CN115205244A - 一种基于动态自学习的卷烟外观质量评估方法 - Google Patents
一种基于动态自学习的卷烟外观质量评估方法 Download PDFInfo
- Publication number
- CN115205244A CN115205244A CN202210822657.0A CN202210822657A CN115205244A CN 115205244 A CN115205244 A CN 115205244A CN 202210822657 A CN202210822657 A CN 202210822657A CN 115205244 A CN115205244 A CN 115205244A
- Authority
- CN
- China
- Prior art keywords
- module
- data
- cigarette
- quality
- method based
- 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 72
- 238000013441 quality evaluation Methods 0.000 title claims abstract description 21
- 238000000034 method Methods 0.000 title claims abstract description 14
- 238000011156 evaluation Methods 0.000 claims abstract description 25
- 241000208125 Nicotiana Species 0.000 claims abstract description 19
- 235000002637 Nicotiana tabacum Nutrition 0.000 claims abstract description 19
- 238000006243 chemical reaction Methods 0.000 claims abstract description 11
- 239000003086 colorant Substances 0.000 claims abstract description 7
- 238000013139 quantization Methods 0.000 claims abstract description 3
- 238000012544 monitoring process Methods 0.000 claims description 26
- 238000007405 data analysis Methods 0.000 claims description 20
- 238000001303 quality assessment method Methods 0.000 claims description 6
- 230000005484 gravity Effects 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 2
- 238000004519 manufacturing process Methods 0.000 abstract description 4
- 238000005516 engineering process Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000005034 decoration Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 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
- G06Q10/06395—Quality analysis or management
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Geometry (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于动态自学习的卷烟外观质量评估方法,包括以下步骤:(1)建立质量评估体系;(2)整合量化指标;(3)提取特征信息,将外观合格的卷烟图像输入至生成器中提取特征信息,输出对应的特征概率图;(4)对比评估,根据卷烟质量指标参数集合,依次对烟叶和烟卷的颜色以及烟卷的形状、湿度、长度和直径进行评估,输出评估结果。该基于动态自学习的卷烟外观质量评估方法利用数据对比模块将数据转换模块后的信息与根据实际设定的质量指标参数信息进行对比,便于及时更新要求数值,从而使得对于卷烟的质量的评估可以随着消费者及市场需求而改变,也可以对于生产线上生产不同种类卷烟的不同要求进行评估。
Description
技术领域
本发明涉及卷烟外观质量评估技术领域,尤其是一种基于动态自学习的卷烟外观质量评估方法。
背景技术
日前烟草行业内对卷烟烟丝质量主要通过整丝率、长丝率、含末率、水分以及卷烟烟丝感官质量等内容进行描述,而对影响卷烟烟丝外观质量的并条烟丝,窗花烟丝,跳片烟丝,连刀烟丝等描述、研究较少,定义不明确。通过对影响卷烟烟丝外观质量的因素进行定义,对烟丝外观质量进行检测,有利于卷烟烟丝外观质量的研究,可以同时解决生产中影响卷烟烟丝质量问题。
但是对于卷烟的质量的评估是随着消费者及市场需求而改变,导致评价的标准并不固定,而且对于生产线上生产不同种类卷烟,要求也不同,不能及时更新要求数值,另外,缺少随机抽取的数据与实时数据进行对比,影响质量评估的严谨性。
发明内容
本发明的目的在于提供一种基于动态自学习的卷烟外观质量评估方法,以解决上述背景技术中提出的问题。
为解决上述问题,本发明提出了一种基于动态自学习的卷烟外观质量评估方法,包括以下步骤:
(1)建立质量评估体系,将卷烟外观合格的实时数据进行稳态识别,建立研究的数据样本,通过样本数据的参数、指标相关性分析,运用统计建模方法得出影响关键质量指标的因素,筛选出关键的评估指标,基于筛选出来的关键评价指标,结合质量指标的影响程度,对其进行客观赋权,建立卷烟外观质量评估体系;
(2)整合量化指标,将卷烟外观合格和不合格的图像进行分类,将这些图像归一化成相同的尺寸大小并命名,对分别收集到的卷烟质量指标和参数进行分类,并对收集到的卷烟质量指标参数的命名进行整合,对质量指标进行量化;
(3)提取特征信息,将外观合格的卷烟图像输入至生成器中提取特征信息,输出对应的特征概率图;
(4)对比评估,根据卷烟质量指标参数集合,依次对烟叶和烟卷的颜色以及烟卷的形状、湿度、长度和直径进行评估,输出评估结果。
进一步的,所述步骤(2)中卷烟外观数据包括烟叶和烟卷的颜色以及烟卷的形状、长度和直径。
进一步的,包括评估系统,所述评估系统包括监控模块、数据采集模块、数据上传模块、数据转换模块、数据对比模块、数据分析模块、数据分享模块、数据库、预警模块、通知模块、中央控制器,
所述监控模块与数据采集模块通过电性连接,所述数据采集模块、数据上传模块、数据转换模块、数据对比模块、数据分析模块按顺序依次通过电性连接,所述数据分析模块分别与数据分享模块、数据库、预警模块、通知模块通过电性直接连接,所述数据分析模块、数据分享模块分别与数据库通过电性直接连接。
进一步的,所述监控模块包括实时监控模块和随机监控模块,所述实时监控模块与预警模块、通知模块通过电性直接连接,所述随机监控模块与数据对比模块、数据分析模块、数据分享模块通过电性直接连接。
进一步的,所述数据采集模块包括图像、图形、颜色、质量、尺寸和湿度数据的采集,设置有摄像头、红外传感器、重力传感器、距离传感器和湿度传感器。
进一步的,所述数据上传模块包括通过数据采集模块采集的被评估的卷烟数据和实时更新设定的质量指标数据。
进一步的,所述数据对比模块将数据转换模块后的信息与根据实际设定的质量指标参数信息进行对比,通过数据分析模块对信息分析后,出现两种情况,一种是符合实际设定的质量指标,可以通过数据分享模块进行分享或上传至数据库,另一种是不符合实际设定的质量指标,通过预警模块和通知模块发出警告并且通过工作人员查验。
本发明的有益效果为:
1、本发明利用数据对比模块将数据转换模块后的信息与根据实际设定的质量指标参数信息进行对比,通过数据分析模块对信息分析后,出现两种情况,一种是符合实际设定的质量指标,可以通过数据分享模块进行分享或上传至数据库,另一种是不符合实际设定的质量指标,通过预警模块和通知模块发出警告并且通过工作人员查验,便于及时更新要求数值,从而使得对于卷烟的质量的评估可以随着消费者及市场需求而改变,也可以对于生产线上生产不同种类卷烟的不同要求进行评估;
2、本发明监控模块包括实时监控模块和随机监控模块,实时监控模块与预警模块、通知模块通过电性直接连接,随机监控模块与数据对比模块、数据分析模块、数据分享模块通过电性直接连接,这样随机抽取的数据与实时数据可以进行对比,从而保证质量评估的严谨性。
附图说明
图1是本发明方法流程图;
图2是本发明系统框图。
具体实施例
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。
如图1和图2所示,本申请提供一种基于动态自学习的卷烟外观质量评估方法,包括评估系统,评估系统包括监控模块、数据采集模块、数据上传模块、数据转换模块、数据对比模块、数据分析模块、数据分享模块、数据库、预警模块、通知模块和中央控制器。
监控模块与数据采集模块通过电性连接,数据采集模块、数据上传模块、数据转换模块、数据对比模块、数据分析模块按顺序依次通过电性连接,数据分析模块分别与数据分享模块、数据库、预警模块、通知模块通过电性直接连接,数据分析模块、数据分享模块分别与数据库通过电性直接连接。
监控模块包括实时监控模块和随机监控模块,实时监控模块与预警模块、通知模块通过电性直接连接,随机监控模块与数据对比模块、数据分析模块、数据分享模块通过电性直接连接。
数据采集模块包括图像、图形、颜色、质量、尺寸和湿度数据的采集,设置有摄像头、红外传感器、重力传感器、距离传感器和湿度传感器。
数据上传模块包括通过数据采集模块采集的被评估的卷烟数据和实时更新设定的质量指标数据。
数据对比模块将数据转换模块后的信息与根据实际设定的质量指标参数信息进行对比,通过数据分析模块对信息分析后,出现两种情况,一种是符合实际设定的质量指标,可以通过数据分享模块进行分享或上传至数据库,另一种是不符合实际设定的质量指标,通过预警模块和通知模块发出警告并且通过工作人员查验。
如图1所示,利用上述的评估系统,提供一种基于动态自学习的卷烟外观质量评估方法,包括以下步骤:
(1)建立质量评估体系,将卷烟外观合格的实时数据进行稳态识别,建立研究的数据样本,此处的实时数据是卷烟外观检测装置按设定的要求,对卷烟进行检测所获得的数据。通过样本数据的参数、指标相关性分析(此处的相并性分析为现常规技术,在此不进行详细的说明),运用统计建模方法得出影响关键质量指标的因素,筛选出关键的评估指标,基于筛选出来的关键评价指标,结合质量指标的影响程度,对其进行客观赋权,建立卷烟外观质量评估体系。
(2)整合量化指标,将卷烟外观合格和不合格的图像进行分类,将这些图像归一化成相同的尺寸大小并命名,对分别收集到的卷烟质量指标和参数进行分类,并对收集到的卷烟质量指标参数的命名进行整合,对质量指标进行量化。
(3)提取特征信息,将外观合格的卷烟图像输入至生成器中提取特征信息,输出对应的特征概率图,此处的特征信息为本技术方案中,能够影响到卷烟外观质量评估体系的关键评价指标。
(4)对比评估,根据卷烟质量指标参数集合,依次对烟叶和烟卷的颜色以及烟卷的形状、湿度、长度和直径进行评估,输出评估结果。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (7)
1.一种基于动态自学习的卷烟外观质量评估方法,其特征在于,包括以下步骤:
(1)建立质量评估体系,将卷烟外观合格的实时数据进行稳态识别,建立研究的数据样本,通过样本数据的参数、指标相关性分析,运用统计建模方法得出影响关键质量指标的因素,筛选出关键的评估指标,基于筛选出来的关键评价指标,结合质量指标的影响程度,对其进行客观赋权,建立卷烟外观质量评估体系;
(2)整合量化指标,将卷烟外观合格和不合格的图像进行分类,将这些图像归一化成相同的尺寸大小并命名,对分别收集到的卷烟质量指标和参数进行分类,并对收集到的卷烟质量指标参数的命名进行整合,对质量指标进行量化;
(3)提取特征信息,将外观合格的卷烟图像输入至生成器中提取特征信息,输出对应的特征概率图;
(4)对比评估,根据卷烟质量指标参数集合,依次对烟叶和烟卷的颜色以及烟卷的形状、湿度、长度和直径进行评估,输出评估结果。
2.根据权利要求1所述的基于动态自学习的卷烟外观质量评估方法,其特征在于:所述步骤(2)中卷烟外观数据包括烟叶和烟卷的颜色以及烟卷的形状、长度和直径。
3.根据权利要求1所述的基于动态自学习的卷烟外观质量评估方法,其特征在于:包括评估系统,所述评估系统包括监控模块、数据采集模块、数据上传模块、数据转换模块、数据对比模块、数据分析模块、数据分享模块、数据库、预警模块、通知模块、中央控制器,
所述监控模块与数据采集模块通过电性连接,所述数据采集模块、数据上传模块、数据转换模块、数据对比模块、数据分析模块按顺序依次通过电性连接,所述数据分析模块分别与数据分享模块、数据库、预警模块、通知模块通过电性直接连接,所述数据分析模块、数据分享模块分别与数据库通过电性直接连接。
4.根据权利要求3所述的基于动态自学习的卷烟外观质量评估方法,其特征在于:所述监控模块包括实时监控模块和随机监控模块,所述实时监控模块与预警模块、通知模块通过电性直接连接,所述随机监控模块与数据对比模块、数据分析模块、数据分享模块通过电性直接连接。
5.根据权利要求3所述的基于动态自学习的卷烟外观质量评估方法,其特征在于:所述数据采集模块包括图像、图形、颜色、质量、尺寸和湿度数据的采集,设置有摄像头、红外传感器、重力传感器、距离传感器和湿度传感器。
6.根据权利要求3所述的基于动态自学习的卷烟外观质量评估方法,其特征在于:所述数据上传模块包括通过数据采集模块采集的被评估的卷烟数据和实时更新设定的质量指标数据。
7.根据权利要求3所述的基于动态自学习的卷烟外观质量评估方法,其特征在于:所述数据对比模块将数据转换模块后的信息与根据实际设定的质量指标参数信息进行对比,通过数据分析模块对信息分析后,出现两种情况,一种是符合实际设定的质量指标,可以通过数据分享模块进行分享或上传至数据库,另一种是不符合实际设定的质量指标,通过预警模块和通知模块发出警告并且通过工作人员查验。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210822657.0A CN115205244A (zh) | 2022-07-12 | 2022-07-12 | 一种基于动态自学习的卷烟外观质量评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210822657.0A CN115205244A (zh) | 2022-07-12 | 2022-07-12 | 一种基于动态自学习的卷烟外观质量评估方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115205244A true CN115205244A (zh) | 2022-10-18 |
Family
ID=83580359
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210822657.0A Pending CN115205244A (zh) | 2022-07-12 | 2022-07-12 | 一种基于动态自学习的卷烟外观质量评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115205244A (zh) |
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 |
CN117124560A (zh) * | 2023-09-28 | 2023-11-28 | 佛山赛和薄膜科技有限公司 | 一种5g通讯用mlcc聚酯基膜的制备方法 |
-
2022
- 2022-07-12 CN CN202210822657.0A patent/CN115205244A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117124560A (zh) * | 2023-09-28 | 2023-11-28 | 佛山赛和薄膜科技有限公司 | 一种5g通讯用mlcc聚酯基膜的制备方法 |
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 |
---|---|---|
CN115205244A (zh) | 一种基于动态自学习的卷烟外观质量评估方法 | |
CN110263846B (zh) | 基于故障数据深度挖掘及学习的故障诊断方法 | |
CN108181263B (zh) | 基于近红外光谱的烟叶部位特征提取及判别方法 | |
CN103278609A (zh) | 一种基于多源感知信息融合的肉品新鲜度检测方法 | |
CN111766253A (zh) | 锡膏印刷品质检测方法、数据处理装置及计算机存储介质 | |
CN101949686A (zh) | 水果内外综合品质在线无损检测方法及装置 | |
CN108960315A (zh) | 一种调理肉制品品质智能评价系统及方法 | |
CN112906481A (zh) | 一种基于无人机实现森林火情检测的方法 | |
CN108875118B (zh) | 一种高炉铁水硅含量预测模型准确度评价方法和设备 | |
CN110020604B (zh) | 一种蔬菜品质检测方法及系统 | |
CN103411906A (zh) | 珍珠粉和贝壳粉的近红外光谱定性鉴别方法 | |
CN111896495A (zh) | 基于深度学习与近红外光谱太平猴魁产地甄别方法及系统 | |
CN113570584A (zh) | 基于图像识别的烟丝结构检测方法 | |
CN105867326A (zh) | 一种成型机工艺质量参数跟踪系统及其跟踪方法 | |
CN115409131A (zh) | 基于spc过程管控系统的生产线异常检测方法 | |
CN116228028A (zh) | 一种塑料箱包的应用性能评估方法及系统 | |
DE102022213606A1 (de) | Verfahren und Vorrichtung zur Anomaliedetektion eines Streichmessers einer Papierherstellungsmaschine und Rechenvorrichtung | |
CN113284004A (zh) | 一种基于孤立森林算法的电力数据诊断的治理方法 | |
CN106940292A (zh) | 基于多光谱成像技术的虫蛀巴旦木原料快速无损鉴别方法 | |
CN109374574A (zh) | 一种利用近红外光谱信息鉴别烤烟烟叶蜡质感的方法 | |
CN115841731A (zh) | 一种红外监测的园区火灾预警方法 | |
CN115308366A (zh) | 一种基于多个感官参数的卷烟质量评分方法 | |
CN106990066B (zh) | 一种鉴别煤炭种类的方法及装置 | |
CN114169903A (zh) | 一种可融合无损检测技术的中药材数字化质控追溯方法 | |
CN110567522A (zh) | 传感器信号量识别在时空大数据分析中的应用方法及系统 |
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 |