【技术实现步骤摘要】
本专利技术属于烟叶控制，具体涉及一种基于机器深度学习算法对烟叶综合质量进行分类方法。
技术介绍
1、科学准确的评价烟叶质量有助于指导烟叶原料生产、采购和工业应用。行业对烟叶质量的检测评价指标众多，涵盖的感官评吸、外观质量、化学成分、物理指标、等级结构等维度。评价指标众多且部分指标不便检测，增加了烟叶品质分析和质量综合评价的难度，难以指导后续的模块组配和加工参数预设。烟叶来料质量受年份、产地、品种等因素的影响波动较大，在打叶复烤加工中，为了提高配方模块的质量的稳定性和均质化生产的需求，大多数采用配方打叶，将单等级的初烟烟叶进行模块配方组配，提升原料使用价值和配方的稳定性。模块配方组配的原则是按照烟叶品质相似性进行组配，由于原料烟叶(即初烤烟叶)的物理特性和等级结构等指标会对打叶复烤加工中的润叶工序、打叶工序、复烤工序等工序的质量控制有影响，原料烟叶的化学成分和感官评吸指标会对模块配方可用性有影响，所以针对打叶复烤加工前的原料烟叶(即初烤烟叶)进行综合质量评价和分类非常必要。
2、因此选择适宜的方法，对烟叶繁杂的指标进行筛选，基于综合质量对烟叶进行判别分类就显得尤为重要。近年来行业内学者开展了广泛研究，探索研究了一系列的统计分析方法，如：灰色关联分析方法、人工神经网络分类模型、主成分分析法、聚类分析与模糊数学。其中应用较多的是主成分分析和聚类分析两种，主成分分析是将多个指标化为少数几个互不相关的综合指标，同时尽可能多地反映原来变量的信息的一种统计分析方法；聚类分析则是一种根据研究对象的特征对其进行分类的多元统计分析技术，
技术实现思路
1、本专利技术的目的在于提供一种基于机器深度学习算法对烟叶综合质量进行分类方法，以解决上述
技术介绍
中的问题，具体通过运用随机森林等机器深度学习算法，对烟叶多个维度的质量评价指标进行筛选，判别和筛选对品质贡献度较大的关键化学指标。筛选的原则是指标检测便捷，使用的仪器为生产车间必备仪器，且对烟叶综合质量影响较大。并运用多种方法对筛选出指标进行多维度对比，筛选出关键指标。
2、为实现上述目的，本申请是通过以下技术方案实现的：
3、一种基于机器深度学习算法对烟叶综合质量进行分类方法，采用如下步骤：
4、s1、根据生产中涉及到的烟叶原料进行取样评价检测，得出烟叶原料的感官评吸指标、外观质量指标、化学成分指标、物理指标及等级结构指标的检测样本数据；
5、s2、将步骤s1的检测样本数据导入系统，运用随机森林方法中的置换重要性，节点纯度，均值精度以及基尼系数对指标的重要性进行特征排序，并进行多种方法的横向比较，依据帕累托原则筛选变量，得到关键指标；
6、s3、基于筛选出的关键指标和筛选后得到的数据子集进行k-means聚类，得到聚类中心点同时输出样本分类类别；
7、s4、运用决策树、随机森林及神经网络的多个机器学习方法，建立多个分类评价模型，同时相互十折交叉检验，计算各类机器学习算法得到的分类评价模型的平均误判率，最终选择平均误判率最低的分类类别和分类评价模型；
8、s5、运用分类评价模型对新原料进行分类判别，用于指导模块组配和生产加工。
9、进一步的，步骤s1中的化学成分指标由总植物碱、总糖、还原糖、总氮、钾离子、氯离子、糖碱比、氮碱比、钾碱经、ccui、淀粉及蛋白质共12个指标。
10、进一步的，步骤s2将检测样本数据导入系统后，运用r语言，在rstudio 图形界面下对检测样本数据进行预处理。
11、进一步的，步骤s2中，随机森林方法中的置换重要性、节点纯度、均值精度及基尼系数均利用帕累托原则选择贡献率前80%的指标。
12、进一步的，步骤s3中，样本分类类别为3-5类。
13、进一步的，步骤s4中的建立多个类别评价模型分别为决策树分类、bagging分类、神经网络分类、随机森林分类、最近邻方法分类、支持向量机分类及核支持向量机分类。
14、本专利技术的有益效果是：
15、针对目前缺乏烟叶综合质量的分类评价方法，模块组配和加工参数预设缺乏依据，基于随机森林算法，通过帕累托原则、k-means分类方法、10折交叉验证方法的综合应用，提升了筛选特征变量及分类模型选取的合理性，保证了评估结果的稳定性和保真性，为烟叶基于综合质量的筛选分类提供更为科学、有效的统计分析方法。该专利技术所述的评价方法操作便捷、简单实用，具有很好的工业应用价值和推广应用前景。
本文档来自技高网...【技术保护点】
1.一种基于机器深度学习算法对烟叶综合质量进行分类方法，其特征在于，采用如下步骤：
2.根据权利要求1所述的基于机器深度学习算法对烟叶综合质量进行分类方法，其特征在于，步骤S1中的化学成分指标由总植物碱、总糖、还原糖、总氮、钾离子、氯离子、糖碱比、氮碱比、钾碱经、ccui、淀粉及蛋白质共12个指标。
3.根据权利要求1所述的基于机器深度学习算法对烟叶综合质量进行分类方法，其特征在于，步骤S2将检测样本数据导入系统后，运用R语言，在Rstudio 图形界面下对检测样本数据进行预处理。
4.根据权利要求1所述的基于机器深度学习算法对烟叶综合质量进行分类方法，其特征在于，步骤S2中，随机森林方法中的置换重要性、节点纯度、均值精度及基尼系数均利用帕累托原则选择贡献率前80%的指标。
5.根据权利要求1所述的基于机器深度学习算法对烟叶综合质量进行分类方法，其特征在于，步骤S3中，样本分类类别为3-5类。
6.根据权利要求1所述的基于机器深度学习算法对烟叶综合质量进行分类方法，其特征在于，步骤S4中的建立多个类别评价模型分别为决策树
...【技术特征摘要】
1.一种基于机器深度学习算法对烟叶综合质量进行分类方法，其特征在于，采用如下步骤：
2.根据权利要求1所述的基于机器深度学习算法对烟叶综合质量进行分类方法，其特征在于，步骤s1中的化学成分指标由总植物碱、总糖、还原糖、总氮、钾离子、氯离子、糖碱比、氮碱比、钾碱经、ccui、淀粉及蛋白质共12个指标。
3.根据权利要求1所述的基于机器深度学习算法对烟叶综合质量进行分类方法，其特征在于，步骤s2将检测样本数据导入系统后，运用r语言，在rstudio 图形界面下对检测样本数据进行预处理。
4.根据权利要求1所述的基...
【专利技术属性】
技术研发人员：王玉真，华一崑，汪显国，王泽宇，梁晏凯，王发勇，胡志敏，刘继辉，李思源，祁林，
申请(专利权)人：红云红河烟草集团有限责任公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。