CN115931738A - 一种对成品片烟质量稳定性进行评价的方法及评价系统 - Google Patents

一种对成品片烟质量稳定性进行评价的方法及评价系统 Download PDF

Info

Publication number
CN115931738A
CN115931738A CN202310025714.7A CN202310025714A CN115931738A CN 115931738 A CN115931738 A CN 115931738A CN 202310025714 A CN202310025714 A CN 202310025714A CN 115931738 A CN115931738 A CN 115931738A
Authority
CN
China
Prior art keywords
value
color
control group
evaluation
nicotine
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.)
Granted
Application number
CN202310025714.7A
Other languages
English (en)
Other versions
CN115931738B (zh
Inventor
张志成
吴箭
杨泽会
李正莹
张晓兵
黄文勇
李瑞东
彭云发
王昕�
吴灵通
王宇敏
吕小芳
李克强
朱剑波
王丽琼
孟媛
张恺
夏春艳
招云芳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Yunnan Leaf Tobacco Redrying Co ltd
Original Assignee
Yunnan Leaf Tobacco Redrying Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Yunnan Leaf Tobacco Redrying Co ltd filed Critical Yunnan Leaf Tobacco Redrying Co ltd
Priority to CN202310025714.7A priority Critical patent/CN115931738B/zh
Publication of CN115931738A publication Critical patent/CN115931738A/zh
Application granted granted Critical
Publication of CN115931738B publication Critical patent/CN115931738B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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

  • Investigating Or Analysing Materials By Optical Means (AREA)
  • Manufacture Of Tobacco Products (AREA)

Abstract

本发明公开一种对成品片烟质量稳定性进行评价的方法及评价系统，包括如下步骤：建立三维的均质化综合评价函数模型，所述三维是指颜色、化学成分、光谱三个维度；获取待评价原烟样本的烟碱值、糖碱比值、颜色值、光谱值，带入所述三维的均质化综合评价函数模型，可得出均质化评价综合值，所述均质化评价综合值为表征采用该待评价原烟样本制成的成品片烟的质量稳定性。该评价方法解决因烟叶原料质量差异大造成的片烟质量稳定性难以精准评价的问题，使得均质化评价的结果更加精准可靠。本发明所述的评价数据简单易得，操作简单，便于在打叶复烤加工过程中实际应用。

Description

一种对成品片烟质量稳定性进行评价的方法及评价系统
技术领域
本发明涉及打叶复烤加工技术领域，具体涉及一种对成品片烟质量稳定性进行评价的方法及评价系统。
背景技术
产品均质化指的是不同批次产品或同一批次产品不同区段质量趋于一致，也即产品质量具有稳定性。打叶复烤成品片烟的均质化是提升烟叶品质、适应烟叶精细化加工需求重点考虑的问题，也是打叶复烤企业提高烟叶加工质量的重要研究方向之一。
对成品片烟质量稳定性进行评价的方法，或相应的均质化评价体系是研究烟叶产品如何实现均质化的基础，只有精准的均质化评价体系作为依据，才能准确的判断均质化方法是否真正达到了产品均质化的目的。现有技术中，是通过统计烟碱的变异系数来评价成品片烟的质量稳定性，该方法仅从化学成分的单个维度对成品片烟的质量稳定性进行评价。而由于烟叶等级多、批量小的特点，导致烟叶原料质量差异较大，若仅使用单维度指标进行均质化评价，显然难以满足精准且科学的均质化评价需求。
因此，如何提供一种能提供精准进而使得均质化评价的结果更加精准可靠的评价的方法便成为了本领域技术人员急需解决的技术问题。
发明内容
为实现上述目的，本发明提供一种对成品片烟质量稳定性进行评价的方法。具体技术方案如下：
一种对成品片烟质量稳定性进行评价的方法，包括如下步骤：
S1：建立三维的均质化综合评价函数模型，所述三维是指颜色、化学成分、光谱三个维度，包括如下步骤：
S11:采集若干份原烟样本，分别提取每份原烟样本的对应颜色维度的颜色值；
S12:将若干份原烟样本预处理后，分别测量其对应化学成分维度的烟碱值、糖碱比值，同时获取其对应光谱维度的光谱值；
S13:形成四个控制组，为第一至第四控制组，每个控制组均包括多个混配组，每个所述混配组混配有相应比例的若干份原烟样本，控制所述第一控制组内的多个混配组的多个相应的搭配烟碱值大致相同或相同，所述大致相同为多个相应的搭配烟碱值之间相差±2%，控制所述第二控制组内的多个混配组的多个相应的搭配糖碱比值大致相同或相同，所述大致相同为多个相应的搭配糖碱比值之间相差±3%，控制所述第三控制组内的多个混配组的多个相应的搭配颜色值大致相同或相同，所述大致相同为多个相应的搭配颜色值之间相差±2%，控制所述第四控制组内的多个混配组的多个相应的搭配光谱值大致相同或相同，所述大致相同为多个相应的搭配光谱值之间相差±2%；
S14:由专业评吸人员对每个控制组下的每个混配组进行评吸指标的打分，并记录对应评吸指标的得分结果，计算每个控制组下各评吸指标的变异系数；
S15:获取每个控制组下各检测指标值的变异系数，所述检测指标值为烟碱值、糖碱比值、颜色值、光谱值；
S16:通过典型相关性分析方法，分析每个控制组下，各评吸指标的变异系数与各检测指标值的变异系数的相关关系，获取综合评价中各评价指标的权重，所述评价指标为烟碱值、糖碱比值、颜色值、光谱值，形成所述三维的均质化综合评价函数模型：
其中， Z为均质化综合评价值， Cr为颜色值， QN为光谱值， Ni为烟碱值， TS/Ni为糖碱比值, k 1 、k 2 、k 3 、k 4 分别为各评价指标所占权重；
S2：获取待评价原烟样本的烟碱值、糖碱比值、颜色值、光谱值，带入所述三维的均质化综合评价函数模型，可得出均质化评价综合值，所述均质化评价综合值为表征采用该待评价原烟样本制成的成品片烟的质量稳定性。
作为优选，所述步骤S16中，所述典型相关性分析方法包括如下：
两组变量为 X和 Y,其中 X和 Y分别代表各检测指标值的变异系数和各评吸指标的变异系数：
将上面两组变量 X和 Y分别组成两个变量U和V，为典型相关变量，其线性表示为：
首先分别在两组变量X,Y中找出第一对典型相关变量，使其具有最大相关性，然后在两组变量X,Y中找出第二对典型相关变量，使其分别与本组内的第一对典型相关变量不相关，第二对典型相关变量本身具有次大的相关性，重复上述步骤，直到进行到K步，两组变量X,Y的相关系数被提取完为止，可以得到K组变量；
相关系数的计算公式如下：
式中为典型相关变量 U,V的协方差， Var[U]、Var[V]为典型相关变量 U,V的方差；
在约束条件下，使得其取值最大：
Max R(U,V)
S.t. Var[U]=1,Var[V]=1
当约束条件为 S.t. Var[U]=1,Var[V]=1时，约束条件可以化简为：
式中，∑表示 X和 Y的协方差矩阵；
当约束条件为 S.t. Var[U]=1,Var[V]=1时，典型相关系数的计算公式可化简为:
在约束条件 Var[U]=1,Var[V]=1下 ，求解典型相关系数最大，则可使得 R(U,V)达到最大 ；
以第一对典型相关系数为例：求解系数矩阵 t和 h，构造如下拉格朗日函数：
其中，λ和v是拉格朗日乘子, t 1 为变量 U的系数矩阵 ,h 1 为变量 V的系数矩阵；
对做一阶偏导运算：
将上式分别左乘 t 1, h 1 ：
由约束条件 Var(U 1 )=Var(V 1 )=1，上式可解得：
也即λ，ν为所求典型相关系数，由下公式：
可得
由于λ=ν，将此带入中，可得：
另,t1=X , θ=λ2
则，可简化为AX=θX；
求解的特征值，即为λ2，特征向量即为t1；
通过典型相关性分析，获取到的系数矩阵可作为各评价指标的权重系数，即上述各评价指标权重 k 1 、k 2 、k 3 、k 4 。
作为优选，步骤S11中，若干份原烟样本为3批不同产地不同等级的原烟样本，依次为： C产地 B2F、A产地C2F、B产地 X2F；
步骤S13中，每个所述控制组中有3组混配组，每个所述控制组中均采用遗传算法来确定该控制组内的混配组所混配的若干份原烟样本的相应比例，所述遗传算法如下：
每个所述控制组中的每个所述混配组的重量均为2kg，假设A产地C2F、B产地 X2F、C产地 B2F三种等级的搭配比例分别为A、B、C，其单位均为g；
将遗传算法中的目标函数设为:
其中分别为A产地C2F、B产地 X2F、C产地 B2F的烟碱值、糖碱比值、颜色值、光谱值的任一值；
基于每个混配组重2kg、3批不同产地不同等级的原烟样本之和需为2000g，将遗传算法中的约束条件设为：
在每个控制组内，使用遗传算法求解在上述约束条件下，目标函数取得最大值，并且取目标函数值排名前三的3组(A、B、C)值，作为三种不同的搭配比例。
作为优选，步骤S14中，第一控制组的三组混配组为烟碱1、烟碱2和烟碱3，第二控制组的三组混配组为糖碱比1、糖碱比2和糖碱比3，第三控制组的三组混配组为颜色1、颜色2和颜色3，第四控制组的三组混配组为光谱1、光谱2和光谱3，所述评吸指标为香气质、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；
各评吸指标的变异系数，采用如下的标准差与平均值之比的公式得出：
所述步骤S15中，各检测指标值的变异系数的计算如下，定义为标准差与平均值之比：
对各检测指标值的变异系数进行标准化处理；
所述步骤S16中，采用典型相关性分析方法得出 k 1 、k 2 、k 3 、k 4 ，即可得出所述三维的均质化综合评价函数模型。
作为优选，所述步骤S11中，通过图像处理算法分别提取每份原烟样本的对应颜色维度的颜色值，所述图像处理算法如下：
（1）采用型号为GTM-600的图像采集设备采集烟叶样本图像；
（2）对采集后的烟叶图像进行预处理，并进行彩色图像分割，将背景颜色分量置0，提取烟叶部分的RGB、HSV、Lab颜色空间各分量数值和灰度值（R、G、B、H、S、V、L、a、b、gray）；
（3）对提取的各颜色空间值进行PCA投影，提取第一维的载荷矩阵，作为各颜色空间值的权重系数；如各颜色空间值特征值为，其中，R、G、B、H、S、V、L、a、b、gray分别对应，PCA投影算法如下：
对进行中心化，计算的平均值，然后对于所有的样例，都减去对应的均值,得到中心化后的数据；
求的协方差矩阵，其中，是的转置；
对进行特征值分解，
是特征值，是特征向量，最大特征值对应的特征向量为第一维的载荷矩阵；
（4）将中心化后的数据乘以各自对应的权重系数，得出外积
所述外积即为所需的颜色值。
作为优选，所述步骤S12中，获取所述光谱值的方法如下：
步骤一、将原烟样本去梗，切丝磨粉过40目筛，通过近红外光谱仪获取对应的近红外光谱，所述近红外光谱仪型号为Thermo Fisher Antaris Ⅱ；
步骤二、采用投影寻踪法将多维的光谱数据投影到一维空间，获取的一维数据即为光谱值；
所述投影寻踪法如下：将高维数据通过组合，投影至低维子空间，并通过求解优化投影指标函数，寻找能反映原高维数据特征的投影向量，具体如下：
设原烟样本的近红外光谱为n行m列的数据矩阵，记为x1，其中n行代表样本数，m列代表光谱波长点数；
利用投影寻踪法对x1进行投影，投影的计算方法如下：
1)对光谱矩阵x1进行标准化；
其中i为光谱矩阵x1的第i个样本，j为光谱矩阵x1的第j列；
2)随机抽取若干初始投影方向，也即为初始投影向量a(a1,a2,...,am);
3)确定投影目标函数;
其中，为所述初始投影向量，为所述目标函数，为所述初始投影向量的散布特性，为所述初始投影向量的局部密度；
其中，为第i个样本序列的投影特征值，为序列的投影均值；
为任意两个近红外样本投影特征值间的距离，计算公式如下：
;
n为近红外样本光谱x1的行数；
 R为估计局部散点密度的窗宽参数，按宽度内至少包括一个散点的原则选定，其取值与样本数据结构有关，可确定它的合理取值范围为，其中，。
4)求解线性投影的方向转化为下列优化问题：
 5)求解出满足上述公式的投影向量a，即为样本的光谱值。
作为优选，所述步骤S12中，获取所述烟碱值、糖碱比值的方法如下：
通过型号为Thermo Fisher Antaris Ⅱ的近红外光谱仪测量得到所述烟碱值和总糖值后，通过总糖值/烟碱值的计算公式，即可得到糖碱比值。
本发明提供的对成品片烟质量稳定性进行评价的方法，具有如下技术效果：
本发明提供了一种三维的均质化综合评价体系，以颜色、化学成分、光谱三个维度下的指标与烟叶质量相关性进行分析研究，建立一种三维的打叶复烤成品质量的综合评价函数模型，解决因烟叶原料质量差异大造成的片烟质量稳定性难以精准评价的问题，使得均质化评价的结果更加精准可靠。本发明所述的评价数据简单易得，操作简单，便于在打叶复烤加工过程中实际应用。
本发明还提供一种对成品片烟质量稳定性进行评价的评价系统，包括：
颜色值获取模块，所述颜色值获取模块用于提取每份原烟样本的对应颜色维度的颜色值；
烟碱值、糖碱比值获取模块，所述烟碱值、糖碱比值获取模块用于测量每份原烟样本的对应化学成分维度的烟碱值、糖碱比值；
光谱值获取模块，所述光谱值获取模块用于获取每份原烟样本对应光谱维度的光谱值；
三维的均质化综合评价模块，所述三维的均质化综合评价模块包括评吸指标的打分结果输入端，其用于输入由专业评吸人员对样本进行评吸指标的打分结果，该三维的均质化综合评价模块用于建立三维的均质化综合评价函数模型，所述过程如下：
形成四个控制组，为第一至第四控制组，每个控制组均包括多个混配组，每个所述混配组混配有相应比例的若干份原烟样本，控制所述第一控制组内的多个混配组的多个相应的搭配烟碱值大致相同或相同，所述大致相同为多个相应的搭配烟碱值之间相差±2%，控制所述第二控制组内的多个混配组的多个相应的搭配糖碱比值大致相同或相同，所述大致相同为多个相应的搭配糖碱比值之间相差±3%，控制所述第三控制组内的多个混配组的多个相应的搭配颜色值大致相同或相同，所述大致相同为多个相应的搭配颜色值之间相差±2%，控制所述第四控制组内的多个混配组的多个相应的搭配光谱值大致相同或相同，所述大致相同为多个相应的搭配光谱值之间相差±2%；
根据所述评吸指标的打分结果输入端记录对应的评吸指标的得分结果，计算每个控制组下各评吸指标的变异系数；
获取每个控制组下各检测指标值的变异系数，所述检测指标值为烟碱值、糖碱比值、颜色值、光谱值；
通过典型相关性分析方法，分析每个控制组下，各评吸指标的变异系数与各检测指标值的变异系数的相关关系，获取综合评价中各评价指标的权重，所述评价指标为烟碱值、糖碱比值、颜色值、光谱值，形成所述三维的均质化综合评价函数模型：
其中， Z为均质化综合评价值， Cr为颜色值， QN为光谱值， Ni为烟碱值， TS/Ni为糖碱比值, k 1 、k 2 、k 3 、k 4 分别为各评价指标所占权重；
所述颜色值获取模块、所述烟碱值、糖碱比值获取模块和所述光谱值获取模块均电连接至所述三维的均质化综合评价模块，所述颜色值获取模块、所述烟碱值、糖碱比值获取模块和所述光谱值获取模块能够获取待评价原烟样本的烟碱值、糖碱比值、颜色值、光谱值。
作为优选，所述三维的均质化综合评价模块包括评价指标的权重获取子模块，其用于获取综合评价中各评价指标的权重，获取过程如下：
两组变量为 X和 Y,其中 X和 Y分别代表各检测指标值的变异系数和各评吸指标的变异系数：
将上面两组变量 X和 Y分别组成两个变量U和V，为典型相关变量，其线性表示为：
首先分别在两组变量X,Y中找出第一对典型相关变量，使其具有最大相关性，然后在两组变量X,Y中找出第二对典型相关变量，使其分别与本组内的第一对典型相关变量不相关，第二对典型相关变量本身具有次大的相关性，重复上述步骤，直到进行到K步，两组变量X,Y的相关系数被提取完为止，可以得到K组变量；
相关系数的计算公式如下：
式中为典型相关变量 U,V的协方差， Var[U]、Var[V]为典型相关变量 U,V的方差；
在约束条件下，使得其取值最大：
Max R(U,V)
S.t. Var[U]=1,Var[V]=1
当约束条件为 S.t. Var[U]=1,Var[V]=1时，约束条件可以化简为：
式中，∑表示 X和 Y的协方差矩阵；
当约束条件为 S.t. Var[U]=1,Var[V]=1时，典型相关系数的计算公式可化简为:
在约束条件 Var[U]=1,Var[V]=1下 ，求解典型相关系数最大，则可使得 R(U,V)达到最大 ；
以第一对典型相关系数为例：求解系数矩阵 t和 h，构造如下拉格朗日函数：
其中，λ和v是拉格朗日乘子, t 1 为变量 U的系数矩阵 ,h 1 为变量 V的系数矩阵；
对做一阶偏导运算：
将上式分别左乘 t 1, h 1 ：
由约束条件 Var(U 1 )=Var(V 1 )=1，上式可解得：
也即λ，ν为所求典型相关系数，由下公式：
可得
由于λ=ν，将此带入中，可得：
另,t1=X , θ=λ2
则，可简化为AX=θX；
求解的特征值，即为λ2，特征向量即为t1；
通过典型相关性分析，获取到的系数矩阵可作为各评价指标的权重系数，即上述各评价指标权重 k 1 、k 2 、k 3 、k 4 。
作为优选，所述烟碱值、糖碱比值获取模块包括型号为Thermo Fisher AntarisⅡ的近红外光谱仪。
该评价系统具有同上的技术效果。
附图说明
图1为本发明所提供的一种对成品片烟质量稳定性进行评价的方法的流程示意图；
图2为本发明所提供的一种对成品片烟质量稳定性进行评价的评价系统的框图；
图3为第四控制组的不同搭配比例下的目标函数值的分布示意图，其中，横坐标为搭配比例序号，纵坐标为光谱值指标值；
图4为第二控制组的不同搭配比例下的目标函数值的分布示意图，其中，横坐标为搭配比例序号，纵坐标为糖碱比值指标值；
图5为第一控制组的不同搭配比例下的目标函数值的分布示意图，其中，横坐标为搭配比例序号，纵坐标为烟碱值指标值；
图6为第三控制组的不同搭配比例下的目标函数值的分布示意图，其中，横坐标为搭配比例序号，纵坐标为颜色值指标值。
图1-2中附图标记如下：
1颜色值获取模块，2烟碱值、糖碱比值获取模块，3光谱值获取模块，4三维的均质化综合评价模块，5评价指标的权重获取子模块。
具体实施方式
如图1-2所示，图1为本发明所提供的一种对成品片烟质量稳定性进行评价的方法的流程示意图；图2为本发明所提供的一种对成品片烟质量稳定性进行评价的评价系统的框图。
本发明提供一种对成品片烟质量稳定性进行评价的方法，结合图1，其包括如下步骤：
S1：建立三维的均质化综合评价函数模型，所述三维是指颜色、化学成分、光谱三个维度，包括如下步骤：
S11:采集若干份原烟样本，分别提取每份原烟样本的对应颜色维度的颜色值；
S12:将若干份原烟样本预处理后，分别测量其对应化学成分维度的烟碱值、糖碱比值，同时获取其对应光谱维度的光谱值；
S13:形成四个控制组，为第一至第四控制组，每个控制组均包括多个混配组，每个所述混配组混配有相应比例的若干份原烟样本，控制所述第一控制组内的多个混配组的多个相应的搭配烟碱值大致相同或相同，所述大致相同为多个相应的搭配烟碱值之间相差±2%，控制所述第二控制组内的多个混配组的多个相应的搭配糖碱比值大致相同或相同，所述大致相同为多个相应的搭配糖碱比值之间相差±3%，控制所述第三控制组内的多个混配组的多个相应的搭配颜色值大致相同或相同，所述大致相同为多个相应的搭配颜色值之间相差±2%，控制所述第四控制组内的多个混配组的多个相应的搭配光谱值大致相同或相同，所述大致相同为多个相应的搭配光谱值之间相差±2%；
S14:由专业评吸人员对每个控制组下的每个混配组进行评吸指标的打分，并记录对应评吸指标的得分结果，计算每个控制组下各评吸指标的变异系数；
S15:获取每个控制组下各检测指标值的变异系数，所述检测指标值为烟碱值、糖碱比值、颜色值、光谱值；
S16:通过典型相关性分析方法，分析每个控制组下，各评吸指标的变异系数与各检测指标值的变异系数的相关关系，获取综合评价中各评价指标的权重，所述评价指标为烟碱值、糖碱比值、颜色值、光谱值，形成所述三维的均质化综合评价函数模型：
其中， Z为均质化综合评价值， Cr为颜色值， QN为光谱值， Ni为烟碱值， TS/Ni为糖碱比值, k 1 、k 2 、k 3 、k 4 分别为各评价指标所占权重；
S2：获取待评价原烟样本的烟碱值、糖碱比值、颜色值、光谱值，带入所述三维的均质化综合评价函数模型，可得出均质化评价综合值，所述均质化评价综合值为表征采用该待评价原烟样本制成的成品片烟的质量稳定性。
该方法具有如下技术效果：
本发明提供了一种三维的均质化综合评价体系，以颜色、化学成分、光谱三个维度下的指标与烟叶质量相关性进行分析研究，建立一种三维的打叶复烤成品质量的综合评价函数模型，解决因烟叶原料质量差异大造成的片烟质量稳定性难以精准评价的问题，使得均质化评价的结果更加精准可靠。本发明所述的评价数据简单易得，操作简单，便于在打叶复烤加工过程中实际应用。
具体的，所述步骤S16中，所述典型相关性分析方法包括如下：
两组变量为 X和 Y,其中 X和 Y分别代表各检测指标值的变异系数和各评吸指标的变异系数：
将上面两组变量 X和 Y分别组成两个变量U和V，为典型相关变量，其线性表示为：
首先分别在两组变量X,Y中找出第一对典型相关变量，使其具有最大相关性，然后在两组变量X,Y中找出第二对典型相关变量，使其分别与本组内的第一对典型相关变量不相关，第二对典型相关变量本身具有次大的相关性，重复上述步骤，直到进行到K步，两组变量X,Y的相关系数被提取完为止，可以得到K组变量；
相关系数的计算公式如下：
式中为典型相关变量 U,V的协方差， Var[U]、Var[V]为典型相关变量 U,V的方差；
在约束条件下，使得其取值最大：
Max R(U,V)
S.t. Var[U]=1,Var[V]=1
当约束条件为 S.t. Var[U]=1,Var[V]=1时，约束条件可以化简为：
式中，∑表示 X和 Y的协方差矩阵；
当约束条件为 S.t. Var[U]=1,Var[V]=1时，典型相关系数的计算公式可化简为:
在约束条件 Var[U]=1,Var[V]=1下 ，求解典型相关系数最大，则可使得 R(U,V)达到最大 ；
以第一对典型相关系数为例：求解系数矩阵 t和 h，构造如下拉格朗日函数：
其中，λ和v是拉格朗日乘子, t 1 为变量 U的系数矩阵 ,h 1 为变量 V的系数矩阵；
对做一阶偏导运算：
将上式分别左乘 t 1, h 1 ：
由约束条件 Var(U 1 )=Var(V 1 )=1，上式可解得：
也即λ，ν为所求典型相关系数，由下公式：
可得
由于λ=ν，将此带入中，可得：
另,t1=X , θ=λ2
则，可简化为AX=θX；
求解的特征值，即为λ2，特征向量即为t1；
通过典型相关性分析，获取到的系数矩阵可作为各评价指标的权重系数，即上述各评价指标权重 k 1 、k 2 、k 3 、k 4 。
一种具体实施方式中，步骤S11中，若干份原烟样本为3批不同产地不同等级的原烟样本，该不同产地均是位于云南的不同产地，其依次为：云南C产地 B2F、云南A产地C2F、云南B产地 X2F，步骤S11和S12中，获取得各个值如下：
步骤S13中，每个所述控制组中有3组混配组，每个所述控制组中均采用遗传算法来确定该控制组内的混配组所混配的若干份原烟样本的相应比例，所述遗传算法如下：
每个所述控制组中的每个所述混配组的重量均为2kg，假设云南A产地C2F、云南B产地 X2F、云南C产地 B2F三种等级的搭配比例分别为A、B、C，其单位均为g；
将遗传算法中的目标函数设为:
其中分别为云南A产地C2F、云南B产地 X2F、云南C产地 B2F的烟碱值、糖碱比值、颜色值、光谱值的任一值；
基于每个混配组重2kg、3批不同产地不同等级的原烟样本之和需为2000g，将遗传算法中的约束条件设为：
在每个控制组内，使用遗传算法求解在上述约束条件下，目标函数取得最大值，并且取目标函数值排名前三的3组(A、B、C)值，作为三种不同的搭配比例：
对于第四控制组，遗传算法目标函数设为：，约束条件设为：，设置合适的种群规模与迭代次数，得出不同搭配比例下的目标函数值（详见图3）,最终取目标函数值排名前三的3组(A、B、C)值，作为三组混配组的三种不同的搭配比例，如下：
对于第一至第三控制组，依次采用上述遗传算法，得出每个控制组的三组混配组的三种不同的搭配比例，其中，图4为第二控制组的不同搭配比例下的目标函数值，图5为第一控制组的不同搭配比例下的目标函数值，图6为第三控制组的不同搭配比例下的目标函数值；如下：
作为优选，步骤S14中，第一控制组的三组混配组为烟碱1、烟碱2和烟碱3，第二控制组的三组混配组为糖碱比1、糖碱比2和糖碱比3，第三控制组的三组混配组为颜色1、颜色2和颜色3，第四控制组的三组混配组为光谱1、光谱2和光谱3，所述评吸指标为香气质、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，所述评吸指标的打分结果如下：
各评吸指标的变异系数，采用如下的标准差与平均值之比的公式得出：
结果如下：
所述步骤S15中，各检测指标值的变异系数的计算如下，定义为标准差与平均值之比：
结果如下：
对各检测指标值的变异系数进行标准化处理，得出的标准化结果如下：
标准化处理的公式是：（原数据-最小值）/（最大值-最小值），这是本领就技术人员所已知的。
标准化处理方法：
其中，为属性 j上的最大值与最小值，样本在属性 j上的归一化数值为。
所述步骤S16中，采用如上提到的典型相关性分析方法得出的 k 1 、k 2 、k 3 、k 4 如下（具体的计算过程未示出），即可得出所述三维的均质化综合评价函数模型
。
一种具体实施方式中，所述步骤S11中，通过图像处理算法分别提取每份原烟样本的对应颜色维度的颜色值，所述图像处理算法如下：
（1）采用型号为GTM-600的图像采集设备采集烟叶样本图像；该过程中采用的是离线烟叶图像采集设备：烟叶综合测试平台（上海创和亿电子科技发展有限公司，中国），型号为：GTM-600。内置工业相机（FILR，加拿大），1200万全局曝光彩色相机；内置光源（嘉励，中国），打光方式：四周打光并配合顶部打光。拍摄设备为密封状态，保证不受外界光源干扰；
（2）对采集后的烟叶图像进行预处理，并进行彩色图像分割，将背景颜色分量置0，提取烟叶部分的RGB、HSV、Lab颜色空间各分量数值和灰度值（R、G、B、H、S、V、L、a、b、gray）；
（3）对提取的各颜色空间值进行PCA投影，提取第一维的载荷矩阵，作为各颜色空间值的权重系数；如各颜色空间值特征值为，其中，R、G、B、H、S、V、L、a、b、gray分别对应，PCA投影算法如下：
对进行中心化，计算的平均值，然后对于所有的样例，都减去对应的均值,得到中心化后的数据；
求的协方差矩阵，其中，是的转置；
对进行特征值分解，
是特征值，是特征向量，最大特征值对应的特征向量为第一维的载荷矩阵；
（4）将中心化后的数据乘以各自对应的权重系数，得出外积；
所述外积即为所需的颜色值。
一种具体实施方式中，所述步骤S12中，获取所述光谱值的方法如下：
步骤一、将原烟样本去梗，切丝磨粉过40目筛，通过近红外光谱仪获取对应的近红外光谱，所述近红外光谱仪型号为Thermo Fisher Antaris Ⅱ；
步骤二、采用投影寻踪法将多维的光谱数据投影到一维空间，获取的一维数据即为光谱值；
所述投影寻踪法如下：将高维数据通过组合，投影至低维子空间，并通过求解优化投影指标函数，寻找能反映原高维数据特征的投影向量，具体如下：
设原烟样本的近红外光谱为n行m列的数据矩阵，记为x1，其中n行代表样本数，m列代表光谱波长点数；
利用投影寻踪法对x1进行投影，投影的计算方法如下：
1)对光谱矩阵x1进行标准化；
其中i为光谱矩阵x1的第i个样本，j为光谱矩阵x1的第j列；
2)随机抽取若干初始投影方向，也即为初始投影向量a(a1,a2,...,am);
3)确定投影目标函数;
其中，为所述初始投影向量，为所述目标函数，为所述初始投影向量的散布特性，为所述初始投影向量的局部密度；
其中，为第i个样本序列的投影特征值，为序列的投影均值；
为任意两个近红外样本投影特征值间的距离，计算公式如下：
;
n为近红外样本光谱x1的行数；
 R为估计局部散点密度的窗宽参数，按宽度内至少包括一个散点的原则选定，其取值与样本数据结构有关，可确定它的合理取值范围为，其中，。
4)求解线性投影的方向转化为下列优化问题：
 5)求解出满足上述公式的投影向量a，即为样本的光谱值。
一种具体实施方式中，所述步骤S12中，获取所述烟碱值、糖碱比值的方法如下：
通过型号为Thermo Fisher Antaris Ⅱ的近红外光谱仪测量得到所述烟碱值和总糖值后，通过总糖值/烟碱值的计算公式，即可得到糖碱比值。
具体的如下：
测量烟叶烟碱、糖碱比值的方法具体如下：
1.环境条件
（1）避免空调风向直接对准仪器；
（2）操作温度不可超过35℃，每小时温差不要超过2℃，湿度不要超过70%；
（3）无振动和强磁场；
2.样品前处理
片烟样品烘干2小时（原烟样品烘干4小时），保证每批烟叶样品水分一致，烘干后的样品采用烟叶专用粉碎机粉碎，粉碎完后过60目的筛，确保烟叶粉末颗粒大小一致。
3.开机准备(Thermo Fisher Antaris Ⅱ 近红外光谱仪)
（1）打开电脑和仪器，并让仪器预热至少30分钟以上；
（2）记录操作温度和湿度；
4.样品准备
（1）用软毛刷和擦镜纸檫干净标准样品选转杯内表面和光斑窗口，将粉碎到规定范围内颗粒大小的样品粉末装入专用样品选择杯中，厚薄均匀，底部无明显的空隙，无可见光透过，尽量使装样高度一致并保证样品厚度为5mm以上；
（2）用金属盖将粉末压实，确保装样密度一致，并将装好样品的样品旋转杯置于旋转器支架上。
5.数据处理
得到近红外光谱仪测量得到的烟碱、总糖等化学原始值后，通过烟碱值/总糖=糖碱比的计算公式，即可得到糖碱比。
结合图2，本发明还提供一种对成品片烟质量稳定性进行评价的评价系统，包括：
颜色值获取模块1，所述颜色值获取模块1用于提取每份原烟样本的对应颜色维度的颜色值；
烟碱值、糖碱比值获取模块2，所述烟碱值、糖碱比值获取模块2用于测量每份原烟样本的对应化学成分维度的烟碱值、糖碱比值；
光谱值获取模块3，所述光谱值获取模块3用于获取每份原烟样本对应光谱维度的光谱值；
三维的均质化综合评价模块4，所述三维的均质化综合评价模块4包括评吸指标的打分结果输入端，其用于输入由专业评吸人员对样本进行评吸指标的打分结果，该三维的均质化综合评价模块4用于建立三维的均质化综合评价函数模型，所述过程如下：
形成四个控制组，为第一至第四控制组，每个控制组均包括多个混配组，每个所述混配组混配有相应比例的若干份原烟样本，控制所述第一控制组内的多个混配组的多个相应的搭配烟碱值大致相同或相同，所述大致相同为多个相应的搭配烟碱值之间相差±2%，控制所述第二控制组内的多个混配组的多个相应的搭配糖碱比值大致相同或相同，所述大致相同为多个相应的搭配糖碱比值之间相差±3%，控制所述第三控制组内的多个混配组的多个相应的搭配颜色值大致相同或相同，所述大致相同为多个相应的搭配颜色值之间相差±2%，控制所述第四控制组内的多个混配组的多个相应的搭配光谱值大致相同或相同，所述大致相同为多个相应的搭配光谱值之间相差±2%；
根据所述评吸指标的打分结果输入端记录对应的评吸指标的得分结果，计算每个控制组下各评吸指标的变异系数；
获取每个控制组下各检测指标值的变异系数，所述检测指标值为烟碱值、糖碱比值、颜色值、光谱值；
通过典型相关性分析方法，分析每个控制组下，各评吸指标的变异系数与各检测指标值的变异系数的相关关系，获取综合评价中各评价指标的权重，所述评价指标为烟碱值、糖碱比值、颜色值、光谱值，形成所述三维的均质化综合评价函数模型：
其中， Z为均质化综合评价值， Cr为颜色值， QN为光谱值， Ni为烟碱值， TS/Ni为糖碱比值, k 1 、k 2 、k 3 、k 4 分别为各评价指标所占权重；
所述颜色值获取模块1、所述烟碱值、糖碱比值获取模块2和所述光谱值获取模块3均电连接至所述三维的均质化综合评价模块4，所述颜色值获取模块1、所述烟碱值、糖碱比值获取模块2和所述光谱值获取模块3能够获取待评价原烟样本的烟碱值、糖碱比值、颜色值、光谱值。
作为优选，所述三维的均质化综合评价模块4包括评价指标的权重获取子模块5，其用于获取综合评价中各评价指标的权重，获取过程如下：
两组变量为 X和 Y,其中 X和 Y分别代表各检测指标值的变异系数和各评吸指标的变异系数：
将上面两组变量 X和 Y分别组成两个变量U和V，为典型相关变量，其线性表示为：
首先分别在两组变量X,Y中找出第一对典型相关变量，使其具有最大相关性，然后在两组变量X,Y中找出第二对典型相关变量，使其分别与本组内的第一对典型相关变量不相关，第二对典型相关变量本身具有次大的相关性，重复上述步骤，直到进行到K步，两组变量X,Y的相关系数被提取完为止，可以得到K组变量；
相关系数的计算公式如下：
式中为典型相关变量 U,V的协方差， Var[U]、Var[V]为典型相关变量 U,V的方差；
在约束条件下，使得其取值最大：
Max R(U,V)
S.t. Var[U]=1,Var[V]=1
当约束条件为 S.t. Var[U]=1,Var[V]=1时，约束条件可以化简为：
式中，∑表示 X和 Y的协方差矩阵；
当约束条件为 S.t. Var[U]=1,Var[V]=1时，典型相关系数的计算公式可化简为:
在约束条件 Var[U]=1,Var[V]=1下 ，求解典型相关系数最大，则可使得 R(U,V)达到最大 ；
以第一对典型相关系数为例：求解系数矩阵 t和 h，构造如下拉格朗日函数：
其中，λ和v是拉格朗日乘子, t 1 为变量 U的系数矩阵 ,h 1 为变量 V的系数矩阵；
对做一阶偏导运算：
将上式分别左乘 t 1, h 1 ：
由约束条件 Var(U 1 )=Var(V 1 )=1，上式可解得：
也即λ，ν为所求典型相关系数，由下公式：
可得
由于λ=ν，将此带入中，可得：
另,t1=X , θ=λ2
则，可简化为AX=θX；
求解的特征值，即为λ2，特征向量即为t1；
通过典型相关性分析，获取到的系数矩阵可作为各评价指标的权重系数，即上述各评价指标权重 k 1 、k 2 、k 3 、k 4 。
具体的，所述烟碱值、糖碱比值获取模块2包括型号为Thermo Fisher Antaris Ⅱ的近红外光谱仪。
该评价系统具有同上的技术效果。

Claims (10)

1.一种对成品片烟质量稳定性进行评价的方法，其特征在于，包括如下步骤：
S1：建立三维的均质化综合评价函数模型，所述三维是指颜色、化学成分、光谱三个维度，包括如下步骤：
S11:采集若干份原烟样本，分别提取每份原烟样本的对应颜色维度的颜色值；
S12:将若干份原烟样本预处理后，分别测量其对应化学成分维度的烟碱值、糖碱比值，同时获取其对应光谱维度的光谱值；
S13:形成四个控制组，为第一至第四控制组，每个控制组均包括多个混配组，每个所述混配组混配有相应比例的若干份原烟样本，控制所述第一控制组内的多个混配组的多个相应的搭配烟碱值大致相同或相同，所述大致相同为多个相应的搭配烟碱值之间相差±2%，控制所述第二控制组内的多个混配组的多个相应的搭配糖碱比值大致相同或相同，所述大致相同为多个相应的搭配糖碱比值之间相差±3%，控制所述第三控制组内的多个混配组的多个相应的搭配颜色值大致相同或相同，所述大致相同为多个相应的搭配颜色值之间相差±2%，控制所述第四控制组内的多个混配组的多个相应的搭配光谱值大致相同或相同，所述大致相同为多个相应的搭配光谱值之间相差±2%；
S14:由专业评吸人员对每个控制组下的每个混配组进行评吸指标的打分，并记录对应评吸指标的得分结果，计算每个控制组下各评吸指标的变异系数；
S15:获取每个控制组下各检测指标值的变异系数，所述检测指标值为烟碱值、糖碱比值、颜色值、光谱值；
S16:通过典型相关性分析方法，分析每个控制组下，各评吸指标的变异系数与各检测指标值的变异系数的相关关系，获取综合评价中各评价指标的权重，所述评价指标为烟碱值、糖碱比值、颜色值、光谱值，形成所述三维的均质化综合评价函数模型：
其中，Z为均质化综合评价值，Cr为颜色值，QN为光谱值，Ni为烟碱值，TS/Ni为糖碱比值,k 1 、k 2 、k 3 、k 4 分别为各评价指标所占权重；
S2：获取待评价原烟样本的烟碱值、糖碱比值、颜色值、光谱值，带入所述三维的均质化综合评价函数模型，可得出均质化评价综合值，所述均质化评价综合值为表征采用该待评价原烟样本制成的成品片烟的质量稳定性。
2.根据权利要求1所述的对成品片烟质量稳定性进行评价的方法，其特征在于，所述步骤S16中，所述典型相关性分析方法包括如下：
两组变量为X和Y,其中X和Y分别代表各检测指标值的变异系数和各评吸指标的变异系数：
将上面两组变量X和Y分别组成两个变量U和V，为典型相关变量，其线性表示为：
首先分别在两组变量X,Y中找出第一对典型相关变量，使其具有最大相关性，然后在两组变量X,Y中找出第二对典型相关变量，使其分别与本组内的第一对典型相关变量不相关，第二对典型相关变量本身具有次大的相关性，重复上述步骤，直到进行到K步，两组变量X,Y的相关系数被提取完为止，可以得到K组变量；
相关系数的计算公式如下：
式中为典型相关变量U,V的协方差，Var[U]、Var[V]为典型相关变量U, V的方差；
在约束条件下，使得其取值最大：
Max R(U,V)
S.t. Var[U]=1,Var[V]=1
当约束条件为S.t. Var[U]=1,Var[V]=1时，约束条件可以化简为：
式中，∑表示X和Y的协方差矩阵；
当约束条件为S.t. Var[U]=1,Var[V]=1时，典型相关系数的计算公式可化简为:
在约束条件Var[U]=1,Var[V]=1下，求解典型相关系数最大，则可使得R(U,V)达到最大；
以第一对典型相关系数为例：求解系数矩阵t和h，构造如下拉格朗日函数：
其中，λ和v是拉格朗日乘子,t 1 为变量U的系数矩阵,h 1 为变量V的系数矩阵；
对做一阶偏导运算：
将上式分别左乘t 1, h 1 ：
由约束条件Var(U 1 )=Var(V 1 )=1，上式可解得：
也即λ，ν为所求典型相关系数，由下公式：
可得
由于λ=ν，将此带入中，可得：
另,t1=X , θ=λ2
则，可简化为AX=θX；
求解的特征值，即为λ2，特征向量即为t1；
通过典型相关性分析，获取到的系数矩阵可作为各评价指标的权重系数，即上述各评价指标权重k 1 、k 2 、k 3 、k 4 。
3.根据权利要求2所述的对成品片烟质量稳定性进行评价的方法，其特征在于，步骤S11中，若干份原烟样本为3批不同产地不同等级的原烟样本，依次为： C产地 B2F、A产地C2F、B产地 X2F；
步骤S13中，每个所述控制组中有3组混配组，每个所述控制组中均采用遗传算法来确定该控制组内的混配组所混配的若干份原烟样本的相应比例，所述遗传算法如下：
每个所述控制组中的每个所述混配组的重量均为2kg，假设A产地C2F、B产地 X2F、C产地 B2F三种等级的搭配比例分别为A、B、C，其单位均为g；
将遗传算法中的目标函数设为:
其中分别为A产地C2F、B产地 X2F、C产地 B2F的烟碱值、糖碱比值、颜色值、光谱值的任一值；
基于每个混配组重2kg、3批不同产地不同等级的原烟样本之和需为2000g，将遗传算法中的约束条件设为：
在每个控制组内，使用遗传算法求解在上述约束条件下，目标函数取得最大值，并且取目标函数值排名前三的3组(A、B、C)值，作为三种不同的搭配比例。
4.根据权利要求3所述的对成品片烟质量稳定性进行评价的方法，其特征在于，步骤S14中，第一控制组的三组混配组为烟碱1、烟碱2和烟碱3，第二控制组的三组混配组为糖碱比1、糖碱比2和糖碱比3，第三控制组的三组混配组为颜色1、颜色2和颜色3，第四控制组的三组混配组为光谱1、光谱2和光谱3，所述评吸指标为香气质、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；
各评吸指标的变异系数，采用如下的标准差与平均值之比的公式得出：
所述步骤S15中，各检测指标值的变异系数的计算如下，定义为标准差与平均值之比：
对各检测指标值的变异系数进行标准化处理；
所述步骤S16中，采用典型相关性分析方法得出k 1 、k 2 、k 3 、k 4 ，即可得出所述三维的均质化综合评价函数模型。
5.根据权利要求1-4任一项所述的对成品片烟质量稳定性进行评价的方法，其特征在于，所述步骤S11中，通过图像处理算法分别提取每份原烟样本的对应颜色维度的颜色值，所述图像处理算法如下：
（1）采用型号为GTM-600的图像采集设备采集烟叶样本图像；
（2）对采集后的烟叶图像进行预处理，并进行彩色图像分割，将背景颜色分量置0，提取烟叶部分的RGB、HSV、Lab颜色空间各分量数值和灰度值（R、G、B、H、S、V、L、a、b、gray）；
（3）对提取的各颜色空间值进行PCA投影，提取第一维的载荷矩阵，作为各颜色空间值的权重系数；如各颜色空间值特征值为，其中，R、G、B、H、S、V、L、a、b、gray分别对应，PCA投影算法如下：
对进行中心化，计算的平均值，然后对于所有的样例，都减去对应的均值,得到中心化后的数据；
求的协方差矩阵，其中，是的转置；
对进行特征值分解，
是特征值，是特征向量，最大特征值对应的特征向量为第一维的载荷矩阵；
（4）将中心化后的数据乘以各自对应的权重系数，得出外积
所述外积即为所需的颜色值。
6.根据权利要求5所述的对成品片烟质量稳定性进行评价的方法，其特征在于，所述步骤S12中，获取所述光谱值的方法如下：
步骤一、将原烟样本去梗，切丝磨粉过40目筛，通过近红外光谱仪获取对应的近红外光谱，所述近红外光谱仪型号为Thermo Fisher Antaris Ⅱ；
步骤二、采用投影寻踪法将多维的光谱数据投影到一维空间，获取的一维数据即为光谱值；
所述投影寻踪法如下：将高维数据通过组合，投影至低维子空间，并通过求解优化投影指标函数，寻找能反映原高维数据特征的投影向量，具体如下：
设原烟样本的近红外光谱为n行m列的数据矩阵，记为x1，其中n行代表样本数，m列代表光谱波长点数；
利用投影寻踪法对x1进行投影，投影的计算方法如下：
1)对光谱矩阵x1进行标准化；
其中i为光谱矩阵x1的第i个样本，j为光谱矩阵x1的第j列；
2)随机抽取若干初始投影方向，也即为初始投影向量a(a1,a2,...,am);
3)确定投影目标函数;
其中，为所述初始投影向量，为所述目标函数，为所述初始投影向量的散布特性，为所述初始投影向量的局部密度；
其中，为第i个样本序列的投影特征值，为序列的投影均值；
为任意两个近红外样本投影特征值间的距离，计算公式如下：
n为近红外样本光谱x1的行数；
R为估计局部散点密度的窗宽参数，按宽度内至少包括一个散点的原则选定，其取值与样本数据结构有关，可确定它的合理取值范围为，其中，；
4)求解线性投影的方向转化为下列优化问题：
5)求解出满足上述公式的投影向量a，即为样本的光谱值。
7.根据权利要求1所述的对成品片烟质量稳定性进行评价的方法，其特征在于，所述步骤S12中，获取所述烟碱值、糖碱比值的方法如下：
通过型号为Thermo Fisher Antaris Ⅱ的近红外光谱仪测量得到所述烟碱值和总糖值后，通过总糖值/烟碱值的计算公式，即可得到糖碱比值。
8.一种对成品片烟质量稳定性进行评价的评价系统，其特征在于，包括：
颜色值获取模块，所述颜色值获取模块用于提取每份原烟样本的对应颜色维度的颜色值；
烟碱值、糖碱比值获取模块，所述烟碱值、糖碱比值获取模块用于测量每份原烟样本的对应化学成分维度的烟碱值、糖碱比值；
光谱值获取模块，所述光谱值获取模块用于获取每份原烟样本对应光谱维度的光谱值；
三维的均质化综合评价模块，所述三维的均质化综合评价模块包括评吸指标的打分结果输入端，其用于输入由专业评吸人员对样本进行评吸指标的打分结果，该三维的均质化综合评价模块用于建立三维的均质化综合评价函数模型，所述过程如下：
形成四个控制组，为第一至第四控制组，每个控制组均包括多个混配组，每个所述混配组混配有相应比例的若干份原烟样本，控制所述第一控制组内的多个混配组的多个相应的搭配烟碱值大致相同或相同，所述大致相同为多个相应的搭配烟碱值之间相差±2%，控制所述第二控制组内的多个混配组的多个相应的搭配糖碱比值大致相同或相同，所述大致相同为多个相应的搭配糖碱比值之间相差±3%，控制所述第三控制组内的多个混配组的多个相应的搭配颜色值大致相同或相同，所述大致相同为多个相应的搭配颜色值之间相差±2%，控制所述第四控制组内的多个混配组的多个相应的搭配光谱值大致相同或相同，所述大致相同为多个相应的搭配光谱值之间相差±2%；
根据所述评吸指标的打分结果输入端记录对应的评吸指标的得分结果，计算每个控制组下各评吸指标的变异系数；
获取每个控制组下各检测指标值的变异系数，所述检测指标值为烟碱值、糖碱比值、颜色值、光谱值；
通过典型相关性分析方法，分析每个控制组下，各评吸指标的变异系数与各检测指标值的变异系数的相关关系，获取综合评价中各评价指标的权重，所述评价指标为烟碱值、糖碱比值、颜色值、光谱值，形成所述三维的均质化综合评价函数模型：
其中，Z为均质化综合评价值，Cr为颜色值，QN为光谱值，Ni为烟碱值，TS/Ni为糖碱比值,k 1 、k 2 、k 3 、k 4 分别为各评价指标所占权重；
所述颜色值获取模块、所述烟碱值、糖碱比值获取模块和所述光谱值获取模块均电连接至所述三维的均质化综合评价模块，所述颜色值获取模块、所述烟碱值、糖碱比值获取模块和所述光谱值获取模块能够获取待评价原烟样本的烟碱值、糖碱比值、颜色值、光谱值。
9.根据权利要求8所述的对成品片烟质量稳定性进行评价的评价系统，其特征在于，所述三维的均质化综合评价模块包括评价指标的权重获取子模块，其用于获取综合评价中各评价指标的权重，获取过程如下：
两组变量为X和Y,其中X和Y分别代表各检测指标值的变异系数和各评吸指标的变异系数：
将上面两组变量X和Y分别组成两个变量U和V，为典型相关变量，其线性表示为：
首先分别在两组变量X,Y中找出第一对典型相关变量，使其具有最大相关性，然后在两组变量X,Y中找出第二对典型相关变量，使其分别与本组内的第一对典型相关变量不相关，第二对典型相关变量本身具有次大的相关性，重复上述步骤，直到进行到K步，两组变量X,Y的相关系数被提取完为止，可以得到K组变量；
相关系数的计算公式如下：
式中为典型相关变量U,V的协方差，Var[U]、Var[V]为典型相关变量U, V的方差；
在约束条件下，使得其取值最大：
Max R(U,V)
S.t. Var[U]=1,Var[V]=1
当约束条件为S.t. Var[U]=1,Var[V]=1时，约束条件可以化简为：
式中，∑表示X和Y的协方差矩阵；
当约束条件为S.t. Var[U]=1,Var[V]=1时，典型相关系数的计算公式可化简为:
在约束条件Var[U]=1,Var[V]=1下，求解典型相关系数最大，则可使得R(U,V)达到最大；
以第一对典型相关系数为例：求解系数矩阵t和h，构造如下拉格朗日函数：
其中，λ和v是拉格朗日乘子,t 1 为变量U的系数矩阵,h 1 为变量V的系数矩阵；
对做一阶偏导运算：
将上式分别左乘t 1, h 1 ：
由约束条件Var(U 1 )=Var(V 1 )=1，上式可解得：
也即λ，ν为所求典型相关系数，由下公式：
可得
由于λ=ν，将此带入中，可得：
另,t1=X , θ=λ2
则，可简化为AX=θX；
求解的特征值，即为λ2，特征向量即为t1；
通过典型相关性分析，获取到的系数矩阵可作为各评价指标的权重系数，即上述各评价指标权重k 1 、k 2 、k 3 、k 4 。
10.根据权利要求8所述的对成品片烟质量稳定性进行评价的评价系统，其特征在于，所述烟碱值、糖碱比值获取模块包括型号为Thermo Fisher Antaris Ⅱ的近红外光谱仪。
CN202310025714.7A 2023-01-09 2023-01-09 一种对成品片烟质量稳定性进行评价的方法及评价系统 Active CN115931738B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310025714.7A CN115931738B (zh) 2023-01-09 2023-01-09 一种对成品片烟质量稳定性进行评价的方法及评价系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310025714.7A CN115931738B (zh) 2023-01-09 2023-01-09 一种对成品片烟质量稳定性进行评价的方法及评价系统

Publications (2)

Publication Number Publication Date
CN115931738A true CN115931738A (zh) 2023-04-07
CN115931738B CN115931738B (zh) 2023-05-26

Family

ID=85835603

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310025714.7A Active CN115931738B (zh) 2023-01-09 2023-01-09 一种对成品片烟质量稳定性进行评价的方法及评价系统

Country Status (1)

Country Link
CN (1) CN115931738B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117273070A (zh) * 2023-11-16 2023-12-22 云南烟叶复烤有限责任公司 一种基于孪生卷积自编码器构建的光谱模型转移方法

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011107121A (ja) * 2009-10-23 2011-06-02 Fuji Electric Systems Co Ltd 色空間判別条件生成装置及び画像検査装置
CN103034874A (zh) * 2011-09-29 2013-04-10 上海中医药大学 基于中医望诊的面部光泽分析方法
CN104063599A (zh) * 2014-06-26 2014-09-24 江苏中烟工业有限责任公司 一种用于评价烟叶质量的指标筛选及处理方法
CN104713835A (zh) * 2015-03-25 2015-06-17 上海烟草集团有限责任公司 一种烟叶颜色在线数值化识别方法
CN104931430A (zh) * 2015-06-26 2015-09-23 云南省烟草烟叶公司 一种复烤片烟自然醇化品质评价及模型构建方法
CN105686045A (zh) * 2016-03-10 2016-06-22 云南烟叶复烤有限责任公司 一种根据时间空间区域取样的烟叶复烤均质化加工方法
CN109100321A (zh) * 2018-09-06 2018-12-28 云南中烟工业有限责任公司 一种卷烟叶组配方维护方法
CN111007018A (zh) * 2019-12-18 2020-04-14 湖北久之洋红外系统股份有限公司 一种用于光谱气体检测的背景估计方法及系统
CN111157462A (zh) * 2020-01-16 2020-05-15 广东中烟工业有限责任公司 一种成品片烟箱间质量稳定程度的评价方法
CN112384891A (zh) * 2018-05-01 2021-02-19 联邦科学与工业研究组织 用于点云着色的方法和系统
WO2021206333A1 (ko) * 2020-04-11 2021-10-14 엘지전자 주식회사 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
CN115494008A (zh) * 2022-09-20 2022-12-20 云南省烟草烟叶公司 近红外光谱仪与机器视觉结合的烟叶质量检测方法及系统

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011107121A (ja) * 2009-10-23 2011-06-02 Fuji Electric Systems Co Ltd 色空間判別条件生成装置及び画像検査装置
CN103034874A (zh) * 2011-09-29 2013-04-10 上海中医药大学 基于中医望诊的面部光泽分析方法
CN104063599A (zh) * 2014-06-26 2014-09-24 江苏中烟工业有限责任公司 一种用于评价烟叶质量的指标筛选及处理方法
CN104713835A (zh) * 2015-03-25 2015-06-17 上海烟草集团有限责任公司 一种烟叶颜色在线数值化识别方法
CN104931430A (zh) * 2015-06-26 2015-09-23 云南省烟草烟叶公司 一种复烤片烟自然醇化品质评价及模型构建方法
CN105686045A (zh) * 2016-03-10 2016-06-22 云南烟叶复烤有限责任公司 一种根据时间空间区域取样的烟叶复烤均质化加工方法
CN112384891A (zh) * 2018-05-01 2021-02-19 联邦科学与工业研究组织 用于点云着色的方法和系统
CN109100321A (zh) * 2018-09-06 2018-12-28 云南中烟工业有限责任公司 一种卷烟叶组配方维护方法
CN111007018A (zh) * 2019-12-18 2020-04-14 湖北久之洋红外系统股份有限公司 一种用于光谱气体检测的背景估计方法及系统
CN111157462A (zh) * 2020-01-16 2020-05-15 广东中烟工业有限责任公司 一种成品片烟箱间质量稳定程度的评价方法
WO2021206333A1 (ko) * 2020-04-11 2021-10-14 엘지전자 주식회사 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
CN115494008A (zh) * 2022-09-20 2022-12-20 云南省烟草烟叶公司 近红外光谱仪与机器视觉结合的烟叶质量检测方法及系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
XIAOHE SHENG 等: "Exploration on homogenization of threshing and redrying products in qujing cigarette factory", J.PHYS.:CONF.SER. *
张海涛: "基于多约束信息融合的深度图超分辨烟碱", 中国博士学位论文全文数据库 *
王戈 等: "基于配方原料均匀性的打叶复烤均质化调控策略选择", 烟草科技 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117273070A (zh) * 2023-11-16 2023-12-22 云南烟叶复烤有限责任公司 一种基于孪生卷积自编码器构建的光谱模型转移方法
CN117273070B (zh) * 2023-11-16 2024-02-02 云南烟叶复烤有限责任公司 一种基于孪生卷积自编码器构建的光谱模型转移方法

Also Published As

Publication number Publication date
CN115931738B (zh) 2023-05-26

Similar Documents

Publication Publication Date Title
CN105928901B (zh) 一种定性定量相结合的近红外定量模型构建方法
CN110411957B (zh) 水果货架期及新鲜程度的无损快速预测方法及装置
CN101961360B (zh) 三七的近红外光谱鉴别方法
CN109100321A (zh) 一种卷烟叶组配方维护方法
CN110542658A (zh) 一种基于高光谱成像技术的烟草非烟物质分类方法
CN115931738A (zh) 一种对成品片烟质量稳定性进行评价的方法及评价系统
CN109409350B (zh) 一种基于pca建模反馈式载荷加权的波长选择方法
CN101995388A (zh) 烟草近红外质量控制分析方法及系统
CN110132880B (zh) 一种基于近红外光谱的烟叶整体感官质量评价方法
CN111721715A (zh) 一种基于色度值结合熵权法的烟丝掺配均匀度测定方法
Marcelo et al. Fast inline tobacco classification by near-infrared hyperspectral imaging and support vector machine-discriminant analysis
CN109324016A (zh) 一种复烤片烟香型风格的判定方法
CN108414471B (zh) 一种基于近红外光谱与感官评吸互信息判别感官表征信息的方法
CN112801300A (zh) 预测烟草样品香气量的方法、装置和计算机可读取介质
CN105717066A (zh) 一种基于加权相关系数的近红外光谱识别模型
CN113030008B (zh) 一种蒲黄炭炮制品的近红外在线质量检测方法
CN114563532B (zh) 一种烟叶醇化特性及质量一致性分析方法
Feng et al. Nondestructive quality assessment and maturity classification of loquats based on hyperspectral imaging
CN112129726B (zh) 烟支梗丝均匀性的评价方法、系统、介质及设备
CN111543668B (zh) 一种打叶复烤配方模块的设计方法
CN114324215A (zh) 一种柠檬叶片叶绿素含量及其二维分布检测方法
CN110108661B (zh) 一种模糊极大熵聚类的茶叶近红外光谱分类方法
CN111595802A (zh) 一种基于nir光谱的忧遁草种源地分类模型的构建方法及应用
CN117554326A (zh) 一种基于近红外光谱的样本识别方法
CN116725217A (zh) 一种烟叶外观与生化表征多指标打叶复烤均质化加工方法

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
GR01 Patent grant
GR01 Patent grant