性的烟叶原料样本；
b.类别定位模型建立：选取若干指标作为烟叶原料样本的特征，并以特征的数据和类别I 的数据、采用支持向量机、选用高斯核函数、采用一对一分类算法对样本数据进行训练以建立模型；
c.标准权重的确定：选取若干风格特征指标j，测定类别i中的烟叶原料样本的各个风格特征指标值Jij；以Jij为样本数据，分别采用层次分析法和投影寻踪分类法确定风格特征指标j的第一权重Zj和第二权重Kj；并计算组合权重ZHj＝(Zj×Kj)/∑(Zj×Kj)；并计算风格特征彰显评价权重Sij＝(ZHj×100)/Jij；
d.标准可视化脸谱图建立：用可视化脸谱图的各个特征表示所述风格特征指标j，根据Jij分别绘制各个类别i的标准可视化脸谱图；
(2)待测烟叶的判定：
a.测定待测烟叶的各个特征值和各个风格特征值Gj；
b.将特征值带入模型中，得到待测烟叶的预测类别a，如果a属于i，则继续下面的步骤；如果a不属于i，则判定该待测烟叶不适用于作为定位在赋予产品主体风格和提供特征香气的卷烟品牌的原料；
c.在a属于i的前提下，计算预测类别a下，待测烟叶的风格特征综合指数Ha＝∑(Gj×Saj)，如果Ha≥100，则判定为一致，并继续下一步骤；如果Ha＜100，则判定为配方功效和风格特征不匹配；
d.在判定一致的前提下，用可视化脸谱图的各个特征表示Gj，绘制脸谱图，并与标准可视化脸谱图对比，判定相似性，以相似性判定结果作为配方功效和风格特征的匹配度判定结果。
本申请通过判断烟叶原料的风格特征和卷烟配方功效之间的匹配度，以选取匹配度结果较好的原料作为该卷烟产品的生产原料，从而能够得到风格特征和卷烟品牌风格特色协调的卷烟产品，保证了卷烟产品的品质突出性和稳定性。因此，本申请实际上也是在提供一种卷烟生产方法，卷烟的生产从宏观上看包括两个步骤，一是烟草原料的选取，二是将烟草原料制成成品烟。本申请从烟草原料的选取步骤入手，通过匹配度迅速了解烟叶原料对卷烟功效类别的适用性，选取匹配度高的原料作为主要原料，从而提高卷烟成品品质。
在步骤(1)的步骤b中，高斯核函数的公式如下式1：
式1.
x为本申请中的特征的数据，y为本申请中的类别I的数据，γ为超参数。
通常，在建立模型后，还需要检测模型的准确性。作为本发明的优选，还包括模型汉明损失检验步骤：应用部分数据建立模型，剩余数据作为检测样本，通过汉明损失计算公式计算检测样本于预测模型预测的类别与实际的类别之间的差异。汉明损失值越小则模型的预测分类能力越强。其中，汉明损失的计算公式如下式2：
式2.
D为样本的总数，L为类别总数，xi为预测值，yi为真实值，xor为异或运算符。
为了提高模型的预测准度，建模所采用的建模特征数量应较多、也较为全面。作为本发明的优选，选取的作为建模特征的指标包括烟气浓度、劲头、香气质、香气量、透发性、杂气、细腻程度、柔和程度、圆润感、刺激性、干燥感、余味、总糖、还原糖、总植物碱和总氮。
在步骤(1)的步骤c中，如果每个类别i只选取一份烟叶原料样本，则以Jij为样本数据。但是每个类别i只选一份烟叶原料样本会导致数据误差较大，因此作为本发明的优选，对于每个类别i，可以选取多份烟叶原料样本，求取其各个风格特征指标的平均值作为Jij。
其中，AHP层次分析法是将与决策总是有关的元素分解成目标、准则、方案等层次，在此基础之上进行定性和定量分析的决策方法。其确定Zj的步骤为：标度构建风格特征指标的重要性对比矩阵，将重要性对比矩阵进行归一化处理后、计算每个风格特征指标j的特征向量；然后将各特征向量分别除以所有特征向量之和，得到每个风格特征指标j的权重Zj。而重要性对比矩阵是将各个风格特征指标两两之间进行重要性对比得到的矩阵，标度是构建重要性对比矩阵的重点。其中，标度可以有多种，比如1～9标度法和0～2三标度法，以及在1～9标度法上进行精度改进的9/9～9/1分数标度法、10/10～18/2分数标度法，在0～2三标度法上改进的-1～1三标度法和-2～2五标度法等。
投影寻踪是处理和分析高维数据的一类新兴的统计方法，其基本思想是将高维数据投影到低维(1～3维)子空间上，寻找出反映原高维数据的结构或特征的投影，以达到研究和分析高维数据的目的。作为本发明的优选，以DPS数据分析软件进行所述投影寻踪分类法，计算步骤包括：以所有类别i中的烟叶原料样本的所有风格特征指标值构建矩阵、变换矩阵、构建投影函数、投影函数最大化求解、计算投影向量，将投影向量归一化后即得到第二权重 Kj。
作为本发明的优选，选取的风格特征指标j包括：干草香、清甜香、青香、辛香、正甜香、飘逸、烟气浓度以及浓劲比。
这些风格特征指标均非检测可得到，需要通过评吸员评价打分得到其数值，烟草行业中，相应的标准有多种，作为本发明的优选，对若干风格特征指标通过烟草行业标准《YC/T 530-2015烟叶质量风格特色感官评价方法》进行评价打分，得到风格特征指标。
作为本发明的优选，绘制脸谱图时，将可视化脸谱图中的特征：脸高、脸宽、脸型、发高、发宽、发型、口高和口宽，分别与所述风格特征指标j：干草香、清甜香、青香、飘逸、烟气浓度、浓劲比、辛香和正甜香一一对应。
作为本发明的优选，脸高、脸宽、脸型均属于脸型特征，发高、发宽、发型均属于发型特征；步骤(2)的步骤d中，如果脸谱图和标准可视化脸谱图中的脸型特征和发型特征均为相似，则判定整体相似，则判定配方功效和风格特征匹配；如果脸谱图和标准可视化脸谱图中的脸型特征和发型特征只有一类相似或者较相似，另一类较相似，则判定整体较相似，则判定配方功效和风格特征较匹配；如果脸谱图和标准可视化脸谱图中的脸型特征和发型特征只有一类相似或者较相似，另一类不相似，则判定整体基本相似，则判定配方功效和风格特征基本匹配；如果脸谱图和标准可视化脸谱图中的脸型特征和发型特征均为不相似，则整体不相似，则判定配方功效和风格特征不匹配。
本发明的有益效果：
本申请通过原料配方功效定位、风格特征综合指数和具有聚类功能的脸谱图，实现配方功效品质质量与风格特征匹配度的可视化判定，保障烟叶原料的品质质量和风格特征均符合品牌配方质量需求。通过匹配度，可调整烟草企业对该原料的调拨计划，也可选取匹配度结果较好的原料作为该卷烟产品的生产原料，或者将匹配度较好的原料和匹配度较差的原料配比使用，以提高原料的利用率，并能够得到风格特征和卷烟品牌风格特色协调的卷烟产品，保证了卷烟产品的品质突出性和稳定性。
本申请能够用于指导原料调拨计划、配方原料使用计划和打叶复烤配方模块设计等方案的制定，以满足品牌对烟叶原料感官品质质量和风格特色需求，进一步提升卷烟产品质量和风格的稳定性。
附图说明
图1本实施例中19个等级烟叶的脸谱图；
具体实施方式
以下是本发明的具体实施方式，并对本发明的技术方案作进一步的描述，但本发明并不限于这些实施例。
一种卷烟品牌配方功效和风格特征的匹配度判定方法，其特征在于：包括以下步骤：
(1)标准的建立：
a.标准样本的选取：根据不同卷烟品牌的配方功效，确定若干组类别I，且若干组类别I中包括定位为赋予产品主体风格和提供特征香气的类别i；为每组类别I选取具有代表性的烟叶原料样本。本实施例中，针对本企业近三年调拨的烟叶原料，根据不同卷烟品牌的风格特色和功效定位，选取了197个能够代表各卷烟配方功效定位的烟叶原料样本，如下表1。
表1.
将烟草企业的卷烟配方根据功效定位分成了10个类别I，分别以自然数1-10指代，即，I∈ {1,2，……10}。其中，类别1、类别4以及类别7的功效定位为赋予产品主体风格和提供特征香气，即i∈{1,4,7}。
b.类别定位模型建立：初步选取指标：烟气浓度、劲头、香气质、香气量、透发性、杂气、细腻程度、柔和程度、圆润感、刺激性、干燥感、余味、总糖、还原糖、总植物碱总氮、钾和氯作为烟叶原料样本的特征。
其中，常规化学成分的特征数据选用其测定数据。感官质量的特征数据需要根据烟草行业标准《YC/T 530-2015烟叶质量风格特色感官评价方法》进行评价打分。
对上述初步选取的特征进行Kruskal-Wallis检验，检测结果如下表2。
表2.
注：显著性水平为0.05。
通过表2可知，烟气浓度、劲头、香气质、香气量、透发性、杂气、细腻程度、柔和程度、圆润感、刺激性、干燥感和余味等感官指标检验结果均为P＜0.001，说明各类别烟叶原料样本的感官品质质量在1.0％水平下差异显著；总糖、还原糖、总植物碱和总氮指标检验结果均为P＜0.001，说明各类别烟叶原料样本的总糖、还原糖、总植物碱和总氮在1.0％水平下差异显著；钾、氯指标检验结果均为P＞0.05，说明各类别烟叶原料样本的钾、氯指标在5.0％水平下差异不显著，这与钾、氯的各类别质量目标情况一致，所以在模型构建不采用钾和氯特征，只选用剩余16个特征。
每一个烟草原料样本具有16个特征，将16个特征依次以英文字母表示，储存在向量xi＝[a,b,c……q]中，同时，每一个烟草原料样本所属于一个类别I，因此，每个烟草原料样本可用一个向量[xi，I]来表示，称为一个样本数据。
应用样本数据，可以对计算各个样本数据之间的欧式距离、以对若干组类别进行组间差异检验和组内差异检验，检验结果如下表3。
表3.
通过表3可知，确定的10组类别整体间存在差异，可以采用该10组类别建立模型。
随机选用177个的样本数据，应用python软件，采用支持向量机、选用高斯核函数、采用一对一分类算法对样本数据进行训练，并通过调节高斯核函数的超参数，对模型进行优化训练，以得到预测模型。
选用剩余20个的样本数据，将其带入预测模型中得到预测类别，并通过汉明损失计算公式计算预测模型预测的类别与实际的类别之间的差异。
计算得到的汉明损失为0.3，说明该预测模型对预测效果较优。
c.标准权重的确定：选取类别i，即类别1、4、7中具有代表性的烟叶样本；取风格特征指标j：干草香、清甜香、青香、辛香、正甜香、飘逸、烟气浓度以及浓劲比。并测定代表性烟叶样本的各个风格特征指标值，求取各个风格特征指标值的平均值，以确定每个类别i中、每个风格特征指标j的质量要求Jij，结果如下表4。
表4.
采用层次分析法计算每个风格特征指标j的权重Zj。
根据9/9～9/1分数标度法构建重要性对比矩阵，9/9～9/1分数标度法的构建标准如下表 5。
表5.
由于还需要对重要性矩阵进行归一化处理：把每列的标度值分别除以该列标度值的和，得到归一化矩阵。还需要对归一化矩阵各行数据求和，即得到对应的风格特征指标的特征向量。最后，还需要对所有的特征向量进行求和，并将每一个特征向量分别除以和值即得到相应风格特征指标的权重。为了简化篇幅，将归一化矩阵和重要性对比矩阵统计在同一表中，如下表6所示。
表6.
一致性检验：一致性检验：
根据最大特征根公式(下式3)计算最大特征根，得到的最大特征根为8.013。
式3.
其中，A表示重要性对比矩阵，Z表示权重Zj矩阵，n表示风格特征指标的个数。
然后以下式4计算一致性指标，得到的C.I.＝0.002。
式4.
C.I.＝0表示矩阵越一致，C.I.表示矩阵越不一致。
并以下式5计算随机一致性比率C.R.，得到C.R.＝0.001，符合一致性检验。
式5.
当C.R.<0.1时，符合一致性检验。其中，R.I.表示平均随机一致性指标，这个是一个常量，根据阶数可以在量表里查询，R.I.值量表如下表7。
表7.
| 指标数 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 |
| R.I. | 0 | 0 | 0.58 | 0.9 | 1.12 | 1.24 | 1.38 | 1.41 | 1.46 | 1.49 | 1.52 | 1.54 |
将所有代表性烟叶样本的所有风格特征指标值构建成一矩阵Q，如下式6。
式6.
其中，x表示第x个代表性烟叶样本，j表示第j个风格特征指标，Jxj表示第x个代表性烟叶样本的第j个风格特征指标的值。
将矩阵Q的数据输入DPS数据分析软件中采用综合评价中的投影寻踪分类来计算风格特征指标的投影向量，将投影向量归一化处理后得到每个风格特征指标j的第二权重Kj，如下表8。
表8.
| 风格特征指标 | 干草香 | 清甜香 | 青香 | 辛香 | 正甜香 | 飘逸 | 烟气浓度 | 浓劲比 |
| 投影向量 | 0.4831 | 0.4446 | 0.3772 | 0.2078 | 0.1290 | 0.5570 | 0.1906 | 0.0686 |
| 权重Kj | 0.197 | 0.181 | 0.153 | 0.085 | 0.052 | 0.227 | 0.078 | 0.028 |
计算组合权重ZHj＝(Zj×Kj)/∑(Zj×Kj)，如下表9。
表9.
| 风格特征指标j | 干草香 | 清甜香 | 青香 | 辛香 | 正甜香 | 飘逸 | 烟气浓度 | 浓劲比 | ∑(Zj×Kj) |
| 权重Zj | 0.144 | 0.205 | 0.093 | 0.079 | 0.079 | 0.169 | 0.108 | 0.124 | |
| 权重Kj | 0.197 | 0.181 | 0.153 | 0.085 | 0.052 | 0.227 | 0.078 | 0.028 | |
| Zj×Kj | 0.0284 | 0.0371 | 0.0142 | 0.0067 | 0.0041 | 0.0384 | 0.0084 | 0.0035 | 0.1408 |
| 组合权重ZHj | 0.2015 | 0.2636 | 0.1011 | 0.0477 | 0.0292 | 0.2725 | 0.0598 | 0.0247 |
计算风格特征彰显评价权重Sij＝(ZHj×100)/Jij，如下表10。
表10.
d.标准可视化脸谱图建立：用可视化脸谱图的各个特征表示所述风格特征指标j，根据Jij分别绘制各个类别i的标准可视化脸谱图，其中，可视化脸谱图的特征与风格特制指标j的映射关系如下表11。
表11.
(2)待测烟叶的判定：
a.测定待测烟叶的各个特征值和各个风格特征值Gj；
b.将特征值带入模型中，得到待测烟叶的预测类别a，如果a属于i，则继续下面的步骤；如果a不属于i，则判定该待测烟叶不适用于作为定位在赋予产品主体风格和提供特征香气的卷烟品牌的原料。
c.在a属于i的前提下，计算预测类别a下，待测烟叶的风格特征综合指数Ha＝∑(Gj×Saj)，如果Ha≥100，则判定为一致，并继续下一步骤；如果Ha＜100，则判定为配方功效和风格特征不匹配。
d.在判定一致的前提下，用可视化脸谱图的各个特征表示Gj，绘制脸谱图，并与标准可视化脸谱图对比，判定相似性，以相似性判定结果作为配方功效和风格特征的匹配度判定结果。
其中，脸高、脸宽、脸型均属于脸型特征，发高、发宽、发型均属于发型特征；如果脸谱图和标准可视化脸谱图中的脸型特征和发型特征均为相似，则判定整体相似，则判定配方功效和风格特征匹配；如果脸谱图和标准可视化脸谱图中的脸型特征和发型特征只有一类相似或者较相似，另一类较相似，则判定整体较相似，则判定配方功效和风格特征较匹配；如果脸谱图和标准可视化脸谱图中的脸型特征和发型特征只有一类相似或者较相似，另一类不相似，则判定整体基本相似，则判定配方功效和风格特征基本匹配；如果脸谱图和标准可视化脸谱图中的脸型特征和发型特征均为不相似，则整体不相似，则判定配方功效和风格特征不匹配。
本实施例中，有19个等级的烟叶预测类别在类别1中，这19个等级的烟叶的风格特征综合指数H1的计算值以及匹配度判定结果如下表12，脸谱图如图1。
表12.
通过表12可确定类别1的烟叶打叶复烤模块配方如下：
等级3、等级7、等级10、等级17和等级19，5个等级的判定结果为匹配；等级2、等级 5、等级11、等级12、等级13、等级14、等级16，7个等级的判定结果为较匹配；等级8、等级9等2个等级的判定结果基本匹配；以上14个等级可按照匹配、较匹配和基本匹配的依次进行配方模块设计。等级1、等级4、等级6、等级15和等级18的判定结果为不匹配，不作为类别1配方功效原料使用。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
Claims (8)
1.一种卷烟品牌配方功效和风格特征的匹配度判定方法，其特征在于：包括以下步骤：
(1)标准的建立：
a.标准样本的选取：根据不同卷烟品牌的配方功效，确定若干组类别I，且若干组类别I中包括定位为赋予产品主体风格和提供特征香气的类别i；为每组类别I选取具有代表性的烟叶原料样本；
b.类别定位模型建立：选取若干指标作为烟叶原料样本的特征，并以特征的数据和类别I的数据、采用支持向量机、选用高斯核函数、采用一对一分类算法对样本数据进行训练以建立模型；
c.标准权重的确定：选取若干风格特征指标j，测定类别i中的烟叶原料样本的各个风格特征指标值Jij；以Jij为样本数据，分别采用层次分析法和投影寻踪分类法确定风格特征指标j的第一权重Zj和第二权重Kj；并计算组合权重ZHj=（Zj×Kj）/∑（Zj×Kj）；并计算风格特征彰显评价权重Sij=（ZHj ×100）/ Jij；
d.标准可视化脸谱图建立：用可视化脸谱图的各个特征表示所述风格特征指标j，根据Jij分别绘制各个类别i的标准可视化脸谱图；
(2)待测烟叶的判定：
a.测定待测烟叶的各个特征值和各个风格特征值Gj；
b.将特征值带入模型中，得到待测烟叶的预测类别a，如果a属于i，则继续下面的步骤；如果a不属于i，则判定该待测烟叶不适用于作为定位在赋予产品主体风格和提供特征香气的卷烟品牌的原料；
c.在a属于i的前提下，计算预测类别a下，待测烟叶的风格特征综合指数Ha=∑（Gj×Saj），如果Ha≥100，则判定为一致，并继续下一步骤；如果Ha＜100，则判定为配方功效和风格特征不匹配；
d.在判定一致的前提下，用可视化脸谱图的各个特征表示Gj，绘制脸谱图，并与标准可视化脸谱图对比，判定相似性，以相似性判定结果作为配方功效和风格特征的匹配度判定结果。
2.根据权利要求1所述的一种卷烟品牌配方功效和风格特征的匹配度判定方法，其特征在于：选取干草香、清甜香、青香、飘逸、烟气浓度、浓劲比、辛香和正甜香作为风格特征指标j。
3.根据权利要求2所述的一种卷烟品牌配方功效和风格特征的匹配度判定方法，其特征在于：将可视化脸谱图中的特征：脸高、脸宽、脸型、发高、发宽、发型、口高和口宽，分别与所述风格特征指标j：干草香、清甜香、青香、飘逸、烟气浓度、浓劲比、辛香和正甜香一一对应。
4.根据权利要求3所述的一种卷烟品牌配方功效和风格特征的匹配度判定方法，其特征在于：脸高、脸宽、脸型均属于脸型特征，发高、发宽、发型均属于发型特征；步骤（2）的步骤d中，如果脸谱图和标准可视化脸谱图中的脸型特征和发型特征均为相似，则判定整体相似，则判定配方功效和风格特征匹配；如果脸谱图和标准可视化脸谱图中的脸型特征和发型特征只有一类相似或者较相似，另一类较相似，则判定整体较相似，则判定配方功效和风格特征较匹配；如果脸谱图和标准可视化脸谱图中的脸型特征和发型特征只有一类相似或者较相似，另一类不相似，则判定整体基本相似，则判定配方功效和风格特征基本匹配；如果脸谱图和标准可视化脸谱图中的脸型特征和发型特征均为不相似，则整体不相似，则判定配方功效和风格特征不匹配。
5.根据权利要求1所述一种卷烟品牌配方功效和风格特征的匹配度判定方法，其特征在于：选取烟气浓度、劲头、香气质、香气量、透发性、杂气、细腻程度、柔和程度、圆润感、刺激性、干燥感、余味、总糖、还原糖、总植物碱和总氮作为特征。
6.根据权利要求2或5所述一种卷烟品牌配方功效和风格特征的匹配度判定方法，其特征在于：通过烟草行业标准《YC/T 530-2015 烟叶质量风格特色感官评价方法》对所述风格特征指标和特征中的品质特征指标进行评价打分，得到其数据。
7.根据权利要求1所述一种卷烟品牌配方功效和风格特征的匹配度判定方法，其特征在于：所述层次分析法确定第一权重Zij包括以下步骤：根据标度构建风格特征指标j的重要性对比矩阵，将重要性对比矩阵进行归一化处理后、计算每个风格特征指标j的特征向量；然后将各特征向量分别除以所有特征向量之和，得到每个风格特征指标j的权重Zj。
8.根据权利要求1所述一种卷烟品牌配方功效和风格特征的匹配度判定方法，其特征在于：以DPS数据分析软件进行所述投影寻踪分类法，计算步骤包括：以所有类别i中的烟叶原料样本的所有风格特征指标值构建矩阵、变换矩阵、构建投影函数、投影函数最大化求解、计算投影向量，将投影向量归一化后即得到第二权重Kj。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010506648.1A CN111709627A (zh) | 2020-06-05 | 2020-06-05 | 一种卷烟品牌配方功效和风格特征的匹配度判定方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010506648.1A CN111709627A (zh) | 2020-06-05 | 2020-06-05 | 一种卷烟品牌配方功效和风格特征的匹配度判定方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111709627A true CN111709627A (zh) | 2020-09-25 |
Family
ID=72539298
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010506648.1A Pending CN111709627A (zh) | 2020-06-05 | 2020-06-05 | 一种卷烟品牌配方功效和风格特征的匹配度判定方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111709627A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113240300A (zh) * | 2021-05-20 | 2021-08-10 | 江苏中烟工业有限责任公司 | 一种进口烟叶品种的筛选方法 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104809230A (zh) * | 2015-05-08 | 2015-07-29 | 东北大学 | 一种基于多分类器集成的卷烟感官质量评估方法 |
| CN105277663A (zh) * | 2015-11-24 | 2016-01-27 | 云南中烟工业有限责任公司 | 一种卷烟香型特征的脸谱识别法 |
| CN105427046A (zh) * | 2015-11-24 | 2016-03-23 | 云南中烟工业有限责任公司 | 一种卷烟品质特征的脸谱识别法 |
| CN107767079A (zh) * | 2017-11-14 | 2018-03-06 | 江苏中烟工业有限责任公司 | 一种烟叶风格特征的客观综合评价方法 |
| CN107784452A (zh) * | 2017-11-14 | 2018-03-09 | 江苏中烟工业有限责任公司 | 一种烟叶风格特征相似性的客观综合评价方法 |
| CN108596486A (zh) * | 2018-04-25 | 2018-09-28 | 云南中烟工业有限责任公司 | 一种卷烟风格特征可视化方法 |
| CN108846880A (zh) * | 2018-04-25 | 2018-11-20 | 云南中烟工业有限责任公司 | 一种卷烟品质特征可视化方法 |
| CN109781870A (zh) * | 2017-11-13 | 2019-05-21 | 贵州中烟工业有限责任公司 | 一种鉴别烤烟香型的方法 |
-
2020
- 2020-06-05 CN CN202010506648.1A patent/CN111709627A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104809230A (zh) * | 2015-05-08 | 2015-07-29 | 东北大学 | 一种基于多分类器集成的卷烟感官质量评估方法 |
| CN105277663A (zh) * | 2015-11-24 | 2016-01-27 | 云南中烟工业有限责任公司 | 一种卷烟香型特征的脸谱识别法 |
| CN105427046A (zh) * | 2015-11-24 | 2016-03-23 | 云南中烟工业有限责任公司 | 一种卷烟品质特征的脸谱识别法 |
| CN109781870A (zh) * | 2017-11-13 | 2019-05-21 | 贵州中烟工业有限责任公司 | 一种鉴别烤烟香型的方法 |
| CN107767079A (zh) * | 2017-11-14 | 2018-03-06 | 江苏中烟工业有限责任公司 | 一种烟叶风格特征的客观综合评价方法 |
| CN107784452A (zh) * | 2017-11-14 | 2018-03-09 | 江苏中烟工业有限责任公司 | 一种烟叶风格特征相似性的客观综合评价方法 |
| CN108596486A (zh) * | 2018-04-25 | 2018-09-28 | 云南中烟工业有限责任公司 | 一种卷烟风格特征可视化方法 |
| CN108846880A (zh) * | 2018-04-25 | 2018-11-20 | 云南中烟工业有限责任公司 | 一种卷烟品质特征可视化方法 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113240300A (zh) * | 2021-05-20 | 2021-08-10 | 江苏中烟工业有限责任公司 | 一种进口烟叶品种的筛选方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109975238B (zh) | 一种基于近红外光谱的烟叶以及卷烟叶组配方的替代方法 | |
| CN102023137B (zh) | 一种白酒鉴别方法 | |
| Kaymak | Fuzzy target selection using RFM variables | |
| CN105928901A (zh) | 一种定性定量相结合的近红外定量模型构建方法 | |
| CN107767079A (zh) | 一种烟叶风格特征的客观综合评价方法 | |
| CN107784452A (zh) | 一种烟叶风格特征相似性的客观综合评价方法 | |
| CN106022650A (zh) | 一种卷烟综合质量的分析方法 | |
| CN111680910A (zh) | 一种基于卷烟配方功效的烟叶适用范围定位方法 | |
| CN101419209A (zh) | 卷烟感官评吸和烟气指标的免疫神经网络预测方法 | |
| CN109376805A (zh) | 一种基于白酒基酒指纹图谱特征的分类方法 | |
| CN107909264A (zh) | 一种烟叶风格特征年度间稳定性的客观综合评价方法 | |
| CN111642782A (zh) | 一种基于卷烟配方需求的烟叶原料功效定位方法 | |
| CN110132879A (zh) | 一种基于近红外光谱的烤烟香韵鉴别方法 | |
| CN110990782B (zh) | 基于加权犹豫模糊幂集结算子的卷烟感官质量评价方法 | |
| CN111596010A (zh) | 一种烟草工业可用性的量化评价和分类方法 | |
| CN111667176A (zh) | 一种基于卷烟品牌需求的烟叶风格特征彰显程度评价方法 | |
| Kondo et al. | On the US firm and establishment size distributions | |
| CN102488309B (zh) | 一种智能配烟方法 | |
| CN111709627A (zh) | 一种卷烟品牌配方功效和风格特征的匹配度判定方法 | |
| CN111652516A (zh) | 一种基于配方功效的烟叶基地适用性评价方法 | |
| CN105205333B (zh) | 一种烟叶配方的设计方法 | |
| CN108828139A (zh) | 一种烟用香精香料评价方法 | |
| CN111667173A (zh) | 一种基于配方功效的烟叶基地烟叶质量匹配度评价方法 | |
| CN107064042A (zh) | 红外光谱的定性分析方法 | |
| CN108133296B (zh) | 基于活动的社交网络下的一种结合环境数据的活动出席预测方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB02 | Change of applicant information |
Address after: No. 406-3, Zhongshan North Road, Nanjing, Jiangsu 210019 Applicant after: CHINA TOBACCO JIANGSU INDUSTRIAL Co.,Ltd. Address before: Bell tower of technical center, No.29 Xinglong Street, Jianye District, Nanjing City, Jiangsu Province Applicant before: CHINA TOBACCO JIANGSU INDUSTRIAL Co.,Ltd. |
|
| CB02 | Change of applicant information |