一种卷烟的包灰性能评价方法及装置

技术领域

本申请涉及卷烟生产技术领域，更具体地，涉及一种卷烟的包灰性能评价方法及装置。

背景技术

包灰性能是表征卷烟燃吸时形成的烟灰柱外观的质量特性，其优劣主要影响灰柱的视觉效果，也是消费者评价卷烟质量、区别卷烟档次的重要指标。在包灰性能评价中，各项测量指标的内涵、量纲及取向(望大、望小)均不相同，给综合评价带来了较大的困难和不确定性。将测量数据转化为数据得分不仅便于统计分析，而且可以实现感官指标的评价由定性到定量、再到定性定量相结合的转变，但如何保证感性变量的数据类型不变、信息量不损失，并使转换后的得分更好地满足认知习惯，是一个需要研究的问题。

现有技术中关于卷烟包灰综合性能的评价方法，大多基于经验赋值或影响程度设置权重，不能很好地满足认知习惯，未能客观全面地表征烟支的包灰性能。

发明内容

本申请提供一种卷烟的包灰性能评价方法及装置，利用判别函数将各项测试指标的原始值转换为量纲、取向一致的新变量，保留了原始变量的数据类型和信息，客观全面地表征了烟支的包灰性能，并且更加符合人们对感性指标的认知习惯。

本申请提供了一种卷烟的包灰性能评价方法，包括：

对多个种类的卷烟进行包灰性能测试，获得每种卷烟的多个测试指标的原始值；

利用判别函数对每种卷烟的每个测试指标的原始值进行赋值，得到指标得分；

对每个测试指标进行权重赋值，获得相应的权重；

依据每种卷烟的每个测试指标的指标得分和对应的权重赋值计算卷烟的综合得分；

依据每种卷烟的综合得分获得卷烟的评价结果。

优选地，利用判别函数对每种卷烟的每个测试指标的原始值进行赋值，得到指标得分，具体包括：

针对每个测试指标，对所有种类的卷烟的原始值进行聚类，并依据聚类结果将所有卷烟种类分为优数据组、良数据组和一般数据组，其中，三个数据组中，两两之间的差异显著，并且良数据组所包含的卷烟的种类大于优数据组和一般数据组；

针对每个测试指标，将每个数据组中的聚类结果的最大值和最小值取整，形成该数据组的组判别域；将该测试指标中聚类结果的最大值和最小值取整，形成该测试指标的总判别域；

针对每个测试指标，利用总判别域和每个数据组的组判别域对每种卷烟的测试指标进行赋值，获得指标得分。

优选地，多个测试指标包括灰色、裂口率、缩灰率、碳线宽度、碳线整齐度。

优选地，对于灰色，采用S型函数进行赋值；对于裂口率、缩灰率、碳线宽度以及碳线整齐度，采用反S型函数进行赋值。

优选地，对每个测试指标进行权重赋值，获得相应的权重，具体包括：

对每个测试指标的指标得分进行独立性分析，获得独立性分析结果；

依据每个测试指标的独立性分析结果和信息量进行客观赋值，获得每个测试指标的权重。

本申请还提供一种卷烟的包灰性能评价装置，包括测试模块、指标得分获得模块、权重获得模块、综合得分获得模块以及评价模块；

测试模块用于对多个种类的卷烟进行包灰性能测试，获得每种卷烟的多个测试指标的原始值，形成原始测试数据；

指标得分获得模块用于利用判别函数对每种卷烟的每个测试指标的原始值进行赋值，得到指标得分；

权重获得模块用于对每个测试指标进行权重赋值，获得相应的权重；

综合得分获得模块用于依据每种卷烟的每个测试指标的指标得分和对应的权重赋值计算卷烟的综合得分；

评价模块用于依据每种卷烟的综合得分获得卷烟的评价结果。

优选地，指标得分获得模块包括分组模块、判别域获得模块以及指标赋值模块；

分组模块用于针对每个测试指标，对所有种类的卷烟的原始值进行聚类，并依据聚类结果将所有卷烟种类分为优数据组、良数据组和一般数据组，其中，三个数据组中，两两之间的差异显著，并且良数据组所包含的卷烟的种类大于优数据组和一般数据组；

判别域获得模块用于针对每个测试指标，将每个数据组中的聚类结果的最大值和最小值取整，形成该数据组的组判别域；将该测试指标中聚类结果的最大值和最小值取整，形成该测试指标的总判别域；

指标赋值模块用于针对每个测试指标，利用总判别域和每个数据组的组判别域对每种卷烟的测试指标进行赋值，获得指标得分。

优选地，多个测试指标包括灰色、裂口率、缩灰率、碳线宽度、碳线整齐度。

优选地，指标赋值模块用于采用S型函数对灰色测试指标进行赋值；采用反S型函数对裂口率、缩灰率、碳线宽度以及碳线整齐度进行赋值。

优选地，权重获得模块包括独立性分析模块和权重赋值模块；

独立性分析模块用于对每个测试指标的指标得分进行独立性分析，获得独立性分析结果；

权重赋值模块用于依据每个测试指标的独立性分析结果和信息量进行客观赋值，获得每个测试指标的权重。

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

附图说明

被结合在说明书中并构成说明书的一部分的附图示出了本申请的实施例，并且连同其说明一起用于解释本申请的原理。

图1为本申请提供的卷烟的包灰性能评价方法的流程图；

图2为本申请提供的不同圆周卷烟的各包灰性能测试指标的直方图；

图3为本申请提供的各项测试指标的原始值与相应的指标得分间的散点图；

图4为本申请提供的灰柱对比图；

图5为本申请提供的卷烟的包灰性能评价装置的结构图。

具体实施方式

现在将参照附图来详细描述本申请的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本申请的范围。

以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本申请及其应用或使用的任何限制。

对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，技术、方法和设备应当被视为说明书的一部分。

在这里示出和讨论的所有例子中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它例子可以具有不同的值。

本申请提供一种卷烟的包灰性能评价方法及装置，利用判别函数将各项测试指标的原始值转换为量纲、取向一致的新变量，保留了原始变量的数据类型和信息，客观全面地表征了烟支的包灰性能，并且更加符合人们对感性指标的认知习惯。

如图1所示，本申请提供的卷烟的包灰性能评价方法包括：

S110：对多个种类的卷烟进行包灰性能测试，获得每种卷烟的多个包灰性能测试指标的原始值。

作为一个实施例，多个测试指标包括灰色、裂口率、缩灰率、碳线宽度、碳线整齐度。

作为一个实例，包灰性能测试中包括不同的卷烟规格(即不同的圆周尺寸)，具体包括常规规格卷烟样品26种、中支规格卷烟样品12种、细支规格卷烟样品11种，分别编号为1#～49#。采用的仪器为恒温恒湿箱(美国BINDER)和BACST600型卷烟燃烧外观性能测定仪。

作为一个实例，包灰性能测试时，对于每个种类，每六支同一种类的卷烟样品为一组，将烟支的搭口背面面向相机，测量模式选择ISO抽吸模式(抽吸容量35mL，持续时间为2s，抽吸周期60s)。重复测量5组，计算均值，从而获得每种卷烟的灰色、裂口率、缩灰率、碳线宽度、碳线整齐度的原始值。

所有种类卷烟的所有测试指标的原始值形成原始测试数据。

S120：利用判别函数对每种卷烟的每个测试指标的原始值进行赋值，得到指标得分。

作为一个实施例，利用判别函数对每种卷烟的每个测试指标的原始值进行赋值，得到指标得分，具体包括：

S1201：针对每个测试指标，对所有种类的卷烟的原始值进行聚类，并依据聚类结果将所有卷烟种类分为优数据组、良数据组和一般数据组，其中，三个数据组中，两两之间的差异显著，并且良数据组所包含的卷烟的种类大于优数据组和一般数据组，也就是说，优、良、一般三个数据组呈“中间大、两头小”分布，以保证转换后的得分分布具有良好的正态性。

作为一个实施例，采用K-means聚类法进行聚类分析。如果直接聚类后三组样品数量分布不理想，可以增加聚类时的类别数量，然后通过类间合并形成样品数量分布满足要求的三组。

作为一个实例，各测试指标的聚类及分组结果见表1，方差分析及多重比较结果表明，灰色聚为三类时，类间差异极显著，且直接按聚类结果分组时Ⅰ、Ⅱ、Ⅲ三组中样品数量分布为(10、26、13)，满足“中间大、两头小”的分布要求；其它几项指标则需要通过聚类后再合并的方式进行分组，其中裂口率聚为五类再合并后，三组样品数量分布为(13、27、9)，缩灰率、碳线宽度和整齐度聚为七类再合并后，三组样品数量分布依次为(3、38、8)、(10、31、8)、(11、28、10)。4项指标的组间差异均达到了极显著水平。可见，通过聚类后再合并的方式进行分组，不仅能有效区分组间样品的差异性，又可满足样品数量“中间大、两头小”的分布要求。

表1各测试指标的聚类及分组结果

优选地，在聚类分析之前，还需要通过包灰性能的描述性统计及方差分析确定卷烟的包灰性能评价时是否需要区分卷烟的圆周。若无需区分卷烟的规格，则采用聚类方法将所有卷烟种类分为优数据组、良数据组和一般数据组。

上述实例中，49种不同规格、种类卷烟包灰性能的描述性统计结果见表2。从表2可以看出，不同圆周卷烟的裂口率和碳线整齐度存在极显著差异、灰色存在显著差异，缩灰率和碳线宽度的差异不显著；进一步的多重比较结果表明，中支烟的裂口率显著优于细支和常规卷烟，中支烟和细支烟的碳线整齐度显著优于常规卷烟，中支烟的灰色显著优于细支烟、碳线宽度显著优于常规卷烟。总体来看，中支卷烟的综合包灰性能相对较优、常规卷烟则相对较差。

表2包灰性能的描述性统计及方差分析

表2中，大写字母表示在P＝0.01水平差异显著，小写字母表示在P＝0.05水平差异显著。

图2示出了不同圆周卷烟的每个测试指标的直方图。从图2可知，不同规格卷烟的包灰性能虽然存在一定的差异性，但也存在明显的交叉现象，可以预见，随着样品数量增加这种交叉现象会更明显。因此，不同规格卷烟包灰性能的优劣没有其固有属性，而是取决于其烟丝配方、卷烟纸参数等的设计，因此，构建卷烟包灰性能评价体系时无需区分卷烟圆周。

S1202：针对每个测试指标，将每个数据组中的聚类结果的最大值和最小值取整，形成该数据组的组判别域，其中优数据组的组判别域记为第I区间，良数据组的组判别域记为第Ⅱ区间，一般数据组的组判别域记为第Ⅲ区间；将该测试指标中聚类结果的最大值和最小值取整，形成该测试指标的总判别域。

例如，请参见表1，灰色的聚类均值介于100.27～130.44之间，因此总判别域为[100,130]，灰色大于130时得分为100、小于100时得分为60。各组别的判别域通过对组内最大和最小值取整确定、并兼顾组间连续性。

S1203：针对每个测试指标，利用总判别域和每个数据组的组判别域对每种卷烟的测试指标进行赋值，获得指标得分。

判别函数可以对数据进行标准化，将原始变量转换为量纲、取向一致的新变量，方便不同变量间的对比分析，判别结果介于0～1之间、均值在0.5左右。为了更好地体现得分与感性认知间的关系，在对卷烟样品进行分组的基础上分段构建判别函数，并将得分界定在50～100之间、均值80分左右。

各项测试指标均为从Ⅰ(优)至Ⅲ组(一般)依次变差，其中第Ⅱ组(良)的样品数量最大、质量特性中等，代表了当前生产条件下产品质量的平均或大众化水平，因此，将该组样品的得分区间定为(90,70]、平均80分左右比较符合一般打分习惯，相应地，将Ⅰ、Ⅲ组的得分区间分别定为[100,90]、(70,60]。所有测试指标的得分域均为[60,100]，其中优、良和一般档的得分域依次为[90,100]、[70,90)、[60,70)。

作为一个实施例，对于灰色，灰色值越高，包灰性能越好，因此采用S型函数(请见式(1))进行赋值，灰色值越高，对应的指标得分越高。对于裂口率、缩灰率、碳线宽度以及碳线整齐度，采用反S型函数(请见式(2))进行赋值，这些测量值越低，对应的指标得分越高。

其中，y

S130：对每个测试指标进行权重赋值，获得相应的权重。

在进行包灰性能评价时，各项测试指标的内涵和相对重要性不同、携带的信息量和独立性也不同，因此，对包灰性能进行综合评价时需要赋予各项测试指标不同的权重。

作为一个实施例，对每个测试指标进行权重赋值，获得相应的权重，具体包括：

S1301：对每个测试指标的指标得分进行独立性分析，获得独立性分析结果。

作为一个实施例，通过各项测试指标的指标得分间的相关分析和/或复相关分析进行独立性分析。

作为一个实施例，利用Perason相关分析实现各项测试指标的指标得分间的相关分析。表3示出了各项测试指标的指标得分间的Perason相关分析结果。

表3各项测试指标的指标得分间的相关分析结果

其中，**表示在0.01水平(双侧)上显著相关，*表示在0.05水平(双侧)上显著相关。

从表3可知，灰色与缩灰率的指标得分间呈极显著负相关，灰色与碳线宽度的指标得分间呈极显著正相关；裂口率与碳线整齐度的指标得分间呈极显著正相关关；碳线宽度和整齐度的指标得分间呈极显著正相关。可见，指标间存在不同程度的相关性，相比之下，裂口率和缩灰率的独立性较强、其它三项测试指标的独立性较差。

复相关分析是分别以某项测试指标为因变量、其它测试指标为自变量进行多元线性回归分析，评价测试指标间的共线性关系，结果见表4。

表4各项测试指标的指标得分间的复相关分析结果

从表4的F检验结果表明，所有回归方程均为极显著，说明5项指标间存在着显著的共线性关系，由决定系数(R

综合上述相关分析和复相关分析的结果可以看出，碳线宽度和整齐度与其它测试指标间的相关性较强、独立性较差，这反映了测试指标间的内在联系。

S1302：依据每个测试指标的独立性分析结果和信息量(RSD)进行客观赋值，获得每个测试指标的权重。

作为一个实施例，采用Critic法对各测试指标进行权重赋值。表5示出了各项测试指标的Critic权重计算结果。

表5各项测试指标的指标得分的权重

从表5可以看出，权重由高到低依次为裂口率>缩灰率>灰色>碳线整齐度>碳线宽度。由各项测试指标的内涵可知，裂口率是表征烟灰柱表面裂纹程度的指标，裂口率低的卷烟燃吸时形成的卷烟纸灰分在灰柱表面附着均匀、致密，反之，则表现为卷烟纸灰分断裂严重、甚至出现翻片、灰分散落现象，严重影响烟灰柱的视觉效果；缩灰率是表征烟灰包裹紧致程度的指标，缩灰效果好的卷烟燃吸过程中烟灰包裹紧致、无明显翻片现象、不易出现烟灰散落现象，因此，对烟灰柱的视觉效果和消费者体验影响均较大；灰色是表征烟灰柱表观颜色黑白程度的指标，灰色越白烟灰柱的视觉效果越好，反之，灰色过黑则会影响视觉效果；碳线宽度和整齐度也会影响视觉效果，但相比之下其产生的视觉冲击感要弱一些，尤其是在前三项指标较差时更不易被关注。综上可知，critic权重不仅兼顾了各项测试指标在信息量、独立性方面的差异性，也较好地体现了各项测试指标的感官重要性程度。

S140：依据每种卷烟的每个测试指标的指标得分和对应的权重赋值计算卷烟的综合得分。

具体地，将每种卷烟的所有测试指标的加权和作为该卷烟的综合得分。其中，综合得分域均为[60,100]，其中优、良和一般档的得分域依次为[90,100]、[70,90)、[60,70)。

S150：依据每种卷烟的综合得分获得卷烟的评价结果。

具体地，可以采用任一现有方法依据综合得分进行卷烟的评价，本申请不做限制。

优选地，本申请的包灰性能评价方法还包括对上述方法的验证。

作为一个实施例，上述验证包括对各项测试指标的指标得分的分析。图3为各项测试指标的原始值与相应的指标得分间的散点图。从图3可知，各项测试指标的原始值与相应的指标得分间的散点图连续、平滑，说明分组转换后的得分数据未改变原始数据的连续型随机变量特征。表6示出了各项测试指标的指标得分的描述性统计结果，从表6可知，各项测试指标的均值均在80分附近。表7示出了各项测试指标的指标得分的正态性检验结果，从表7可以看出，各项测试指标的指标得分均服从正态分布。

表6各项测试指标的指标得分的描述性统计

表7各项测试指标的指标得分的正态性检验结果

为进一步验证测试数据转换为得分后是否改变原有数据携带的相关信息，对不同规格卷烟的各项测试指标的指标得分进行了方差分析和多重比较，见表8。

表8不同规格卷烟的各项测试指标的指标得分的描述性统计

方差分析结果表明不同圆周卷烟间的灰色、裂口率和碳线整齐度得分存在极显著差异，缩灰率和碳线宽度的差异不显著，与上述基于原始值的分析结果一致；进一步地，多重比较结果表明，中支卷烟的裂口率得分显著优于细支和常规支卷烟，中支和细支卷烟的碳线整齐度得分显著优于常规支卷烟，中支烟的灰色得分显著优于细支卷烟、碳线宽度得分显著优于常规支卷烟，与上述基于原始值的分析结果一致。可见，将原始值转换为指标得分后未改变不同圆周卷烟的包灰性能的相对优劣关系。

综上，基于聚类分析和模糊判别分析将五项测试指标的测量结果转换为指标得分后，可以保证变量的数据类型不变、信息量基本不损失，并可以统一不同指标的量纲和取向，改善数据的正态性。

作为另一个实施例，上述验证还包括对综合得分的分析。

表9示出了49种不同规格、种类的卷烟的综合得分的描述性统计结果，得分介于68.64～90.48、平均得分79.30，正态性检验结果表明综合得分同样具有良好的正态性。多重比较结果表明，不同圆周卷烟的综合包灰性能得分存在显著差异，得分由高到低为中支>细支>常规卷烟，与基于原始值的数据分析的结果一致。

表9综合得分的描述性统计

依据综合评价结果、采用K-means法将49种卷烟分为三类，对各类边界值进行适当修正后得到综合包灰性能评价标准，见表10。综合包灰性能分为优(Ⅰ)、良(Ⅱ)、一般(Ⅲ)三档、各档得分区间为(85,100]、[75,85]、[60,75)，Ⅰ、Ⅱ、Ⅲ三档卷烟各有10、27、12个。

表10综合包灰性能评价标准

为进一步验证综合包灰性能评价标准的实用性，将代表性样品的灰柱图分成5组并进行了对比分析，见图4。从图4可知，第一组得分在90分左右(90.48、90.35、89.84、88.47)，第二组得分在85分左右(85.86、85.46、84.82、84.70)，第三组得分在80分左右(81.44、81.35、80.80、79.92、79.59)，第四组得分在75分左右(75.35、75.16、74.45、74.08)，第五组得分在70分左右(71.16、70.90、69.83、69.75、68.64)。得分相近的同一组卷烟灰柱的视觉效果近似，不同组卷烟灰柱的视觉效果则存在明显差异，且随着得分差距增加差异的程度也明显增加，主要表现为随着得分降低灰柱表面裂纹程度升高、灰柱紧致程度降低、灰柱颜色变黑。可见，转换后的得分与灰柱的视觉效果间存在较强的相关性，而相对于灰色等原始变量，用得分评判灰柱视觉效果的优劣更符合认知习惯。

基于上述卷烟的包灰性能评价方法，本申请还提供了一种卷烟的包灰性能评价装置。如图5所示，评价装置包括测试模块510、指标得分获得模块520、权重获得模块530、综合得分获得模块540以及评价模块550。

测试模块510用于对多个种类的卷烟进行包灰性能测试，获得每种卷烟的多个测试指标的原始值，形成原始测试数据。

指标得分获得模块520用于利用判别函数对每种卷烟的每个测试指标的原始值进行赋值，得到指标得分。

权重获得模块530用于对每个测试指标进行权重赋值，获得相应的权重。

综合得分获得模块540用于依据每种卷烟的每个测试指标的指标得分和对应的权重赋值计算卷烟的综合得分。

评价模块550用于依据每种卷烟的综合得分获得卷烟的评价结果。

优选地，指标得分获得模块520包括分组模块5201、判别域获得模块5202以及指标赋值模块5203。

分组模块5201用于针对每个测试指标，对所有种类的卷烟的原始值进行聚类，并依据聚类结果将所有卷烟种类分为优数据组、良数据组和一般数据组，其中，三个数据组中，两两之间的差异显著，并且良数据组所包含的卷烟的种类大于优数据组和一般数据组。

判别域获得模块5202用于针对每个测试指标，将每个数据组中的聚类结果的最大值和最小值取整，形成该数据组的组判别域；将该测试指标中聚类结果的最大值和最小值取整，形成该测试指标的总判别域。

指标赋值模块5203用于针对每个测试指标，利用总判别域和每个数据组的组判别域对每种卷烟的测试指标进行赋值，获得指标得分。

作为一个实施例，多个测试指标包括灰色、裂口率、缩灰率、碳线宽度、碳线整齐度。在此基础上，指标赋值模块5203用于采用S型函数对灰色测试指标进行赋值；采用反S型函数对裂口率、缩灰率、碳线宽度以及碳线整齐度进行赋值。

优选地，权重获得模块530包括独立性分析模块5301和权重赋值模块5302。

独立性分析模块5301用于对每个测试指标的指标得分进行独立性分析，获得独立性分析结果。

权重赋值模块5302用于依据每个测试指标的独立性分析结果和信息量进行客观赋值，获得每个测试指标的权重。

本申请以卷烟的包灰性能为目标，基于聚类分析研究原始测量数据间的内在联系、实现数据分组，结合分组判别函数，将原始测量数据转换为得分，在不改变原始数据特征、不损失信息量的前提下统一了不同测量指标的量纲及取向，达到了定性定量评价相结合的目的，同时采用Critic法进行客观权重赋值，获得包灰性能综合得分，为卷烟包灰性能的综合评价提供数据支撑，客观全面地表征了烟支的包灰性能，并且更加符合人们对感性指标的认知习惯。

虽然已经通过例子对本申请的一些特定实施例进行了详细说明，但是本领域的技术人员应该理解，以上例子仅是为了进行说明，而不是为了限制本申请的范围。本领域的技术人员应该理解，可在不脱离本申请的范围和精神的情况下，对以上实施例进行修改。本申请的范围由所附权利要求来限定。