一种片烟品质预测的方法、介质及设备技术

本发明专利技术提供一种片烟品质预测的方法，该方法包括如下步骤：1)获取仪器A的历年近红外光谱数据及其对应的质量评价数据；2)仪器A与复烤加工中心的仪器B分别采集同一批标准样本的近红外光谱，基于该近红外光谱数据，建议仪器A与复烤加工中心仪器B的光谱转化模型；3)根据步骤2)获得光谱转化模型将步骤1),依据转化后近红外光谱数据与步骤1)的质量评价数据建议片烟质量预测模型；4)拟加工的原烟，在仪器B采集相应的近红外光谱，依据步骤3)获得的片烟质量预测模型预测该批次的品质；5)按原烟配方单中的各等级比例，加权计算计划生产的各模块片烟品质预测值；6)对各片烟预测值进行修正，形成最终的品质预测值。成最终的品质预测值。成最终的品质预测值。

【技术实现步骤摘要】
一种片烟品质预测的方法、介质及设备


[0001]本专利技术属于农产品(烟叶)加工领域，具体涉及一种在加工前预测加工后成品(片烟)品质的方法、系统、介质和装备。

技术介绍

[0002]卷烟产品质量是卷烟企业健康发展的基础，而产品质量稳定性主要取决于烟叶原料质量的稳定性。卷烟中的烟丝是由多种片烟模块按比例混合(配方)而成的。每一个片烟模块是将不同产地(一般为不同的市、县、乡)、不同品种、不同等级的烟叶按照一定比例搭配后经打叶复烤加工而成。
[0003]目前，片烟模块的设计与评价依靠配方师工作经验结合感官评价完成，存在2个问题：一是片烟设计与评价所用的各等级原烟均由大批次样本中抽样所得，取样代表性无法保障，且由于工作量问题，无法通过多批取样解决；而是片烟配方设计完成后，经过复烤车间生产加工后生成加工后的片烟，目前通过配方师感官评价完成对片烟品质的评价。如果片烟品质不满足要求或者与预期有较大差异，会造成片烟质量降级及相应的经济损失。
[0004]针对片烟品质评价，已有若干通过化学指标、近红外光谱等技术进行判定的工作基础。近红外光谱对C
‑
H、O
‑
H、N
‑
H等这些含氢基团比较敏感，适合分析天然产物中与这些含氢基团有直接或间接关系的相关成分。烟草中的总糖、还原糖、总植物碱和总氮等主要成分均可通过近红外光谱进行预测，而这些主要化学成分的差异与烟叶品质密切相关，使得利用近红外光谱进行烟叶品质判定具有技术合理性。
[0005]近红外技术在片烟品质预测应用中存在若干个关键问题：一是复烤厂受资源、人才、资金等限制，仅具备数据采集能力，不具备建模、分析能力。二是即便建立模型，模型的预测需基于片烟实物，当出现与预期的品质差异较大的情形，无法挽回因降级造成的经济损失问题。

技术实现思路

[0006]本专利技术提出一种片烟品质预测的方法、系统、介质及装备，目的是在片烟加工前，基于原烟抽样的近红外数据及片烟配方单，通过模型转移算法，对计划生产的片烟质量进行预判：
[0007]为了实现上述专利技术目的，第一方面，本专利技术提供一种片烟品质预测的方法，该方法包括如下步骤：
[0008]1)获取仪器A的历年近红外光谱数据及其对应的质量评价数据；
[0009]2)仪器A与复烤加工中心的仪器B分别采集同一批标准样本的近红外光谱，基于该近红外光谱数据，建议仪器A与复烤加工中心仪器B的光谱转化模型；
[0010]3)根据步骤2)获得光谱转化模型将步骤1)仪器A的近红外光谱数据转化为仪器B的近红外光谱数据，依据转化后近红外光谱数据与步骤1)的质量评价数据建议片烟质量预测模型；
[0011]4)拟加工的原烟，按配方设计进行抽样，并在仪器B采集相应的近红外光谱，依据步骤3)获得的片烟质量预测模型预测该批次的品质；
[0012]5)按原烟配方单中的各等级比例，加权计算计划生产的各模块片烟品质预测值；
[0013]6)对各片烟预测值进行修正，形成最终的品质预测值。
[0014]在一些实施方式中，仪器A为研发中心、技术中心中有多年数据积累的分析仪器。若复烤厂现场仪器满足数据积累要求，则可直接通过仪器B建立模型。
[0015]在一些实施方式中，用分段直接标准化(Piecewise direct standardization，PDS)方法将仪器A光谱转化为仪器B光谱。
[0016]在一些实施方式中，步骤2)获得的近红外光谱进行预处理以降低采样中的散射干扰；处理方式包括一阶导数、二阶导数、矢量归一化、多元信号校正、标准正态校正和光谱平滑中的一种或多种。
[0017]在一些实施方式中，步骤3)中的建模方法为偏最小二乘，采用5折交叉验证，根据交叉验证误差选定模型的潜变量数。
[0018]在一些实施方式中，步骤4)中原烟抽样样本范围要覆盖配方单中涉及的所有产地、等级、品种及其他因素。若对同一产地、等级、品种的烟叶有多个抽样数据，以多个数据的平均光谱进行后续计算。
[0019]在一些实施方式中，步骤5)中的片烟品质预测方法为其中，y为片烟品质预测值。b
h
,y
h
分别为该片烟中所含原烟的比例及原烟品质预测值。
[0020]在一些实施方式中，步骤6)中预测值修正方法为其中y
i
为第i个片烟的预测值，为第i个片烟的评价值，修正的目的是消除仪器间模型转移及片烟
‑
原烟模型预测中的齐次偏差。
[0021]在一些实施方式中，步骤1)中的片烟质量标签的取得包含下列方式：以YC/T 138
‑
1998烟草及烟草制品.感官评价方法、YC/T 530
‑
2015烤烟烟叶质量风格特色感官评价方法或其他国家或地方标准中规定进行评价得出的质量得分；以片烟在卷烟中的应用档次、片烟成本价格等可客观核算的方式给出的质量得分。
[0022]第二方面，本专利技术提供一种介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行前述所述的片烟品质预测方法。
[0023]第三方面，本专利技术提供一种设备，该设备包括处理器及存储器；所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以使所述设备执行前述所述的片烟品质预测方法。
[0024]与现有技术相比，本专利技术具有如下有益效果：
[0025]本专利技术在片烟加工完成前实现了对片烟品质的预测；本方法通过模型转移方式，解决生产车间近红外仪器无预测模型的问题；本专利技术预测获得的品质标签由行业标准评价给出或由片烟在卷烟中的应用档次、片烟成本价格等可客观核算的方式给出。
附图说明
[0026]图1是本专利技术提供的方法流程图；
[0027]图2是本专利技术实施例仪器A的光谱；
[0028]图3是本专利技术实施例中仪器B的光谱；
[0029]图4是本专利技术实施例中仪器A与仪器B的仪器差谱；
[0030]图5是本专利技术实施例仪器A的光谱；
[0031]图6是本专利技术实施例仪器A的光谱转化为仪器B的光谱；
[0032]图7是本专利技术实施例图6转换谱与仪器B的差谱；
[0033]图8是片烟品质预测模型的交叉验证误差曲线；
[0034]图9品质模型回归系数图；
[0035]图10通过原烟预测的品质得分与片烟实际得分对比(校正前)；
[0036]图11通过原烟预测的品质得分与片烟实际得分对比(校正后)。
具体实施方式
[0037]下面将对本专利技术实施例中的技术方案进行清楚、完整地描述，本专利技术的保护范围不受实施例的限制，本专利技术的保护范围由权利要求书决定。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0038]实施例1
[0039]一种片烟品质预测的方法，如图1所示，该方法包括如下步骤：
[004本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种片烟品质预测的方法，其特征在于，该方法包括如下步骤：1)获取仪器A的历年近红外光谱数据及其对应的质量评价数据；2)仪器A与复烤加工中心的仪器B分别采集同一批标准样本的近红外光谱，基于该近红外光谱数据，建议仪器A与复烤加工中心仪器B的光谱转化模型；3)根据步骤2)获得光谱转化模型将步骤1)仪器A的近红外光谱数据转化为仪器B的近红外光谱数据，依据转化后近红外光谱数据与步骤1)的质量评价数据建议片烟质量预测模型；4)拟加工的原烟，按配方设计进行抽样，并在仪器B采集相应的近红外光谱，依据步骤3)获得的片烟质量预测模型预测该批次的品质；5)按原烟配方单中的各等级比例，加权计算计划生产的各模块片烟品质预测值；6)对各片烟预测值进行修正，形成最终的品质预测值。2.根据权利要求1所述的方法，其特征在于，仪器A为研发中心、技术中心中有多年数据积累的分析仪器。3.根据权利要求1所述的方法，其特征在于，用分段直接标准化(Piecewise direct standardization，PDS)方法将仪器A光谱转化为仪器B光谱。4.根据权利要求1所述的方法，其特征在于，步骤2)获得的近红外光谱进行预处理以降低采样中的散射干扰；处理方式包括一阶导数、二阶导数、矢量归一化、多元信号校正、标准正态校正和光谱平滑...

【专利技术属性】
技术研发人员：毕一鸣，郝贤伟，田雨农，戚奇杰，廖付，钟永健，张赵鹏，葛川，吴灵通，王筑临，王辉，郑宏斌，李海峰，夏骏，童神，刘建国，李石头，郭蒙浩，
申请(专利权)人：浙江中烟工业有限责任公司，
类型：发明
国别省市：