CN114595365A - 一种构建卷烟特征关联性的方法、装置、电子设备及介质 - Google Patents
一种构建卷烟特征关联性的方法、装置、电子设备及介质 Download PDFInfo
- Publication number
- CN114595365A CN114595365A CN202210305078.9A CN202210305078A CN114595365A CN 114595365 A CN114595365 A CN 114595365A CN 202210305078 A CN202210305078 A CN 202210305078A CN 114595365 A CN114595365 A CN 114595365A
- Authority
- CN
- China
- Prior art keywords
- quality
- data
- screening
- target
- component
- 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 134
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000012216 screening Methods 0.000 claims abstract description 93
- 238000004458 analytical method Methods 0.000 claims abstract description 26
- 230000001953 sensory effect Effects 0.000 claims abstract description 22
- 238000010238 partial least squares regression Methods 0.000 claims abstract description 15
- 238000012545 processing Methods 0.000 claims abstract description 13
- 238000004590 computer program Methods 0.000 claims description 17
- 241000208125 Nicotiana Species 0.000 claims description 15
- 235000002637 Nicotiana tabacum Nutrition 0.000 claims description 15
- 238000005516 engineering process Methods 0.000 claims description 12
- 239000000203 mixture Substances 0.000 claims description 12
- 238000011156 evaluation Methods 0.000 claims description 11
- 238000012512 characterization method Methods 0.000 claims description 3
- 230000001419 dependent effect Effects 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 3
- 239000000463 material Substances 0.000 abstract description 6
- 230000001502 supplementing effect Effects 0.000 abstract description 6
- 238000007670 refining Methods 0.000 abstract description 5
- 239000003205 fragrance Substances 0.000 description 13
- 238000004891 communication Methods 0.000 description 8
- 239000000796 flavoring agent Substances 0.000 description 8
- 235000019634 flavors Nutrition 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- BJEPYKJPYRNKOW-REOHCLBHSA-N (S)-malic acid Chemical compound OC(=O)[C@@H](O)CC(O)=O BJEPYKJPYRNKOW-REOHCLBHSA-N 0.000 description 7
- FFEARJCKVFRZRR-BYPYZUCNSA-N L-methionine Chemical compound CSCC[C@H](N)C(O)=O FFEARJCKVFRZRR-BYPYZUCNSA-N 0.000 description 7
- 235000021355 Stearic acid Nutrition 0.000 description 7
- BJEPYKJPYRNKOW-UHFFFAOYSA-N alpha-hydroxysuccinic acid Natural products OC(=O)C(O)CC(O)=O BJEPYKJPYRNKOW-UHFFFAOYSA-N 0.000 description 7
- 235000011090 malic acid Nutrition 0.000 description 7
- 239000001630 malic acid Substances 0.000 description 7
- 229930182817 methionine Natural products 0.000 description 7
- 210000000214 mouth Anatomy 0.000 description 7
- OQCDKBAXFALNLD-UHFFFAOYSA-N octadecanoic acid Natural products CCCCCCCC(C)CCCCCCCCC(O)=O OQCDKBAXFALNLD-UHFFFAOYSA-N 0.000 description 7
- 230000000638 stimulation Effects 0.000 description 7
- 235000009508 confectionery Nutrition 0.000 description 6
- QIQXTHQIDYTFRH-UHFFFAOYSA-N octadecanoic acid Chemical compound CCCCCCCCCCCCCCCCCC(O)=O QIQXTHQIDYTFRH-UHFFFAOYSA-N 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 239000007789 gas Substances 0.000 description 4
- 235000019606 astringent taste Nutrition 0.000 description 3
- 230000003796 beauty Effects 0.000 description 3
- 238000001035 drying Methods 0.000 description 3
- 238000011068 loading method Methods 0.000 description 3
- 210000003928 nasal cavity Anatomy 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000000513 principal component analysis Methods 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 2
- ZAMOUSCENKQFHK-UHFFFAOYSA-N Chlorine atom Chemical compound [Cl] ZAMOUSCENKQFHK-UHFFFAOYSA-N 0.000 description 2
- 206010013789 Dry throat Diseases 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 2
- 240000002853 Nelumbo nucifera Species 0.000 description 2
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 2
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 2
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 description 2
- AYFVYJQAPQTCCC-UHFFFAOYSA-N Threonine Natural products CC(O)C(N)C(O)=O AYFVYJQAPQTCCC-UHFFFAOYSA-N 0.000 description 2
- 239000004473 Threonine Substances 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 229930013930 alkaloid Natural products 0.000 description 2
- 150000003797 alkaloid derivatives Chemical class 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 239000000460 chlorine Substances 0.000 description 2
- 229910052801 chlorine Inorganic materials 0.000 description 2
- 150000001875 compounds Chemical class 0.000 description 2
- 239000003546 flue gas Substances 0.000 description 2
- 239000008369 fruit flavor Substances 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 210000003128 head Anatomy 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000007794 irritation Effects 0.000 description 2
- 210000000867 larynx Anatomy 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000010239 partial least squares discriminant analysis Methods 0.000 description 2
- 239000011591 potassium Substances 0.000 description 2
- 229910052700 potassium Inorganic materials 0.000 description 2
- 230000035807 sensation Effects 0.000 description 2
- 235000019615 sensations Nutrition 0.000 description 2
- 239000000779 smoke Substances 0.000 description 2
- 235000019640 taste Nutrition 0.000 description 2
- AFPLNGZPBSKHHQ-UHFFFAOYSA-N Betulaprenol 9 Natural products CC(C)=CCCC(C)=CCCC(C)=CCCC(C)=CCCC(C)=CCCC(C)=CCCC(C)=CCCC(C)=CCCC(C)=CCO AFPLNGZPBSKHHQ-UHFFFAOYSA-N 0.000 description 1
- 241000723345 Chrysophyllum Species 0.000 description 1
- 241000282326 Felis catus Species 0.000 description 1
- 235000006679 Mentha X verticillata Nutrition 0.000 description 1
- 235000002899 Mentha suaveolens Nutrition 0.000 description 1
- 235000001636 Mentha x rotundifolia Nutrition 0.000 description 1
- 229920002472 Starch Polymers 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 150000001413 amino acids Chemical class 0.000 description 1
- 150000001449 anionic compounds Chemical class 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 150000001767 cationic compounds Chemical class 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 229910003460 diamond Inorganic materials 0.000 description 1
- 239000010432 diamond Substances 0.000 description 1
- 239000002027 dichloromethane extract Substances 0.000 description 1
- 235000014113 dietary fatty acids Nutrition 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 229930195729 fatty acid Natural products 0.000 description 1
- 239000000194 fatty acid Substances 0.000 description 1
- 150000004665 fatty acids Chemical class 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000000227 grinding Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 229910001412 inorganic anion Inorganic materials 0.000 description 1
- 229910001411 inorganic cation Inorganic materials 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 235000006109 methionine Nutrition 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- QIQXTHQIDYTFRH-GTFORLLLSA-N octadecanoic acid Chemical group CCCCCCCCCCCCCCCCC[14C](O)=O QIQXTHQIDYTFRH-GTFORLLLSA-N 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- -1 polyphenol compounds Chemical class 0.000 description 1
- 235000013824 polyphenols Nutrition 0.000 description 1
- 150000007519 polyprotic acids Polymers 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000007873 sieving Methods 0.000 description 1
- 230000000391 smoking effect Effects 0.000 description 1
- AFPLNGZPBSKHHQ-MEGGAXOGSA-N solanesol Chemical compound CC(C)=CCC\C(C)=C\CC\C(C)=C\CC\C(C)=C\CC\C(C)=C\CC\C(C)=C\CC\C(C)=C\CC\C(C)=C\CC\C(C)=C\CO AFPLNGZPBSKHHQ-MEGGAXOGSA-N 0.000 description 1
- 238000010561 standard procedure Methods 0.000 description 1
- 239000008107 starch Substances 0.000 description 1
- 235000019698 starch Nutrition 0.000 description 1
- 239000008117 stearic acid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/90335—Query processing
- G06F16/90348—Query processing by searching ordered data, e.g. alpha-numerically ordered data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/9035—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
-
- 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)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Cigarettes, Filters, And Manufacturing Of Filters (AREA)
Abstract
本发明公开了一种构建卷烟特征关联性的方法、装置、电子设备及介质。该方法包括获取细支卷烟样品的品质特征数据和常规成分数据；其中，所述品质特征数据用于表征细支卷烟的感官品质；所述常规成分数据用于表征细支卷烟的组成成分；对所述品质特征数据和常规成分数据进行差异性筛选，得到目标品质特征数据和目标常规成分数据；利用预设偏最小二乘回归分析对所述目标品质特征数据和目标常规成分数据进行处理，确定目标品质特征和目标常规成分的关联性。本技术方案，能够为客观构建细支卷烟品质特征及常规成分关联模型提供科学的方法，为分析提炼影响细支卷烟产品的物质基础，提升卷烟内在质量、增香补香提供技术参考。
Description
技术领域
本发明涉及细支卷烟技术研究领域，尤其涉及一种构建卷烟特征关联性的方法、装置、电子设备及介质。
背景技术
细支卷烟具有烟支圆周小、焦油量低、烟支较长等特点，近年来在国内成为一个新的消费热点。
烟草中常规化学成分在烟草内在质量评价中扮演着重要的角色，是决定烟草品质好坏、烟草特征香味的关键性因素，而且它们具有含量高或者典型的特点。化学成分与烟草质量关系的研究也一直是烟草化学研究关注的主题。烟草的常规化学成分包括水溶性总糖、总植物碱、氯和钾等指标，其含量与烟草的感官质量具有一定的关联性。
目前，对于常规成分的研究主要集中在工艺、材料和再造烟叶等方面对卷烟常规成分的影响进行研究，或者是这些因素对常规成分和感官质量的影响，但尚无将细支卷烟配方烟丝常规成分和感官质量两种内在品质联系起来的技术。
发明内容
本发明提供了一种构建卷烟特征关联性的方法、装置、电子设备及介质，能够为客观构建细支卷烟品质特征及常规成分关联模型提供科学的方法，为分析提炼影响细支卷烟产品的物质基础，提升卷烟内在质量、增香补香提供技术参考。
根据本发明的一方面，提供了一种构建卷烟特征关联性的方法，该方法包括：
获取细支卷烟样品的品质特征数据和常规成分数据；其中，所述品质特征数据用于表征细支卷烟的感官品质；所述常规成分数据用于表征细支卷烟的组成成分；
对所述品质特征数据和常规成分数据进行差异性筛选，得到目标品质特征数据和目标常规成分数据；
利用预设偏最小二乘回归分析对所述目标品质特征数据和目标常规成分数据进行处理，确定目标品质特征和目标常规成分的关联性。
根据本发明的另一方面，提供了一种构建卷烟特征关联性的装置，该装置包括：
数据获取模块，用于获取细支卷烟样品的品质特征数据和常规成分数据；其中，所述品质特征数据用于表征细支卷烟的感官品质；所述常规成分数据用于表征细支卷烟的组成成分；
数据筛选模块，用于对所述品质特征数据和常规成分数据进行差异性筛选，得到目标品质特征数据和目标常规成分数据；
关联性确定模块，用于利用预设偏最小二乘回归分析对所述目标品质特征数据和目标常规成分数据进行处理，确定目标品质特征和目标常规成分的关联性。
根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的一种构建卷烟特征关联性的方法。
根据本发明的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的一种构建卷烟特征关联性的方法。
本发明实施例的技术方案，通过获取细支卷烟样品的品质特征数据和常规成分数据，对品质特征数据和常规成分数据进行差异性筛选，得到目标品质特征数据和目标常规成分数据，并利用预设偏最小二乘回归分析对目标品质特征数据和目标常规成分数据进行处理，确定目标品质特征和目标常规成分的关联性。本技术方案，能够为客观构建细支卷烟品质特征及常规成分关联模型提供科学的方法，为分析提炼影响细支卷烟产品的物质基础，提升卷烟内在质量、增香补香提供技术参考。
应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，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他的附图。
图1是根据本发明实施例一提供的一种构建卷烟特征关联性的方法的流程图；
图2是本申请实施例一提供的品质特征数据的PCA得分图；
图3是本申请实施例一提供的品质特征数据的OPLS-DA得分图；
图4是本申请实施例一提供的不同品牌细支卷烟主成分得分图；
图5是本申请实施例一提供的不同品牌细支卷烟OPLS-DA二维得分图；
图6是本申请实施例一提供的常规成分与品质特征之间PLSR分析得分载荷图；
图7是本申请实施例一提供的另一常规成分与品质特征之间PLSR分析得分载荷图；
图8是根据本发明实施例二提供的一种构建卷烟特征关联性的装置的结构示意图；
图9是实现本发明实施例的一种构建卷烟特征关联性的方法的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，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的实施例，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，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“用于表征”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1是根据本发明实施例一提供的一种构建卷烟特征关联性的方法的流程图，本实施例可适用于对细支卷烟的品质特征和常规成分的关联性进行构建的情况，该方法可以由一种构建卷烟特征关联性的装置来执行，该一种构建卷烟特征关联性的装置可以采用硬件和/或软件的形式实现，该构建卷烟特征关联性的装置可配置于电子设备中。如图1所示，该方法包括：
S110、获取细支卷烟样品的品质特征数据和常规成分数据；其中，所述品质特征数据用于表征细支卷烟的感官品质；所述常规成分数据用于表征细支卷烟的组成成分。
在本方案中，细支卷烟样品中包括多个不同品牌的细支卷烟。可选的，可以将江苏全品类细支卷烟及其他典型细支卷烟作为细支卷烟的分析对象。如表1所示，选取具有代表性的江苏全品类细支卷烟和其他典型细支卷烟作为分析对象。江苏全品类细支卷烟用A组进行表示，包括10种品类；其他典型细支卷烟用B组进行表示，包括14种品类。
表1
| 编号 | 规格 | 编号 | 规格 |
| A1 | 南京(炫赫门) | B3 | 黄鹤楼(硬天下名楼) |
| A2 | 南京(十二钗烤烟) | B4 | 黄金叶(爱尚) |
| A3 | 南京(雨花石) | B5 | 真龙(凌云) |
| A4 | 南京(红楼卷) | B6 | 芙蓉王(硬细支) |
| A5 | 南京(大观园爆冰) | B7 | 好猫(细支长乐) |
| A6 | 南京(梦都) | B8 | 娇子(格调细支) |
| A7 | 南京(十二钗薄荷) | B9 | 泰山(心悦) |
| A8 | 南京(细支九五) | B10 | 中华(细支) |
| A9 | 南京(炫赫门炫彩) | B11 | 长白山(777) |
| A10 | 南京(十二钗中式混合型) | B12 | 钻石(细支荷花) |
| B1 | 贵烟(跨越) | B13 | 金圣(滕王阁紫光) |
| B2 | 云烟(细支云龙) | B14 | 黄山(红方印细支) |
在本实施例中，可以通过对细支卷烟进行烘干、研磨和过筛处理，得到细支卷烟样品。并利用提取技术对细支卷烟样品的品质特征数据和常规成分数据进行获取。
在本技术方案中，可选的，获取细支卷烟样品的品质特征数据，包括：
利用预设卷烟风格感官评价技术对细支卷烟样品进行感官评价，得到至少两个品质特征数据；
将所述至少两个品质特征数据的平均值作为最终的品质特征数据。
其中，预设卷烟风格感官评价技术可以是指YC/T497-2014《中式卷烟风格感官评价方法》。
具体的，抽取若干名专业级评吸人员，采用YC/T497-2014《中式卷烟风格感官评价方法》标准方法对24种细支卷烟进行感官评价，得到24种不同品牌的细支卷烟样品的品质特征数据。其中，在进行感官评价时以0.5分为单位增量，采用10分制打分，最后结果取平均值，保留两位小数。表2-1和表2-2是不同品牌的卷烟样品的品质特征数据。A1-A10表示不同品类的苏产细支卷烟样品，B1-B14表示其他品牌细支卷烟样品。品质特征数据包括口腔刺激/舌部灼烧、口腔残留/干燥感、收敛、喉部刺激、喉部干燥、鼻腔刺激、香气、丰富性、细腻柔和/圆润、杂气、烟气浓度和劲头。
表2-1
| 品质特征 | A1 | A2 | A3 | A4 | A5 | A6 | A7 | A8 | A9 | A10 |
| 口腔刺激/舌部灼烧 | 7.5 | 8.0 | 8.6 | 8.3 | 8.1 | 7.8 | 7.9 | 8.6 | 8.4 | 7.7 |
| 口腔残留/干燥感 | 7.5 | 8.1 | 8.8 | 7.9 | 8.0 | 7.8 | 8.0 | 8.5 | 8.0 | 7.3 |
| 收敛 | 8.0 | 8.0 | 8.6 | 7.9 | 8.0 | 8.0 | 7.7 | 8.6 | 8.0 | 7.5 |
| 喉部刺激 | 7.5 | 8.0 | 8.9 | 8.2 | 8.2 | 7.7 | 7.6 | 8.9 | 8.0 | 7.4 |
| 喉部干燥 | 7.5 | 7.8 | 8.5 | 7.9 | 8.0 | 7.6 | 8.0 | 8.5 | 8.1 | 7.5 |
| 鼻腔刺激 | 7.5 | 7.9 | 8.7 | 8.1 | 8.0 | 7.7 | 7.6 | 8.8 | 8.1 | 7.7 |
| 香气 | 7.5 | 8.1 | 8.9 | 8.3 | 8.0 | 8.1 | 7.7 | 8.8 | 8.3 | 7.4 |
| 丰富性 | 8.0 | 8.0 | 8.4 | 8.1 | 8.0 | 8.1 | 7.6 | 8.7 | 8.3 | 7.7 |
| 细腻柔和/圆润 | 7.5 | 8.0 | 9.1 | 8.0 | 8.1 | 7.6 | 7.9 | 8.7 | 8.1 | 7.6 |
| 杂气 | 7.5 | 7.9 | 8.9 | 8.3 | 8.0 | 7.8 | 7.8 | 8.7 | 8.0 | 7.4 |
| 烟气浓度 | 8.0 | 7.6 | 7.8 | 8.0 | 8.1 | 8.0 | 7.8 | 8.1 | 8.0 | 7.6 |
| 劲头 | 8.0 | 7.5 | 7.4 | 7.9 | 7.5 | 7.9 | 7.7 | 7.9 | 7.6 | 7.6 |
表2-2
通过对细支卷烟样品的品质特征数据进行获取，便于对细支卷烟样品的特征关联性进行分析。为分析提炼影响细支卷烟产品的物质基础，提升卷烟内在质量、增香补香提供技术参考。
在本技术方案中，可选的，获取细支卷烟样品的常规成分数据，包括：
利用预设烟草检测技术对细支卷烟样品的组成成分进行提取，得到常规成分数据。
具体的，按照卷烟行业标准技术以及实验室技术，分别检测细支卷烟样品的总糖还原糖、总植物碱、总氮、钾、氯、淀粉、游离氨基酸、多酚类化合物、无机阴离子、茄尼醇以及无机阳离子、二氯甲烷提取物、多元酸和高级脂肪酸、Amadori化合物等73种常规成分。
通过对细支卷烟的常规成分数据进行提取，更有利于全面系统考察品牌细支卷烟之间品质特征与配方烟丝常规成分两者之间的关联性，为细支卷烟关键常规成分的筛选提供更为全面的客观依据。
S120、对所述品质特征数据和常规成分数据进行差异性筛选，得到目标品质特征数据和目标常规成分数据。
在本方案中，可以通过计算品质特征数据和常规成分数据的变量投影重要性和显著性对品质特征数据和常规成分数据进行筛选，得到能够满足差异性要求的目标品质特征数据和目标常规成分数据。
在本技术方案中，可选的，对所述品质特征数据和常规成分数据进行差异性筛选，得到目标品质特征数据和目标常规成分数据，包括：
对所述品质特征数据和常规成分数据的变量投影重要性进行计算，得到品质变量投影重要性值和成分变量投影重要性值；其中，所述变量投影性重要性用于表征对品质特征数据和常规成分数据的打分指标；
根据所述品质变量投影重要性值对所述品质特征数据进行筛选，得到品质筛选特征，以及，根据所述成分变量投影重要性值对所述常规成分数据进行筛选，得到成分筛选特征；
对所述品质筛选特征和成分筛选特征的显著性进行计算，得到品质显著性值和成分显著性值；其中，所述显著性用于表征筛选特征的显著差异性；
利用所述品质显著性值对所述品质筛选特征进行筛选，得到目标品质特征数据，以及，利用所述成分显著性值对所述成分筛选特征进行筛选，得到目标常规成分数据。
在本方案中，对品质特征数据进行差异性筛选的过程中，先进行无监督的主成分分析，然后进行有监督的OPLS-DA分析，后进行方差检验，得到目标品质特征数据。
示例性的，图2是本申请实施例一提供的品质特征数据的PCA得分图，采用SIMCA14.1软件对两类品牌中式细支卷烟的品质特征数据进行主成分分析，如图2所示，苏产品牌样本多在右侧象限，其他品牌样本多在左侧象限，但样本之间没有明显聚集分布的趋势。为确认对品质差异性贡献较大的指标，进一步对品质特征分数进行OPLS-DA筛选研究。
示例性的，图3是本申请实施例一提供的品质特征数据的OPLS-DA得分图，用SIMCA14.1软件对24种细支卷烟的品质特征数据进行正交偏最小二乘判别分析。图3中展示了不同品牌组别间的有效区分，苏产品牌位于第一主成分的左侧象限，其他品牌大多数位于右侧象限，苏产品牌细支卷烟在品质方面与其他品牌存在差异性。
在本实施例中，为了进一步识别对样本分类和差异性有显著贡献的品质特征，可以对品质特征数据的变量投影重要性和显著性进行计算，得到品质变量投影重要性值和品质显著性值，并根据品质变量投影重要性值和品质显著性值对品质特征数据进行筛选，得到目标品质特征数据。
在本方案中，对常规成分数据进行差异性筛选的过程中，先进行无监督的主成分分析，接着进行有监督的OPLS-DA分析，后进行方差检验，筛选常规成分数据。
示例性的，图4是本申请实施例一提供的不同品牌细支卷烟主成分得分图，利用SIMCA 14.1软件对24种不同细支卷烟常规成分的含量进行主成分分析，如图4所示，苏产细支卷烟与其他典型细支卷烟除个别异常样品(20#)外绝大部分的样品均处于95％置信椭圆内，但两个组的样品并没有有效分开，还存在个别重叠的样品，这些样本种所含有的分子的组成和浓度越接近，而分子组成和浓度接近可能是相同品牌间的聚集，也有可能是不同品牌但是组分含量上比较接近。之后将采用有监督的方法进行进一步筛选研究。
示例性的，图5是本申请实施例一提供的不同品牌细支卷烟OPLS-DA二维得分图，采用SIMCA 14.1软件进行正交偏最小二乘判别分析，确定苏产细支卷烟和其他典型品牌细支卷烟之间的特征常规成分。如图5所示，苏产细支卷烟与其他品牌典型细支卷烟除个别异常样品外(10#)其他均在95％置信椭圆内且分别处于第1主成分正负轴两侧，苏产细支卷烟样品与其他品牌典型细支卷烟样品的常规成分得到了有效区分，在种类和相对含量上存在差异。
在本实施例中，为了进一步识别对样本分类和差异性有显著贡献的常规成分，可以对常规成分数据的变量投影重要性和显著性进行计算，得到成分变量投影重要性值和成分显著性值，并根据成分变量投影重要性值和成分显著性值对成分特征数据进行筛选，得到目标成分特征数据。
通过对品质特征数据和常规成分数据进行差异性筛选，能够构建细支卷烟的品质特征和常规成分的关系，可以客观、直接、科学、有效地为产品增香补香技术提供技术参考。
在本技术方案中，可选的，根据所述品质变量投影重要性值对所述品质特征数据进行筛选，得到品质筛选特征，以及，根据所述成分变量投影重要性值对所述常规成分数据进行筛选，得到成分筛选特征，包括：
若所述品质特征数据的品质变量投影重要性值大于预设第一阈值，则将所述品质特征数据作为品质筛选特征，以及，若所述常规成分数据的成分变量投影重要性值大于预设第一阈值，则将所述常规成分数据作为成分筛选特征。
其中，第一阈值可以根据特征筛选需求进行设置，优选的，可以设置第一阈值为1。
在本实施例中，计算品质特征数据的品质变量投影重要性值，按照从大到小的顺序将品质变量投影重要性值进行排序，并将品质变量投影重要性值大于1的特征筛选出来，得到品质筛选特征；以及，计算常规成分数据的成分变量投影重要性值，按照从大到小的顺序将成分变量投影重要性值进行排序，并将成分变量投影重要性值大于1的特征筛选出来，得到成分筛选特征。
通过对品质变量投影重要性值和成分变量投影重要性值进行筛选，能够筛选出细支卷烟区别性较大的特征。
在本技术方案中，可选的，利用所述品质显著性值对所述品质筛选特征进行筛选，得到目标品质特征数据，以及，利用所述成分显著性值对所述成分筛选特征进行筛选，得到目标常规成分数据，包括：
若所述品质筛选特征的品质显著性值小于预设第二阈值，则将所述品质筛选特征作为目标品质特征数据，以及，若所述成分筛选特征的成分显著性值小于预设第二阈值，则将所述成分筛选特征作为目标常规成分数据。
其中，第二阈值可以根据特征筛选需求进行设置，优选的，可以设置第一阈值为0.05或0.01。
具体的，为判断各项指标对总体差异性的影响是否显著，采用SPSS18.0软件对于以上VIP值＞1的变量指标进行单因素方差分析。P＜0.05表示变量指标具有差异性，P＜0.01则表示具有极显著差异。其中，VIP表示变量投影重要性值，P表示显著性。如表3所示，依照VIP值>1原则，初步筛选出7项差异指标，分别是口腔残留/干燥感、收敛、细腻柔和/圆润、香气、杂气、丰富性、喉部干燥。这7项差异指标对应的P值均＜0.01，均代表存在极显著差异。
表3
| 品质特征指标 | VIP值 | P值 |
| 口腔残留/干燥感 | 1.24078 | .001 |
| 收敛 | 1.21827 | .000 |
| 细腻柔和/圆润 | 1.11805 | .002 |
| 香气 | 1.11794 | .004 |
| 杂气 | 1.10953 | .002 |
| 丰富性 | 1.10436 | .002 |
| 喉部干燥 | 1.06836 | .001 |
| 喉部刺激 | 0.965999 | |
| 鼻腔刺激 | 0.916499 | |
| 口腔刺激/舌部灼烧 | 0.899568 | |
| 烟气浓度 | 0.537615 | |
| 劲头 | 0.114056 |
如表4所示，依照VIP值>1原则，初步筛选出22项潜在差异指标，1#(苹果酸)、2#(十八酸)、3#(蛋氨酸)这3种常规成分对应的P值均＜0.01。其中1#(苹果酸)和3#(蛋氨酸)这2种化合物的均值含量苏产细支卷烟小于其他品牌细支卷烟，2#(十八酸)均值含量是苏产细支卷烟大于其他品牌典型细支卷烟，具有较强的显著性。
表4
通过对显著性进行计算，能够筛选出细支卷烟区别性较大的特征。
在本方案中，还可以按照相同技术手段，开展口味风格特征和风格特征(嗅香和评吸)差异性分析，对指标进行筛选。因口味风格变量较少，样本点未得到明显区分，在多个象限都有分布，因此较难分析出品牌之间的差异性。嗅香风格方面，筛选得出青滋香、药草香、甜香、木香、果香此5项差异指标，且苏产品牌在青滋香、药草香指标得分较高，与其他品牌区分程度显著；筛选得出青滋香、甜香、药草香此3项差异指标。
S130、利用预设偏最小二乘回归分析对所述目标品质特征数据和目标常规成分数据进行处理，确定目标品质特征和目标常规成分的关联性。
在本方案中，可以Unscrambler统计软件进行偏最小二乘回归分析对目标品质特征数据和目标常规成分数据进行处理，确定目标品质特征和目标常规成分的关联性。其中，关联性包括正相关和负相关。
在本技术方案中，可选的，利用预设偏最小二乘回归分析对所述目标品质特征数据和目标常规成分数据进行处理，确定目标品质特征和目标常规成分的关联性，包括：
利用预设偏最小二乘回归分析，将所述目标常规成分数据设置为自变量，以及将所述目标品质特征数据设置为因变量，构建目标品质特征和目标常规成分的关联性。
示例性的，图6是本申请实施例一提供的常规成分与品质特征之间PLSR分析得分载荷图，如图6所示，十八酸与所有目标品质特征呈现正相关，苹果酸和蛋氨酸与所有目标品质特征呈现负相关，且与口腔残留/干燥感、收敛、喉部干燥、香气、丰富性、细腻柔和/圆润、杂气等7项指标的相关性都不显著。苏产细支卷烟区别于其他产细支卷烟的关键指标为口腔残留/干燥感、收敛、喉部干燥、香气、丰富性、细腻柔和/圆润、杂气等7项。同时在常规成分方面，为十八酸、苹果酸和蛋氨酸，其中十八酸这个指标苏产细支卷烟的含量较高，而苹果酸和蛋氨酸其他产细支卷烟较高。
示例性的，图7是本申请实施例一提供的另一常规成分与品质特征之间PLSR分析得分载荷图。如图7所示，十八酸与嗅香香气风格方面的青滋香和药草香呈正相关性，与木香、甜香和果香等3项呈负相关性。在评吸香气风格方面，十八酸与青滋香、甜香、药草香等3个指标都呈正相关性；苹果酸和蛋氨酸与嗅香香气风格方面的青滋香和药草香呈负相关性，与木香、甜香和果香等3项呈正相关性。在评吸香气风方面，苹果酸和蛋氨酸与青滋香、甜香、药草香等3个指标都呈负相关性。
通过构建细支卷烟的品质特征和常规成分的关系，可以客观、直接、科学、有效地为产品增香补香技术提供技术参考。
本发明实施例的技术方案，通过获取细支卷烟样品的品质特征数据和常规成分数据，对品质特征数据和常规成分数据进行差异性筛选，得到目标品质特征数据和目标常规成分数据，并利用预设偏最小二乘回归分析对目标品质特征数据和目标常规成分数据进行处理，确定目标品质特征和目标常规成分的关联性。通过执行本技术方案，能够为客观构建细支卷烟品质特征及常规成分关联模型提供科学的方法，为分析提炼影响细支卷烟产品的物质基础，提升卷烟内在质量、增香补香提供技术参考。
实施例二
图8是根据本发明实施例二提供的一种构建卷烟特征关联性的装置的结构示意图。如图8所示，该装置包括：
数据获取模块810，用于获取细支卷烟样品的品质特征数据和常规成分数据；其中，所述品质特征数据用于表征细支卷烟的感官品质；所述常规成分数据用于表征细支卷烟的组成成分；
数据筛选模块820，用于对所述品质特征数据和常规成分数据进行差异性筛选，得到目标品质特征数据和目标常规成分数据；
关联性确定模块830，用于利用预设偏最小二乘回归分析对所述目标品质特征数据和目标常规成分数据进行处理，确定目标品质特征和目标常规成分的关联性。
在本技术方案中，可选的，数据筛选模块820，包括：
变量投影重要性计算单元，用于对所述品质特征数据和常规成分数据的变量投影重要性进行计算，得到品质变量投影重要性值和成分变量投影重要性值；其中，所述变量投影性重要性用于表征对品质特征数据和常规成分数据的打分指标；
筛选特征得到单元，用于根据所述品质变量投影重要性值对所述品质特征数据进行筛选，得到品质筛选特征，以及，根据所述成分变量投影重要性值对所述常规成分数据进行筛选，得到成分筛选特征；
显著性计算单元，用于对所述品质筛选特征和成分筛选特征的显著性进行计算，得到品质显著性值和成分显著性值；其中，所述显著性用于表征筛选特征的显著差异性；
数据筛选单元，用于利用所述品质显著性值对所述品质筛选特征进行筛选，得到目标品质特征数据，以及，利用所述成分显著性值对所述成分筛选特征进行筛选，得到目标常规成分数据。
在本技术方案中，可选的，筛选特征得到单元，具体用于：
若所述品质特征数据的品质变量投影重要性值大于预设第一阈值，则将所述品质特征数据作为品质筛选特征，以及，若所述常规成分数据的成分变量投影重要性值大于预设第一阈值，则将所述常规成分数据作为成分筛选特征。
在本技术方案中，可选的，数据筛选单元，具体用于：
若所述品质筛选特征的品质显著性值小于预设第二阈值，则将所述品质筛选特征作为目标品质特征数据，以及，若所述成分筛选特征的成分显著性值小于预设第二阈值，则将所述成分筛选特征作为目标常规成分数据。
在本技术方案中，可选的，关联性确定模块830，具体用于：
利用预设偏最小二乘回归分析，将所述目标常规成分数据设置为自变量，以及将所述目标品质特征数据设置为因变量，构建目标品质特征和目标常规成分的关联性。
在本技术方案中，可选的，数据获取模块810，具体用于：
利用预设卷烟风格感官评价技术对细支卷烟样品进行感官评价，得到至少两个品质特征数据；
将所述至少两个品质特征数据的平均值作为最终的品质特征数据。
在本技术方案中，可选的，数据获取模块810，还用于：
利用预设烟草检测技术对细支卷烟样品的组成成分进行提取，得到常规成分数据。
本发明实施例所提供的一种构建卷烟特征关联性的装置可执行本发明任意实施例所提供的一种构建卷烟特征关联性的方法，具备执行方法相应的功能模块和有益效果。
实施例三
图9示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图9所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器(ROM)12、随机访问存储器(RAM)13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序，来执行各种适当的动作和处理。在RAM 13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理，例如一种构建卷烟特征关联性的方法。
在一些实施例中，一种构建卷烟特征关联性的方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时，可以执行上文描述的一种构建卷烟特征关联性的方法的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行一种构建卷烟特征关联性的方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。
Claims (10)
1.一种构建卷烟特征关联性的方法，其特征在于，包括：
获取细支卷烟样品的品质特征数据和常规成分数据；其中，所述品质特征数据用于表征细支卷烟的感官品质；所述常规成分数据用于表征细支卷烟的组成成分；
对所述品质特征数据和常规成分数据进行差异性筛选，得到目标品质特征数据和目标常规成分数据；
利用预设偏最小二乘回归分析对所述目标品质特征数据和目标常规成分数据进行处理，确定目标品质特征和目标常规成分的关联性。
2.根据权利要求1所述的方法，其特征在于，对所述品质特征数据和常规成分数据进行差异性筛选，得到目标品质特征数据和目标常规成分数据，包括：
对所述品质特征数据和常规成分数据的变量投影重要性进行计算，得到品质变量投影重要性值和成分变量投影重要性值；其中，所述变量投影性重要性用于表征对品质特征数据和常规成分数据的打分指标；
根据所述品质变量投影重要性值对所述品质特征数据进行筛选，得到品质筛选特征，以及，根据所述成分变量投影重要性值对所述常规成分数据进行筛选，得到成分筛选特征；
对所述品质筛选特征和成分筛选特征的显著性进行计算，得到品质显著性值和成分显著性值；其中，所述显著性用于表征筛选特征的显著差异性；
利用所述品质显著性值对所述品质筛选特征进行筛选，得到目标品质特征数据，以及，利用所述成分显著性值对所述成分筛选特征进行筛选，得到目标常规成分数据。
3.根据权利要求2所述的方法，其特征在于，根据所述品质变量投影重要性值对所述品质特征数据进行筛选，得到品质筛选特征，以及，根据所述成分变量投影重要性值对所述常规成分数据进行筛选，得到成分筛选特征，包括：
若所述品质特征数据的品质变量投影重要性值大于预设第一阈值，则将所述品质特征数据作为品质筛选特征，以及，若所述常规成分数据的成分变量投影重要性值大于预设第一阈值，则将所述常规成分数据作为成分筛选特征。
4.根据权利要求2所述的方法，其特征在于，利用所述品质显著性值对所述品质筛选特征进行筛选，得到目标品质特征数据，以及，利用所述成分显著性值对所述成分筛选特征进行筛选，得到目标常规成分数据，包括：
若所述品质筛选特征的品质显著性值小于预设第二阈值，则将所述品质筛选特征作为目标品质特征数据，以及，若所述成分筛选特征的成分显著性值小于预设第二阈值，则将所述成分筛选特征作为目标常规成分数据。
5.根据权利要求1所述的方法，其特征在于，利用预设偏最小二乘回归分析对所述目标品质特征数据和目标常规成分数据进行处理，确定目标品质特征和目标常规成分的关联性，包括：
利用预设偏最小二乘回归分析，将所述目标常规成分数据设置为自变量，以及将所述目标品质特征数据设置为因变量，构建目标品质特征和目标常规成分的关联性。
6.根据权利要求1所述的方法，其特征在于，获取细支卷烟样品的品质特征数据，包括：
利用预设卷烟风格感官评价技术对细支卷烟样品进行感官评价，得到至少两个品质特征数据；
将所述至少两个品质特征数据的平均值作为最终的品质特征数据。
7.根据权利要求1所述的方法，其特征在于，获取细支卷烟样品的常规成分数据，包括：
利用预设烟草检测技术对细支卷烟样品的组成成分进行提取，得到常规成分数据。
8.一种构建卷烟特征关联性的装置，其特征在于，包括：
数据获取模块，用于获取细支卷烟样品的品质特征数据和常规成分数据；其中，所述品质特征数据用于表征细支卷烟的感官品质；所述常规成分数据用于表征细支卷烟的组成成分；
数据筛选模块，用于对所述品质特征数据和常规成分数据进行差异性筛选，得到目标品质特征数据和目标常规成分数据；
关联性确定模块，用于利用预设偏最小二乘回归分析对所述目标品质特征数据和目标常规成分数据进行处理，确定目标品质特征和目标常规成分的关联性。
9.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7中任一项所述的一种构建卷烟特征关联性的方法。
10.一种计算机可读介质，其特征在于，所述计算机可读介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的一种构建卷烟特征关联性的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210305078.9A CN114595365A (zh) | 2022-03-25 | 2022-03-25 | 一种构建卷烟特征关联性的方法、装置、电子设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210305078.9A CN114595365A (zh) | 2022-03-25 | 2022-03-25 | 一种构建卷烟特征关联性的方法、装置、电子设备及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114595365A true CN114595365A (zh) | 2022-06-07 |
Family
ID=81819573
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210305078.9A Pending CN114595365A (zh) | 2022-03-25 | 2022-03-25 | 一种构建卷烟特征关联性的方法、装置、电子设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114595365A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117035560A (zh) * | 2023-10-09 | 2023-11-10 | 深圳市五轮科技股份有限公司 | 基于大数据的电子烟生产数据管理系统 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113190967A (zh) * | 2021-03-31 | 2021-07-30 | 重庆中烟工业有限责任公司 | 一种基于多目标筛选的细支卷烟材料组配方法 |
-
2022
- 2022-03-25 CN CN202210305078.9A patent/CN114595365A/zh active Pending
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113190967A (zh) * | 2021-03-31 | 2021-07-30 | 重庆中烟工业有限责任公司 | 一种基于多目标筛选的细支卷烟材料组配方法 |
Non-Patent Citations (2)
| Title |
|---|
| 秦亚琼 等: "卷烟叶丝和梗丝主流烟气中挥发性及半挥发性成分差异分析", 《烟草科技》, vol. 52, no. 9, pages 80 - 90 * |
| 雷声 等: "植物蛋白肽美拉德反应中间体与加香卷烟燃吸品质香气风格的相关性", 《食品与机械》, vol. 37, no. 7, pages 33 - 44 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117035560A (zh) * | 2023-10-09 | 2023-11-10 | 深圳市五轮科技股份有限公司 | 基于大数据的电子烟生产数据管理系统 |
| CN117035560B (zh) * | 2023-10-09 | 2024-02-20 | 深圳市五轮科技股份有限公司 | 基于大数据的电子烟生产数据管理系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104931430B (zh) | 一种复烤片烟自然醇化品质评价及模型构建方法 | |
| CN107862456B (zh) | 一种批次烟叶质量综合评价的方法 | |
| CN107796782B (zh) | 基于烟叶特征光谱一致性度量的复烤质量稳定性评价方法 | |
| CN108181263B (zh) | 基于近红外光谱的烟叶部位特征提取及判别方法 | |
| CN102866127A (zh) | 一种基于近红外光谱信息的simca辅助卷烟配方的方法 | |
| CN105445421B (zh) | 一种通过外观指标预测片烟醇化过程中感官质量的方法 | |
| CN103844344A (zh) | 一种调控不同批次卷烟烟丝质量均匀性的方法及其应用 | |
| CN110132880B (zh) | 一种基于近红外光谱的烟叶整体感官质量评价方法 | |
| CN114595365A (zh) | 一种构建卷烟特征关联性的方法、装置、电子设备及介质 | |
| CN111239316A (zh) | 一种基于烟气全化学成分色谱数据的卷烟感官质量分析方法 | |
| CN108845085A (zh) | 一种基于烟叶化学成分预测烟叶香型的方法 | |
| CN106529584A (zh) | 一种烤烟香型和品质判定的智能评价方法 | |
| CN113010848A (zh) | 烤烟外观质量评价数据处理方法、系统、终端、计算机设备 | |
| CN103892435A (zh) | 一种稳定再造烟叶质量的烟末原料的配方方法 | |
| CN109324016A (zh) | 一种复烤片烟香型风格的判定方法 | |
| 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 | |
| CN104680314A (zh) | 一种烟叶风格特征感官评价的方法 | |
| CN117725519A (zh) | 一种基于机器学习的四川烟叶品质评价方法、系统及其应用 | |
| CN105223140A (zh) | 同源物质的快速识别方法 | |
| CN105205333B (zh) | 一种烟叶配方的设计方法 | |
| CN106645530B (zh) | 一种基于烟叶致香成分的多模型评价烟叶原料相似度的方法 | |
| CN114493700A (zh) | 一种基于云计算的加盟平台加盟商数据分析处理系统 | |
| CN102680427A (zh) | 一种应用近红外光谱分析技术鉴别卷烟表香质量的方法 | |
| CN111652516A (zh) | 一种基于配方功效的烟叶基地适用性评价方法 | |
| CN114689746A (zh) | 一种筛选烟草浸膏特征的方法、装置、电子设备及介质 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220607 |
|
| RJ01 | Rejection of invention patent application after publication |