一种卷烟燃烧质量指标重要性评价综合分析方法技术

本发明专利技术公开一种卷烟燃烧质量指标重要性评价综合分析方法，其包括如下步骤：S1、卷烟燃烧质量指标数据采集；S2、卷烟燃烧质量指标数据去奇异化；S3、卷烟数据标准化；S4、卷烟燃烧质量综合度量。针对卷烟燃烧质量指标重要性评价问题，本发明专利技术提出的卷烟燃烧质量指标重要性评价综合分析方法，能够通过奇异检测方法保持样本分布能够更准确地反应普遍规律，并从多角度出发对卷烟燃烧质量各指标和卷烟性能进行关联分析，最终融合成综合度量值，能够更加完备和稳定地得到指标重要性排序与权重。备和稳定地得到指标重要性排序与权重。备和稳定地得到指标重要性排序与权重。

【技术实现步骤摘要】
一种卷烟燃烧质量指标重要性评价综合分析方法


[0001]本专利技术涉及卷烟燃烧质量指标重要性分析领域，具体设计一种卷烟燃烧质量 指标重要性综合分析方法。

技术介绍

[0002]随着烟草行业的迅速发展与经济水平的提升，烟草产品朝向多样化、高质量 化方向发展。电子烟的出现一定程度上减少了传统纸卷烟消费，但仍然不能替代 传统纸卷烟，因此传统卷烟时长需求长期充分存在，但同时消费者对于卷烟各方 面质量要求也更加严格而详细。
[0003]消费者对于烟支的评价主要从视觉、嗅觉出发，视觉占较大比重。消费者在 吸烟过程中可以观察到的卷烟性能体现有很多方面，如烟灰、裂口、炭线等部分， 而每个部分也有若干个衡量指征可供分析，如颜色、形态等等。但是众多指标的 存在，导致各质量指标重要性客观的评判标准。随着数据科学领域的发展，通过 数据挖掘技术对卷烟各指征进行联合解析成为一个新的可深入研究方向。
[0004]为了解决以上问题，提出本专利技术。

技术实现思路

[0005]为了推进数据挖掘在卷烟燃烧评价的应用，本专利技术提供一种卷烟燃烧质量指 标重要性评价综合分析方法，分析流程包括卷烟样本离群检测和卷烟燃烧指标度 量分析两个部分，其中：
[0006]卷烟样本离群检测是通过孤立森林方法判别密度低的且离高密度群体较远 的样本点，旨在提供离群样本参考，在对数据分布有较高要求的情况下可以考虑 合理剔除过远样本。
[0007]卷烟燃烧指标度量分析通过不同考察角度，计算指标之间的灰度关联、欧氏 距离、城市街区距离和余弦距离，并构造综合相关性度量，从而得到指标重要性 与指标间相关性等信息。
[0008]为实现上述目的，本专利技术公开了如下技术方案：
[0009]具体地，本专利技术提供一种卷烟燃烧质量指标重要性评价综合分析方法，其包 括如下步骤：
[0010]S1、卷烟燃烧质量指标数据采集。在机器人仿真抽吸状态和环境模拟条件 下，通过多组摄像头在不同角度捕捉卷烟实时状态，包括裂口率、灰柱偏离度、 飞灰值、持灰率、炭线整齐度、炭线宽度、燃烧速度、灰柱灰度、灰柱长度、灰 柱面积和缩灰率。
[0011]使用两组多轴工业机械手夹持卷烟，以模拟吸烟者吸烟时的手臂及手腕动 作，其中机械手的移动速度和角度在一定范围内可调。通过机械手指施力模拟弹 烟灰动作，其中力度、间隔、次数在一定范围内可调。使用抽吸装置模拟吸烟过 程，其中抽吸模式、抽吸时间、抽吸量、抽吸间隔在一定范围内可调。采用分辨 率1600*1200、帧率50fps以上的高速精
密智能相机组完成数据采集。
[0012]采集到的卷烟燃烧质量指标有：裂口率、灰柱偏离度、灰柱灰度、灰柱长 度、灰柱面积、缩灰率、飞灰值、持灰率、炭线宽度、炭线整齐度及燃烧速度， 共11个指标。
[0013]采集卷烟燃烧质量指标，可以采用现有技术中常用的设备和方法，当然更 优选地，基于模拟人体卷烟抽吸全过程的机械手臂，通过摄像系统捕捉卷烟实时 抽吸状态，采集卷烟外在属性。其中模拟人体卷烟抽吸过程和抽吸环境的机械手 臂，可以参考本申请人于2020年04月20日已经申请的，申请号为 202010329623.9；专利名称为一种模拟人体卷烟抽吸全过程的机械手臂及其模拟 方法，的专利申请，同时利用该机械手臂采集卷烟外在属性的方法可以参考本申 请人于2020年04月26日已经申请的，申请号为202010340747.7；专利名称为 一种基于机械手仿真人体卷烟抽吸全过程及全视觉测定表征卷烟燃烧包灰性能 的方法，的专利申请。同时将上述两篇专利对于机械手臂和卷烟包灰性能的测定 方法的技术方案表述并入本申请中。
[0014]上述卷烟燃烧质量指标的含义如下：裂口率是灰柱上灰片掉落或裂开面积 与灰柱整体表面积的比值；灰柱偏离度指烟支燃烧灰柱与烟支滤棒轴心的最大偏 离角度；灰柱灰度反映了卷烟燃烧后除去裂口以外剩余部分在同一参考系下的相 对颜色差异，数值越大，灰柱越白；灰柱长度是烟支燃烧后形成的灰柱的长度； 灰柱面积是烟支燃烧后形成的灰柱的宽度；缩灰率是卷烟燃烧后灰柱面积和未燃 烧前面积的比值；飞灰值是散落在定点弹灰点以外的烟灰面积；持灰率是卷烟燃 烧过程中能保持灰柱的最长值与烟支燃烧至烟蒂长度的比值；炭线宽度是烟支燃 烧锥底部炭线的宽度；炭线整齐度是指烟支燃烧锥底部炭线与烟支横截面的最大 偏离角度；燃烧速度是燃烧时间和燃烧长度的比值。
[0015]上述卷烟燃烧质量指标的样本初始测量值可以用X
og
＝(x
1og
,x
2og
,...,x
11og
)表 示，其中x
1og
,x
2og
,...,x
11og
分别表示样本11个燃烧质量指标的初始测量值。
[0016]S2、卷烟燃烧质量数据去奇异化。采用孤立森林方法寻找分布稀疏且距离 高密度群体较远的样本，通过随机分割策略控制不同样本被孤立所经历的路径长 度，从而识别出离群的奇异点。
[0017]建立子样本孤立树，树的每个节点是叶子节点或者有两个子节点的中间结 点。随机选择指标和分割值，对X
og
进行递归分割。对于每一次分割实施，将小 于分割值的样本分到左子节点，将大于分割值的样本分到右子节点。直到所有样 本被孤立或者树达到指定高度时，孤立树构建完成。子样本数量ψ和树高h
t
满足 以下关系：
[0018]h
t
＝ceiling(log2(ψ))；
[0019]即h
t
是大于等于log2(ψ)的最小整数值。其近似等于树的平均路径长度：
[0020][0021]其中m为样本数，c(m)为树的平均路径长度即平均高度，H(m
‑
1)为调和 数，其估计值为ln(m
‑
1)+0.577。子样本数量ψ取256。
[0022]构建孤立森林，其中包含树的数量为c
t
，本专利技术取c
t
＝100。将测试样本通 过孤立森林中的每一颗孤立树，可以得到每个样本的异常得分。样本x的异常得 分按照下式计算：
[0023][0024]其中h(x)是样本x的路径长度，E(h(x))为h(x)的期望。样本的异常得分取 值范围为(0,1)，样本路径长度h(x)越小，异常分数越接近于1，奇异概率越高； h(x)越大，异常分数越接近于0，奇异概率越低。异常分数高的样本，可以根据 实际情况和数据要求进行合理的取舍。去掉奇异样本后的保留数据记作X
norm
＝(x
1norm
,x
2norm
,...,x
11norm
)。
[0025]S3、卷烟数据标准化，以消除不同燃烧质量指标的量纲差异。上述11个指 标可分为正指标和负指标，正指标即数值越大，性能越好，正指标有灰柱灰度、 灰柱长度、灰柱面积、持灰率；负指标即数值越小本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种卷烟燃烧质量指标重要性评价综合分析方法，其特征在于，其包括如下步骤：S1、卷烟燃烧质量指标数据采集：在机器人仿真抽吸状态和环境模拟条件下，通过多组摄像头在不同角度捕捉卷烟实时状态，采集11个卷烟燃烧质量指标；所述卷烟燃烧质量指标包括：裂口率、灰柱偏离度、灰柱灰度、灰柱长度、灰柱面积、缩灰率、飞灰值、持灰率、炭线宽度、炭线整齐度及燃烧速度；所述卷烟燃烧质量指标的样本初始测量值用X
og
＝(x
1og
,x
2og
,...,x
11og
)表示，其中x
1og
,x
2og
,...,x
11og
分别表示样本11个卷烟燃烧质量指标的初始测量值；S2、卷烟燃烧质量指标数据去奇异化：S21、建立子样本孤立树，子样本数量ψ和树高h
t
满足以下关系：h
t
＝ceiling(log2(ψ))；即h
t
是大于等于log2(ψ)的最小整数值,其近似等于树的平均路径长度：其中m为样本数，c(m)为树的平均路径长度即平均高度，H(m
‑
1)为调和数，其估计值为ln(m
‑
1)+0.577；S22、构建孤立森林，其中包含树的数量为c
t
；将测试样本通过孤立森林中的每一颗孤立树，可以得到每个测试样本的异常得分,测试样本x的异常得分按照下式计算：其中h(x)是样本x的路径长度，E(h(x))为h(x)的期望，测试样本的异常得分取值范围为(0,1)，测试样本路径长度h(x)越小，异常分数越接近于1，奇异概率越高；h(x)越大，异常分数越接近于0，奇异概率越低；去掉奇异样本后的保留数据记作X
norm
＝(x
...

【专利技术属性】
技术研发人员：郑晗，王浩，王旭，谢姣，詹建波，余振华，张莹，王涛，付荣荣，向艺凡，余婷婷，岳保山，李利伟，余江，丁海燕，
申请(专利权)人：云南中烟工业有限责任公司，
类型：发明
国别省市：