上部烟叶分选方法

技术领域

本发明涉及卷烟制造领域，尤其涉及一种上部烟叶分选方法。

背景技术

烤烟的上部烟叶是指包括上二棚和顶叶在内的6～7片叶，占单株总产量的30％～45％。例如，业内称为“上六片”的豫中产区上部叶是浓香型中式卷烟的核心原料，具有香气量足、吃味醇厚等特点，在特色卷烟品牌建设中发挥着不可替代的作用。

然而，目前上部烟叶普遍存在成熟度不够、叶片僵硬、组织不够疏松、刺激性大、杂气重等问题，导致其工业可用性差，多数不能直接用于一、二类卷烟配方中。因此，卷烟工业在利用上部烟叶时，根据产品需求对上部烟叶进行分选是必要的环节，也即需从中划分出可用性较高上部烟叶(业内也称为高可用性上部叶)以及可用性较差上部烟叶(业内也称为一般上部叶)。

目前，上部烟叶分选主要以烟叶外观质量作为判别标准进行人工划分。传统的人工分选需要对分选人员进行长期培训，存在劳动强度大，分选效率低，分选纯度不稳定等问题，并且容易受到人为主观和环境等因素的影响，难以实现烤烟上部烟叶的准确分选。

近年来，随着光谱技术和计算机视觉等技术的发展，借助各种仪器实现烟叶分选使烟叶分选更加稳定可靠。为克服人工分选的缺陷，现阶段有相关研究尝试采用计算机视觉等技术对烟叶进行分选，但这类方法存在数据前处理复杂且步骤繁琐等缺点，在实际运用过程中仍存在一定的局限性。

发明内容

鉴于上述，本发明旨在提供一种上部烟叶分选方法，从而解决前述技术问题。

本发明采用的技术方案如下：

本发明提供了一种上部烟叶分选方法，其中包括：

基于预设的可用性要求，将待分类的上部烟叶进行初步分类；

测量初步分类后的上部烟叶的实测颜色特征值；

将所述实测颜色特征值输入至预先基于颜色特征值构建的上部烟叶类型预测模型，由所述上部烟叶类型预测模型输出最终的上部烟叶类型结果，所述上部烟叶类型结果包括：高可用性上部叶以及一般上部叶。

在其中至少一种可能的实现方式中，所述初步分类包括：将预设产区的上部烟叶划分为待定高可用性上部叶以及待定一般上部叶两种预设类型。

在其中至少一种可能的实现方式中，初步分类后，从每类烟叶中选取预设数量的烟叶叶片作为后续类别预测的样本。

在其中至少一种可能的实现方式中，采用色差计测量上部烟叶的实测颜色特征值。

在其中至少一种可能的实现方式中，所述颜色特征值包括：明度值、红度值和黄度值。

在其中至少一种可能的实现方式中，所述测量初步分类后的上部烟叶的实测颜色特征值包括：每片上部烟叶选择叶片中部主脉两侧至少各一个测量单点，且各测量单点至少测量两次并取测量单点均值，最后再取至少所述测量单点均值的平均值。

在其中至少一种可能的实现方式中，基于决策树或Fisher判别法构建所述上部烟叶类型预测模型。

在其中至少一种可能的实现方式中，所述上部烟叶类型预测模型的构建方式包括：

将采集到的不同类型的上部烟叶样品的颜色特征值数据作为样本烟叶数据集；

将样本烟叶数据集随机划分为训练集和验证集，其中，训练集用于构建上部烟叶类型预测模型，验证集用于对所构建的上部烟叶类型预测模型进行验证。

在其中至少一种可能的实现方式中，所述将样本烟叶数据集随机划分为训练集和验证集包括：

训练集中的每类烟叶样品数量与验证集中的每类待判别烟叶样品数量之比等于或大于2:1。

本发明的主要设计构思在于，根据需求首先将预设产区的上部烟叶进行初步分类，并从不同类型烟叶中选取若干样本，然后测量每片烟叶样本的颜色特征值，如明度值、红度值和黄度值等以此作为评价指标，预先基于评价指标建立预测模型，将待分类烟叶的颜色特征值代入该上部叶预测模型中，实现对上部烟叶的精准分选。本发明解决了上部烟叶缺乏客观判断指标并进行分选的问题，与传统的人工分选相比，能够克服主观判别造成的误差，提高了分选结果的可靠性和准确性，与机器视觉分选方式相比，更为简便、高效，破除了计算机数据处理复杂所带来的局限性，因而在烟叶自动化分选应用中具有广阔的前景。

附图说明

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步描述，其中：

图1为本发明实施例提供的上部烟叶分选方法的流程图；

图2为本发明实施例提供的决策树预测模型的示意图。

具体实施方式

下面详细描述本发明的实施例，实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。

本发明提出了一种上部烟叶分选方法的实施例，具体来说，如图1所示，其中包括：

步骤S1、基于预设的可用性要求，将待分类的上部烟叶进行初步分类；

在实际操作中，可通过专家分级小组，将预设产区的上部烟叶划分为待定高可用性上部叶和待定一般上部叶两种预设类型，进一步地，还可以从每类烟叶中选取有代表性的叶片50～100片作为后续类别预测的样本。

步骤S2、测量初步分类后的上部烟叶的实测颜色特征值；

在实际操作中，可以采用色差计测量每片烟叶样本的明度值(L*)、红度值(a*)和黄度值(b*)等颜色特征值。在本发明的一些实施方式中，每片烟叶可选择叶片中部主脉两侧至少各1个测量点，且每个测量点至少测量2次并取测量单点均值，最后再取至少两个测量单点均值的平均值。

步骤S3、将所述实测颜色特征值输入至预先基于颜色特征值构建的上部烟叶类型预测模型，由所述上部烟叶类型预测模型输出最终的上部烟叶类型结果，所述上部烟叶类型结果包括：高可用性上部叶以及一般上部叶。

具体地，可以基于决策树或Fisher判别法构建所述上部烟叶类型预测模型。此外，在实际操作中，构建所述上部烟叶类型预测模型的构建过程包括：

将采集到的不同类型的上部烟叶样品的颜色特征数据作为样本烟叶数据集；

将样本烟叶数据集随机划分为训练集和验证集，其中，训练集用来构建上部烟叶类型预测模型，验证集用来对所构建的上部烟叶类型预测模型进行验证。基于此，进一步地，所述将样本烟叶数据集随机划分为训练集和验证集包括：训练集中的每类烟叶样品数量与验证集中的每类待判别烟叶样品数量之比等于或大于2:1。

为了便于理解本发明的上述各实施例的构思，这里结合下述示例进行参考性说明。

示例1：

本实施例以豫中产区上部烟叶(“上六片”)为例，分选方法具体包括：

首先，对豫中产区上部叶类别进行初步划分：收集到不同产地、不同成熟度的豫中产区上部叶172片，根据专家判定结果，先将其划分为待定高可用性上部叶和待定一般上部叶两种类别。

接着，采集烟叶表面颜色特征值：每个烤烟样品选择叶片中部主脉两侧各至少1个测量点，采用但不限于CR-410便携式色差计，测量烟叶表面明度值(L*)、红度值(a*)和黄度值(b*)等颜色特征值，每个点至少测量2次取平均值，每片烟叶取至少2个点平均值。

然后，随机分配样品为训练集和验证集：将172个烟叶样品按照作为训练集的每类样品数量与作为验证集的每类待判别样品数据不少于2:1的比例随机分配，例如，作为验证集的待判别样品共58个，作为训练集的建立模型的样品共114个。

建立模型进行分选预测：根据训练集120个烤烟样品数据，得到基于Fisher算法的豫中产区上部叶预测模型：

d＝0.026*X

式中，X

将训练集样品数据进行回代检验，豫中产区上部叶类型的判别结果正确率为92.5％，具体可参考下述表1：

表1 Fisher线性预测模型分类结果

示例2：

示例2中的烟叶样品与示例1中的相同，并且获取颜色特征值的方式可以参考上述，而示例2中的模型的建立则是根据训练集中114个烟叶样品数据，得到基于决策树的豫中产区上部叶预测模型，图2为以豫中产区上部叶为例的决策树预测模型的参考示意，其中class A B为预定义的两种类型；gini为预设的基尼指数，也即是在样本集合中一个随机选中的样本被分错的概率，gini指数越小表示集合中被选中的样本被分错的概率越小，也就是说集合的纯度越高，反之集合越不纯，且当集合中所有样本为一个类时，基尼指数为0，此为树模型的常规知识，本发明不再赘述。

将训练集样品数据进行回代检验，豫中产区上部叶类型的判别结果正确率为94.83％，具体可参考下述表2：

表2决策树预测模型分类结果

综上所述，根据需求首先将预设产区的上部烟叶进行初步分类，并从不同类型烟叶中选取若干样本，然后测量每片烟叶样本的颜色特征值，如明度值、红度值和黄度值等以此作为评价指标，预先基于评价指标建立预测模型，将待分类烟叶的颜色特征值代入该上部叶预测模型中，实现对上部烟叶的精准分选。本发明解决了上部烟叶缺乏客观判断指标并进行分选的问题，与传统的人工分选相比，能够克服主观判别造成的误差，提高了分选结果的可靠性和准确性，与机器视觉分选方式相比，更为简便、高效，破除了计算机数据处理复杂所带来的局限性，因而在烟叶自动化分选应用中具有广阔的前景。

本发明实施例中，“至少一个”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示单独存在A、同时存在A和B、单独存在B的情况。其中A，B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项”及其类似表达，是指的这些项中的任意组合，包括单项或复数项的任意组合。例如，a，b和c中的至少一项可以表示：a，b，c，a和b，a和c，b和c或a和b和c，其中a，b，c可以是单个，也可以是多个。

以上依据图式所示的实施例详细说明了本发明的构造、特征及作用效果，但以上仅为本发明的较佳实施例，需要言明的是，上述实施例及其优选方式所涉及的技术特征，本领域技术人员可以在不脱离、不改变本发明的设计思路以及技术效果的前提下，合理地组合搭配成多种等效方案；因此，本发明不以图面所示限定实施范围，凡是依照本发明的构想所作的改变，或修改为等同变化的等效实施例，仍未超出说明书与图示所涵盖的精神时，均应在本发明的保护范围内。