一种烟支无损均一性处理方法与流程

1.本发明涉及卷烟产品质量检测技术领域，具体涉及一种烟支无损均一性处理方法。


背景技术：

2.在卷烟生产过程中，烟丝经过卷接机吸丝成型系统后，卷烟的烟丝束的水分密度重量分布发生变化。而目前为了提升卷烟产品的质量和客户满意度，卷烟生产企业通常会组织若干评吸人员对成品烟进行评析打分。在组织评析会前，需对烟支进行均一性处理，以保证评吸人员所得烟支的水分密度重量的客观一致性，从而减少对评析有效性的影响。除了感官差异外，还存在这诸多因素影响卷烟的抽吸口感，诸如烟支的水分、密度、重量等因素，有些差异可能比较小，难以用常规粗放式的方法进行有效识别。目前，国内卷烟生产企业没有一个综合的针对这三项指标的筛分平台，也没有具体的筛分算法。
3.为了解决以上问题，提出本发明。


技术实现要素：

4.本发明第一方面提供一种烟支无损均一性处理方法，其包括以下步骤：
5.(1)采用电子天平对烟支进行整体称重；
6.(2)烟支通过微波传感器，采集样品的水分和密度分布特性曲线；
7.(3)通过筛分装置，按照设定的条件，筛分策略将样品按照均一性要求进行分类。
8.优选地，筛分过程考虑的因素有重量、水分和密度。
9.优选地，筛分策略包括单因素筛分和多因素筛分两种，其中单因素筛分是对落料仓设置单个筛分条件，满足该落料仓设定的筛分条件的样品会落入该落料仓；
10.多因素筛分是对落料仓设置多个筛分条件，同时满足该落料仓设定的多个筛分条件的样品会落入该落料仓。
11.优选地，筛分条件有：
12.针对重量值有：重量值筛分法；
13.针对密度或者水分值有：曲线相似度法、概率密度法、方差法。
14.优选地，重量值筛分法可直接根据下位机返回烟支样品重量数据结果进行数值范围分类。
15.优选地，曲线相似度法是计算两条曲线上点与点之间的距离，计算两个样品的曲线相似度；
16.曲线相似度的计算方法为：
17.不同样品曲线上的点的分布是一一对应的，同时扫描两支目标样品曲线上的点，并求出在同一x轴上的两个点之间的欧氏距离d，计算出所有距离后求和，记为d；
18.记微波绝对差值总和为dmax，这是一个固定经验值，一定大于等于d。
19.定义两条曲线的相似度为：
20.similarity＝[1-10*(davg/dmax)]*100％
[0021]
其中，dmax＝1000(设定常数，一般地dav一定小于dmax)
[0022]
davg——所有点与标准曲线对应点差值的绝对值的平均数
[0023]
10——差异放大倍数。
[0024]
优选地，概率密度法为：微波值越大则表示此处的样品水分含量越高/密度越大，通过设定微波阈值，计算大于阈值的概率密度，记为d，d越大，则表示样品出现高水分含量/高密度的区域越大；
[0025]
计算概率密度和首先要确定一个范围区间，然后求得该区间的概率密度和，计算公式如下：
[0026][0027]
p(m,n)：区间[m,n]的概率密度和
[0028]
f(x)：某一点出现的概率。
[0029]
优选地，方差法为扫描曲线，以曲线上的点为单位计算出每条曲线的标准方差；曲线标准方差反映了曲线的垂直波动情况，也就是样品的水分/密度分布的均匀度，方差越小，则样品的水分/密度分布越均匀；
[0030]
计算公式如下：
[0031][0032]
s：样本标准方差
[0033]
n：样本数量。
[0034]
本发明相对于现有技术具有以下优点：
[0035]
本发明提出一种无损的处理方法，从烟支的密度、水分和重量三因素分布特性的角度出发，通过曲线拟合度算法等多种筛分处理方式，从而找出最接近的烟支样品。
附图说明
[0036]
图1为本发明烟支无损均一性处理方法流程示意图；
[0037]
图2为重量筛分落料仓设计；
[0038]
图3为密度数据曲线；
[0039]
图4为曲线距离说明；
[0040]
图5为曲线相似度仓位设计；
[0041]
图6为微波值概率密度(正态分布)；
[0042]
图7为概率密度和筛分仓位设计；
[0043]
图8为方差筛分仓位设计；
[0044]
图9为多因素筛分仓位设计；
[0045]
图10为多仓位重量筛分筛分条件；
[0046]
图11为多仓位重量筛分筛分结果；
[0047]
图12为单仓位多因素筛分筛分条件；
[0048]
图13为单仓位多因素筛分筛分结果；
[0049]
图14为多仓位多因素筛分筛分条件；
[0050]
图15为多仓位多因素筛分筛分结果。
具体实施方式
[0051]
下面结合实施例对本发明作进一步的详细描述。
[0052]
本领域技术人员将会理解，下列实施例仅用于说明本发明，而不应视为限定本发明的范围。实施例中未注明具体技术或条件者，按照本领域内的文献所描述的技术或条件或者按照产品说明书进行。所用材料或设备未注明生产厂商者，均为可以通过购买获得的常规产品。
[0053]
数据分析说明
[0054]
1、筛分策略实现
[0055]
筛分策略包括单因素筛分和多因素筛分两种，其中单因素筛分是对落料仓设置单个筛分条件，满足该落料仓设定的筛分条件的样品会落入该落料仓。筛分条件有：针对重量值有：重量值筛分法。针对密度或者水分值有：曲线相似度法、概率密度法、方差法。
[0056]
多因素筛分是对落料仓设置多个筛分条件，同时满足该落料仓设定的多个筛分条件的样品会落入该落料仓。筛分条件同时是上述的几种类型，不过此筛分中是一个落料仓设置多个筛分条件。
[0057]
2、筛分条件的设定以及计算说明
[0058]
2.1重量值筛分法
[0059]
重量值筛分法可直接根据下位机返回烟支样品重量数据结果进行数值范围分类。
[0060]
重量单元能够测出每支样品的重量值，我们可以根据重量值对样品进行分类。可配置参数：重量区间，用户针对不同的落料仓设置不同的重量值区间达到对样品筛分的目的。
[0061]
例如图2对不同落料仓设置的不同重量值筛分条件，当烟支样品的重量在0.9-0.87g范围内时，其会被筛分到落料仓1。落料仓1-5相同。当不在落料仓1-5范围内的样品会被筛分到落料仓6其他。重量筛分落料仓设计
[0062]
2.2曲线相似度法
[0063]
烟支通过微波传感器，采集样品的水分和密度分布特性曲线。而从此曲线处理数据的第一步是确定有效的数据：从微波传感器获取的测量原始数据，是微波系统通过拟合系数与模板匹配方法得出的在样品运动过程中每个切面的密度和水分数据集合。我们在此需要计算出属于样品长度范围内的有效数据，去掉头尾无关的部分。微波传感器的探头在扫描到样品之前，输出值趋近于0，是一段平稳的直线，由于样品端头有细碎的毛刺，微波对此非常敏感，它们到达微波探头时输出值会快速上升，数据曲线斜率快速增大，当样品继续向前推进，真正达到实际端头时，数据曲线斜率达到阶段的最大值，这就是我们要求的样品端头起点位置。
[0064]
例如图3所示为一支样品的水分曲线，从第一个数据的开始遍历，依次计算相邻两个数据点构成的斜率，当出现斜率突然增大时进行标记，之后出现斜率连续三次减小或相等，则减小或相等之前的点为样品端头位置。如果在超过最大范围内(理论端头距离的两
倍)没有找到符合规律的位置，则取首次减小位置或理论端头点为端头位置。找到端头位置后，再根据样品标准长度进行推算，得出尾端的位置。图3中两条竖线之间的数值为有效数据。
[0065]
选取有效数据后，绘制样品的水分曲线或者密度曲线。计算两条曲线上点与点之间的距离，计算两个样品的曲线相似度，如图4所示。落料仓1-6设计接收不同的样品，样品根据计算曲线相似度结果进入对应的仓位中。如图5所示。
[0066]
曲线相似度的计算方法为：
[0067]
不同样品曲线上的点的分布是一一对应的，同时扫描两支目标样品曲线上的点，并求出在同一x轴上的两个点之间的欧氏距离d，计算出所有距离后求和，记为d。
[0068]
记微波绝对差值总和为dmax，这是一个固定经验值，一定大于等于d。
[0069]
定义两条曲线的相似度为：
[0070]
similarity＝[1-10*(davg/dmax)]*100％
[0071]
其中，dmax＝1000(设定常数，一般地dav一定小于dmax)
[0072]
davg——所有点与标准曲线对应点差值的绝对值的平均数
[0073]
10——差异放大倍数。
[0074]
2.3概率密度法
[0075]
对微波值做概率密度计算，我们可以得到不同微波值区间的概率密度。根据微波特性我们得知，微波值的大小与样品的水分/密度成正相关。微波值越大则表示此处的样品水分含量越高/密度越大，通过设定微波阈值，计算大于阈值的概率密度，记为d，d越大，则表示样品出现高水分含量/高密度的区域越大。如图6所示的微波值概率密度(正态分布)。计算得出概率密度和后，根据仓位设计将样品落入对应的仓位。如图7所示。
[0076]
计算概率密度和首先要确定一个范围区间，然后求得该区间的概率密度和，计算公式如下：
[0077][0078]
p(m,n)：区间[m,n]的概率密度和
[0079]
f(x)：某一点出现的概率。
[0080]
2.4方差法
[0081]
扫描曲线，以曲线上的点为单位计算出每条曲线的标准方差。然后根据用户设定的方差区间进行样品分类。曲线标准方差反映了曲线的垂直波动情况，也就是样品的水分/密度分布的均匀度，方差越小，则样品的水分/密度分布越均匀。计算公式如下：
[0082][0083]
s：样本标准方差
[0084]
n：样本数量。
[0085]
计算得到方差结果，再根据仓位设计进入对应的落料仓，如图7所示。
[0086]
举例说明：
[0087]
为了更加详细的说明实施例中以上的筛分条件计算方法，下表1为10支烟测量得到的密度的原始数据。
[0088]
表110支烟测量得到的密度的原始数据
[0089]
[0090][0091]
根据统计规则，有效区间为4-50mm，所以从第4行开始计算。
[0092]
(1)依据表1中数据，按照本实施方式中2.2曲线相似度法内容，计算该样品与标准样品的相似度。以表1中样品1为例(其他样品计算过程相同，表1中将各样品的计算结果列出，供参考)：
[0093]
经过计算davg＝8.126382979，带入公式
[0094]
similarity＝[1-10*(8.126382979/1000)]*100％＝91.87％≈91.9％。
[0095]
(2)依据表1中数据，按照本实施方式中2.3概率密度法内容，计算样品的微波值概率密度。以表1中样品1为例(其他样品计算过程相同，表1中将各样品的计算结果列出，供参考)：
[0096]
根据概率密度公式，设置概率密度范围区间为0-237，
[0097][0098]
对样品1的数据进行统计，落在设定区间内的数量为20个，数据重量为47个。
[0099]
所以，概率密度和为20/47＝42.55≈42.6
[0100]
(2)依据表1中数据，按照本实施方式中2.4方差法内容，计算样品的标准方差。以表1中样品1为例(其他样品计算过程相同，表1中将各样品的计算结果列出，供参考)：
[0101]
方差计算公式为：
[0102][0103]
先计算出样品1数据的平均数＝240.97，
[0104]
然后通过公式得出方差s＝8.159
[0105]
3、多因素筛分
[0106]
对落料仓设置多个筛分条件，包括重量筛分，曲线相似度筛分，方差筛分，正态分布筛分。当所有条件均满足时才能落入料仓。没有设置的条件表示不限制。在单因素筛分的基础上进行逻辑与或，则可实现多因素筛分。如图8所示。
[0107]
实施例1多仓位重量筛分
[0108]
检测20支样品，根据烟支重量进行筛分。仓位1-5设置为指定重量区间，不符合仓位1-5条件的烟支会掉入仓位6。
[0109]
筛分条件见图10，筛分结果见图11，数据结果见下表2。
[0110]
表2多仓位重量筛分数据结果
[0111]
[0112]
[0113][0114]
实施例2单仓位多因素筛分
[0115]
检测20支样品，对仓位一进行多条件限制，只有符合条件的会进入仓位一。
[0116]
筛分条件见图12，筛分结果见图13，数据结果见下表3。
[0117]
表3单仓位多因素筛分数据结果
[0118]
[0119][0120]
实施例3多仓位多因素筛分
[0121]
检测20支样品，仓位1-3设置单因素限制，仓位4-5设置多因素限制。
[0122]
筛分条件见图14，筛分结果见图15，结果数据见下表4。
[0123]
表4多仓位多因素筛分数据结果
[0124]
[0125][0126]
可以理解，本发明是通过一些实施例进行描述的，本领域技术人员知悉的，在不脱离本发明的精神和范围的情况下，可以对这些特征和实施例进行各种改变或等效替换。另外，在本发明的教导下，可以对这些特征和实施例进行修改以适应具体的情况及材料而不会脱离本发明的精神和范围。因此，本发明不受此处所公开的具体实施例的限制，所有落入本技术的权利要求范围内的实施例都属于本发明所保护的范围内。