一种打叶复烤均质化评价方法、系统、存储器及电子设备与流程

本发明涉及烟草生产工艺，更具体地，涉及一种打叶复烤均质化评价方法、系统、存储器及电子设备。

背景技术：

1、打叶复烤是烟叶原料加工中一项重要工艺过程，其主要作用是将原烟中烟梗与叶片分离，同时对不同等级原料进行均质化组配，形成片烟模块。片烟模块的质量稳定密切影响后续使用过程中的感官质量。众所周知，卷烟感官质量是卷烟产品的核心质量要求，直接决定了卷烟的品质特征。在实际卷烟产品设计中，质量风格的稳定直接关系到卷烟品牌的长期健康发展。因此如何保证打叶复烤过程中加工过程及出料的均质化就成为评价打叶复烤效果的重要指标之一。由于打叶复烤加工过程复杂、工艺路线长，涉及铺叶投料、一润、二润、除杂、打叶、风分、复烤等一系列工艺过程。过长的工艺路线导致出料配比及叶片结构在加工过程中出现波动。这对片烟模块的质量稳定造成严重影响。

2、传统的打叶复烤质量均质化评价方式是：1.通过离线间隔取样；2.测定不用样品的理化指标及感官指标；3.计算各指标的变异系数。然而这种方式存在以下问题：一是取样代表性差，取样间隔过大，同时无法实时判断均质化水平或无法实时预警；二是离线人工检测工作量大、效率低；三是均质化评价指标单一，难以对配方的稳定性和结构的稳定性做出多维度的评价；四是现有的评价方式多为事后评价，对加工过程参数的及时调整没有指导性等。

3、因此，如何提供一种打叶复烤均质化评价方法、系统、存储器及电子设备成为本领域亟需解决的技术难题。

技术实现思路

1、本发明的目的是提供一种打叶复烤均质化评价方法、系统、存储器及电子设备。

2、本发明第一方面公开了一种打叶复烤均质化评价方法，所述方法包括：

3、步骤s1、根据原烟品种、等级、年份和产地的信息，对待评价的工段的烟叶进行分类，并分别采集其高光谱数据；

4、步骤s2、将所述高光谱数据进行滤波降噪、平滑和差分预处理，然后与烟叶的分类信息结合，形成分类算法训练集；

5、步骤s3、应用所述分类算法训练集对分类模型进行训练；

6、步骤s4、在待评价工段出料口进行在线高光谱数据采集，得到数据集；

7、步骤s5、将所述数据集中可见光区波段进行灰度处理，然后通过图形图像处理对灰度后图像进行边缘识别，确定不同烟叶区块坐标并计算各区块面积；然后按照设定范围，统计得到第i次监测各面积区间的占比；

8、步骤s6、根据不同区块坐标，将训练后的分类模型应用于各区块的高光谱近红外波段数据，计算各区块烟叶的类型，并按照分类统计各类型烟叶所占比例；

9、步骤s7、应用所述烟叶所占比例或者监测各面积区间的占比，计算叶片结构和原烟掺配复杂性指数；

10、步骤s8、应用所述叶片结构和原烟掺配复杂性指数，计算打叶复烤过程中原烟掺配及出料混合均匀性指数，即单次均质化评价指标；

11、步骤s9、在待评价工段出料口进行多次在线高光谱数据采集，应用每次采集的单次均质化评价指标的均值和标准差，计算整体均质化结果。

12、根据本发明第一方面的方法，在所述步骤s1中，所述待评价的工段包括：混配出料口、润叶出料口、打叶出料口及复烤出料口等单一工段或任意组合。

13、根据本发明第一方面的方法，在所述步骤s1中，所述高光谱数据的波段范围为：400nm-2500nm，即可见光波段和近红外波段；

14、采集方式为：采用逐点采集，点集宽度为1μm-100μm；

15、采集视窗大小为：0.2m2-1.0m2或烟叶实际面积；

16、采集频率为10秒-10分钟每次。

17、根据本发明第一方面的方法，在所述步骤s1中，采集时需将样品无堆叠平铺于高光谱的采集视窗范围内。

18、根据本发明第一方面的方法，在所述步骤s7中，所述应用所述烟叶所占比例或者监测各面积区间的占比，计算叶片结构和原烟掺配复杂性指数的方法包括：

19、

20、其中，hi为叶片结构和原烟掺配复杂性指数，n指分类的总数，mi,k指第k个分类在第i次监测时所占比，即烟叶所占比例或者监测各面积区间的占比。

21、根据本发明第一方面的方法，在所述步骤s8中，所述应用所述叶片结构和原烟掺配复杂性指数，计算打叶复烤过程中原烟掺配及出料混合均匀性指数的方法包括：

22、

23、其中，ei为原烟掺配及出料混合均匀性指数，hi为叶片结构和原烟掺配复杂性指数，n指分类的总数。

24、根据本发明第一方面的方法，在所述步骤s9中，所述应用每次采集的单次均质化评价指标的均值和标准差，计算整体均质化结果的方法包括：

25、

26、其中，cve是整体均质化结果，和se分别是每次采集的单次均质化评价指标的均值和标准差。

27、本发明第二方面公开了一种打叶复烤均质化评价系统，所述系统包括：

28、第一处理模块，被配置为，根据原烟品种、等级、年份和产地的信息，对待评价的工段的烟叶进行分类，并分别采集其高光谱数据；

29、第二处理模块，被配置为，将所述高光谱数据进行滤波降噪、平滑和差分预处理，然后与烟叶的分类信息结合，形成分类算法训练集；

30、第三处理模块，被配置为，应用所述分类算法训练集对分类模型进行训练；

31、第四处理模块，被配置为，在待评价工段出料口进行在线高光谱数据采集，得数据集；

32、第五处理模块，被配置为，将所述数据集中可见光区波段进行灰度处理，然后通过图形图像处理对灰度后图像进行边缘识别，确定不同烟叶区块坐标并计算各区块面积；然后按照设定范围，统计得到第i次监测各面积区间的占比；

33、第六处理模块，被配置为，根据不同区块坐标，将训练后的分类模型应用于各区块的高光谱近红外波段数据，计算各区块烟叶的类型，并按照分类统计各类型烟叶所占比例；

34、第七处理模块，被配置为，应用所述烟叶所占比例或者监测各面积区间的占比，计算叶片结构和原烟掺配复杂性指数；

35、第八处理模块，被配置为，应用所述叶片结构和原烟掺配复杂性指数，计算打叶复烤过程中原烟掺配及出料混合均匀性指数，即单次均质化评价指标；

36、第九处理模块，被配置为，在待评价工段出料口进行多次在线高光谱数据采集，应用每次采集的单次均质化评价指标的均值和标准差，计算整体均质化结果。

37、本发明第三方面公开了一种电子设备。电子设备包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时，实现本公开第一方面中任一项的一种打叶复烤均质化评价方法中的步骤。

38、本发明第四方面公开了一种计算机可读存储器。计算机可读存储器上存储有计算机程序，计算机程序被处理器执行时，实现本公开第一方面中任一项的一种打叶复烤均质化评价方法中的步骤。

39、根据本发明公开的技术内容，具有如下有益效果：

40、(1)实时、在线监测方式，很好解决了传统采样方式代表性差、工作量大、效率低等问题。

41、(2)针对打叶复烤过程掺配分类算法，打破了传统方式难以精确掌握过程配料比例及结构信息等难题。

42、(3)更科学的均质化计算方法，有效评估了打叶复烤过程的混配均匀性指标，保障了打叶复烤产品的质量稳定。

43、通过以下参照附图对本发明的示例性实施例的详细描述，本发明的其它特征及其优点将会变得清楚。