-
公开(公告)号：CN114018863B
公开(公告)日：2023-07-28
申请号：CN202111294349.7
申请日：2021-11-03
申请人： 杭州电子科技大学 , 浙江中烟工业有限责任公司
IPC分类号： G01N21/359 , G01N21/01
摘要： 本发明公开了一种基于近红外光谱和对比学习的烟叶部位判别方法及装置。在近红外光谱仪上采集其样品光谱并标记烟叶部位类别；对所采集的样本光谱数据通过光谱特征参量化进行数据维扩展；针对上部\中下部(U/CD)、中部\上下部(C/UD)和下部\上中部(D/UC)三个二分类任务，分别构建三个对比学习网络并训练；对对比学习网络的自编码器进行迁移学习，构建U/CD、C/UD、D/CU三个二分类网络，输出烟叶属于上部烟、中部烟和下部烟的识别概率；计算归化矢量，根据归化矢量的值判断烟叶部位为确定性部位或过渡性部位。本发明利用近红外光谱分析技术，为烟叶部位无损判别提供了一种高效稳定的技术手段。
-
公开(公告)号：CN114034657B
公开(公告)日：2024-01-09
申请号：CN202111294344.4
申请日：2021-11-03
申请人： 浙江中烟工业有限责任公司 , 杭州电子科技大学
IPC分类号： G01N21/3563 , G01N21/359 , G06V10/764 , G06V10/80
摘要： 本发明公开了一种基于近红外光谱特征参量融合和概率分类的烟叶部位判别方法及装置。在近红外光谱仪上采集其样品光谱并标记烟叶部位类别；提取所采集的样本数据的光谱特征参量，将所述特征参量与原数据拼接融合；随机选取一定比例的融合数据作为概率分类器的训练数据集，通过验证曲线选择分类器的最佳参数并训练；对任一烟叶样本光谱数据，经特征参量融合后输入已训练好的分类器，输出烟叶样本属于上部烟、中部烟和下部烟的分类概率；根据分类概率得到归化矢量，根据归化矢量的值判别烟叶部位为确定性部位或过渡性部位。本发明利用近红外光谱分析技术，为烟叶部位无损判别提供了一种高效稳定的技术手段。
-
公开(公告)号：CN114018863A
公开(公告)日：2022-02-08
申请号：CN202111294349.7
申请日：2021-11-03
申请人： 杭州电子科技大学 , 浙江中烟工业有限责任公司
IPC分类号： G01N21/359 , G01N21/01
摘要： 本发明公开了一种基于近红外光谱和对比学习的烟叶部位判别方法及装置。在近红外光谱仪上采集其样品光谱并标记烟叶部位类别；对所采集的样本光谱数据通过光谱特征参量化进行数据维扩展；针对上部\中下部(U/CD)、中部\上下部(C/UD)和下部\上中部(D/UC)三个二分类任务，分别构建三个对比学习网络并训练；对对比学习网络的自编码器进行迁移学习，构建U/CD、C/UD、D/CU三个二分类网络，输出烟叶属于上部烟、中部烟和下部烟的识别概率；计算归化矢量，根据归化矢量的值判断烟叶部位为确定性部位或过渡性部位。本发明利用近红外光谱分析技术，为烟叶部位无损判别提供了一种高效稳定的技术手段。
-
公开(公告)号：CN114034657A
公开(公告)日：2022-02-11
申请号：CN202111294344.4
申请日：2021-11-03
申请人： 浙江中烟工业有限责任公司 , 杭州电子科技大学
IPC分类号： G01N21/3563 , G01N21/359 , G06K9/62
摘要： 本发明公开了一种基于近红外光谱特征参量融合和概率分类的烟叶部位判别方法及装置。在近红外光谱仪上采集其样品光谱并标记烟叶部位类别；提取所采集的样本数据的光谱特征参量，将所述特征参量与原数据拼接融合；随机选取一定比例的融合数据作为概率分类器的训练数据集，通过验证曲线选择分类器的最佳参数并训练；对任一烟叶样本光谱数据，经特征参量融合后输入已训练好的分类器，输出烟叶样本属于上部烟、中部烟和下部烟的分类概率；根据分类概率得到归化矢量，根据归化矢量的值判别烟叶部位为确定性部位或过渡性部位。本发明利用近红外光谱分析技术，为烟叶部位无损判别提供了一种高效稳定的技术手段。
-
公开(公告)号：CN113971990B
公开(公告)日：2024-10-08
申请号：CN202111232351.1
申请日：2021-10-22
申请人： 浙江中烟工业有限责任公司
IPC分类号： G16C20/30 , G01N21/359
摘要： 本发明公开了一种基于相似光谱拟合的多化学指标预测方法，包括：(1)采集多个样品的近红外光谱；(2)计算选定的目标谱与其他近红外光谱的相似度；(3)在每个N的取值下，针对每个目标谱，选择与目标谱相似度前N大的N个近红外光谱进行趋近于目标谱的拟合，以确定N个拟合系数；(4)利用N个拟合系数计算每个目标谱的每个化学指标的拟合值，并计算拟合值与检测值的绝对误差；(5)针对每个化学指标，计算所有近红外光谱作为目标谱对应的绝对误差的平均值，筛选绝对误差的平均值最小时对应的N作为最终确定值N0；(6)利用确定的N0按照步骤(2)～(4)计算测试样本的每个化学指标的拟合值。该方法实现多化学指标的快速准确预测。
-
公开(公告)号：CN114295578B
公开(公告)日：2024-01-09
申请号：CN202111313544.X
申请日：2021-11-08
申请人： 浙江中烟工业有限责任公司 , 浙江大学
IPC分类号： G01N21/359 , G01N21/3563 , G06F30/27
摘要： 本发明提出一种基于近红外光谱的烟叶常规化学成分通用模型建模方法。首先在相同条件下采集烟叶样品的近红外光谱数据、产地信息，测得其常规化学成分含量。然后建立烟叶产地预测模型。其次设立一组期望模型目标评价参数，利用样品化学成分含量数据与预处理后的光谱数据进行偏最小二乘回归分析建模，若所得模型不符合要求，则对参与建模的样品进行以产地为单位的剔除，得到满足要求并适用最多产地的主模型。对于不参与主模型建模的样品，利用模型转移算法建立转移模型，得到满足参数要求前提下模型数最少的转移模型组。主模型与转移模型组共同构成通用模型，结合产地预测模型，可对来自全国各产区烟叶待测样品进行符合目标精度要求的成分预测。
-
公开(公告)号：CN116384093A
公开(公告)日：2023-07-04
申请号：CN202310314901.7
申请日：2023-03-28
申请人： 浙江中烟工业有限责任公司
摘要： 本发明公开了一种基于历史数据的卷烟叶组配方优选方法、设备及存储介质，在评价卷烟叶组配方稳定性和相似性中，基于误差统计及二维高斯分布的联合密度函数，通过对数据进行降维处理并引入误差椭圆约束方程构建计算待选配方在历史配方中偏离度指数，并根据偏离度指数从待选配方中进行优选，用于解决现有技术无法基于叶组配方历史数据指标的量化待用配方的稳定性和相似性的问题。本发明可应用于目前公司卷烟叶组配方设计中待用叶组配方与历史配方的相似性及符合度的评价工作，在提高卷烟叶组配方设计效率的同时，可推广到潜在烟叶资源挖掘、烟叶保障资源评估以及卷烟产品叶组配方设计的实务工作中。
-
公开(公告)号：CN116364198A
公开(公告)日：2023-06-30
申请号：CN202310363095.2
申请日：2023-04-06
申请人： 浙江中烟工业有限责任公司 , 浙江大学
IPC分类号： G16C10/00 , G06F30/27 , G06F119/08
摘要： 本发明公开了一种烟叶原料热解特性预测方法，主要设计构思在于，借助成熟的算法架构建立烟叶原料的化学信息数据以及反应条件，即热解升温速率与热失重曲线的非线性复杂关系，最终构建能够能体现烟叶种类以及升温速率变化对烟叶热解特性影响的通用性热解模型，以用来对实测烟草原料进行热解特性预测。即利用通用性热解模型，能够依据烟叶的化学特性，通过给定烟叶的化学组成信息及升温速率数值，对任一原料在不同升温速率下的热失重、热失重微分曲线以及热解动力学方程进行准确预测，大大降低热失重分析实验的工作量，并可作为有效的化学反应动力学模块，与卷烟抽吸过程涉及的质量、能量和动量传递方程相结合，辅助卷烟燃烧计算模型的构建。
-
公开(公告)号：CN115725367A
公开(公告)日：2023-03-03
申请号：CN202211469564.0
申请日：2022-11-22
申请人： 浙江中烟工业有限责任公司
摘要： 本发明公开了一种含有烟草花提取物的烟用香精及其制备方法与应用，烟用香精包含：香基1‑10份，溶剂90‑99份，其中，所述香基包含以下重量份组分：烟草花提取物(蔗糖四酯混合物)0.3‑3份；巨豆三烯酮0.05‑1份；香叶基丙酮0.1‑1份；β‑二氢大马酮0.1‑1份；香兰素0.1‑1份；乙基香兰素0.1‑1份；5‑甲基糠醛0.1‑0.5份；丁二酮0.05‑0.5份；γ‑丁内酯0.05‑0.5份；γ‑戊内酯0.05‑0.5份。本申请的烟用香精添加到烟丝中制成卷烟，其烟气柔和，烟气润甜感提升，香气质量提高，改善余味，增强协调性；同时能使废弃的烟草花变废为宝，减少环境污染，提高烟农的经济效益。
-
公开(公告)号：CN110736718B
公开(公告)日：2022-07-19
申请号：CN201910985697.5
申请日：2019-10-16
申请人： 浙江中烟工业有限责任公司
IPC分类号： G01N21/359 , G06V10/764
摘要： 本发明提供一种烤烟烟丝产地及等级识别方法，该方法包括如下步骤：步骤1）获取多个烟叶（烟丝）样本的表征指标，所述的表征指标包括化学指标、香型指标与部位特征；步骤2）获取步骤1）中多个烟叶（烟丝）样本的近红外光谱，利用偏最小二乘方法分别对步骤1）获得的表征指标、步骤2）获得的近红外光谱进行关联，建立模型；步骤3）将全国各产地、各等级烟叶样本的历史近红外光谱应用到步骤2）所述的模型中，得到全国各产地、各等级烟叶样本的模型计算值；统计各产地、等级的各模型阈值范围，建立匹配矩阵；步骤4）获取未知样本的近红外光谱，通过步骤2）模型预测出表征指标后，结合步骤3）的匹配矩阵，预测其产地及等级。
-
-
-
-
-
-
-
-
-
搜索结果
143 条记录 (耗时 0.056 秒)
