Способ использования спектроскопических данных для определения органолептических характеристик сигаретного дыма основного потока Российский патент 2023 года по МПК G01N21/3504 A24C5/34 

Область техники

Настоящее изобретение относится к области технологий оценки качества табачной продукции, и, в частности, оно относится к способу органолептической оценки на основе спектроскопических данных сигаретного дыма основного потока.

Предпосылки изобретения

Сигареты являются специфическим потребительским товаром, в котором ключевые компоненты в дыме основного потока непосредственно влияют на качество курения и ощущения во рту от него, поэтому то, как эффективно установить релевантность компонентов дыма в отношении органолептической оценки для выполнения точной оценки изделия, становится существенной технической проблемой, требующей незамедлительного решения в табачной промышленности.

Сегодня способы органолептической оценки на основе спектроскопических данных сигаретного дыма основного потока основываются на экспертной оценке, то есть органолептическая оценка осуществляется путем курения специалистами сигарет с последующим выставлением им соответствующих оценок на основании поставленных баллов. Такие способы органолептической оценки зависят от сотрудников, и на выполняемую вручную оценку влияют факторы, связанные с самими выполняющими органолептическую оценку сотрудниками, а также внешняя среда, а это вносит в результаты оценки сигарет фактор неопределенности; в то же время способы экспертной оценки характеризуются такими проблемами, как существенные затраты времени и сил, сложность процесса, низкая эффективность, нестабильность результатов органолептической оценки и т. п. Следовательно, имеется острая необходимость в способе органолептической оценки на основе спектроскопических данных сигаретного дыма основного потока.

Суть изобретения

Цель настоящего изобретения заключается в предоставлении способа органолептической оценки на основе спектроскопических данных сигаретного дыма основного потока, который решит вышеуказанные проблемы существующих технологий и обеспечит возможность улучшения эффективности, правильности и надежности органолептической оценки сигаретного дыма основного потока.

Согласно настоящему изобретению предложен способ органолептической оценки на основе спектроскопических данных сигаретного дыма основного потока, который включает:

улучшение спектроскопических данных сигаретного дыма основного потока от нескольких сигарет;

извлечение спектральных признаков поверхностного слоя из указанных спектроскопических данных сигаретного дыма основного потока от каждой сигареты после улучшения данных;

получение результатов касательно органолептических характеристик поверхностного слоя, связанных со всеми указанными спектроскопическими данными сигаретного дыма основного потока, на основании указанных спектроскопических данных сигаретного дыма основного потока от каждой сигареты, из которых извлекли указанные спектральные признаки поверхностного слоя, и указанных спектральных признаков поверхностного слоя;

извлечение пространственных признаков глубокого слоя из указанных спектроскопических данных сигаретного дыма основного потока от каждой сигареты, из которых извлекли указанные спектральные признаки поверхностного слоя;

получение результатов касательно органолептических характеристик глубокого слоя, связанных со всеми указанными спектроскопическими данными сигаретного дыма основного потока, на основании указанных спектроскопических данных сигаретного дыма основного потока от каждой сигареты, из которых извлекли указанные пространственные признаки глубокого слоя, и указанных пространственных признаков глубокого слоя;

получение обобщенных результатов касательно органолептических характеристик, связанных со всеми указанными спектроскопическими данными сигаретного дыма основного потока, на основании указанных результатов касательно органолептических характеристик поверхностного слоя и указанных результатов касательно органолептических характеристик глубокого слоя.

Предпочтительно в вышеуказанном способе органолептической оценки на основе спектроскопических данных сигаретного дыма основного потока указанные спектроскопические данные сигаретного дыма основного потока содержат данные спектра в среднем инфракрасном диапазоне.

Предпочтительно в вышеуказанном способе органолептической оценки на основе спектроскопических данных сигаретного дыма основного потока улучшение указанных спектроскопических данных сигаретного дыма основного потока от нескольких сигарет, в частности, включает:

выполнение горизонтального отражения спектроскопических данных сигаретного дыма основного потока от каждой сигареты;

выполнение случайной обрезки подвергнутых горизонтальному отражению спектроскопических данных сигаретного дыма основного потока от каждой сигареты;

обработку физических возмущений в отношении подвергнутых случайной обрезке спектроскопических данных сигаретного дыма основного потока от каждой сигареты;

обработку возмущений компонентов в отношении подвергнутых обработке физических возмущений спектроскопических данных сигаретного дыма основного потока от каждой сигареты.

Предпочтительно в вышеуказанном способе органолептической оценки на основе спектроскопических данных сигаретного дыма основного потока извлечение спектральных признаков поверхностного слоя из указанных спектроскопических данных сигаретного дыма основного потока от каждой сигареты после улучшения данных, в частности, включает:

исключение точек данных касательно выбросов в спектроскопических данных сигаретного дыма основного потока от нескольких сигарет с помощью критерия Т-квадрата Хотеллинга для спектрального вектора с исключением аномальных данных в спектроскопических данных сигаретного дыма основного потока;

шумоподавление в отношении всех указанных спектроскопических данных сигаретного дыма основного потока после исключения аномальных данных, выполняемое с помощью по меньшей мере одного способа, в котором применяют дифференциал второго порядка, фильтр производных Карла Норриса, мультипликативную коррекцию рассеивания и вейвлет-преобразование.

Предпочтительно в вышеуказанном способе органолептической оценки на основе спектроскопических данных сигаретного дыма основного потока получение результатов касательно органолептических характеристик поверхностного слоя, связанных со всеми указанными спектроскопическими данными сигаретного дыма основного потока, на основании указанных спектроскопических данных сигаретного дыма основного потока от каждой сигареты, из которых извлекли указанные спектральные признаки поверхностного слоя, и указанных спектральных признаков поверхностного слоя, в частности, включает:

введение всех указанных спектроскопических данных сигаретного дыма основного потока, из которых извлекли указанные спектральные признаки поверхностного слоя, в предварительно созданную первую модель органолептической классификации и получение результатов касательно органолептических характеристик поверхностного слоя, связанных со всеми указанными спектроскопическими данными сигаретного дыма основного потока.

Предпочтительно в вышеуказанном способе органолептической оценки на основе спектроскопических данных сигаретного дыма основного потока указанную первую модель органолептической классификации создают на основании анализа главных компонентов в сочетании с машиной нелинейных опорных векторов, при этом способ создания указанной первой модели органолептической классификации, в частности, включает:

выбор признаков в отношении всех указанных спектроскопических данных сигаретного дыма основного потока после шумоподавления, основанный на методе анализа главных компонентов, с извлечением пиков признаков в спектроскопических данных сигаретного дыма основного потока в отношении всех компонентов в дыме основного потока;

осуществление обучения в отношении всех указанных спектроскопических данных сигаретного дыма основного потока, подвергнутых извлечению пиков признаков, на основании алгоритма машины нелинейных опорных векторов с получением первой модели органолептической классификации.

Предпочтительно в вышеуказанном способе органолептической оценки на основе спектроскопических данных сигаретного дыма основного потока извлечение пространственных признаков глубокого слоя из указанных спектроскопических данных сигаретного дыма основного потока от каждой сигареты, из которых извлекли указанные спектральные признаки поверхностного слоя, в частности, включает:

извлечение пространственных признаков глубокого слоя из указанных спектроскопических данных сигаретного дыма основного потока от каждой сигареты, из которых извлекли указанные спектральные признаки поверхностного слоя, на основе глубоких остаточных сверточных нейронных сетей.

Предпочтительно в вышеуказанном способе органолептической оценки на основе спектроскопических данных сигаретного дыма основного потока получение результатов касательно органолептических характеристик глубокого слоя, связанных со всеми указанными спектроскопическими данными сигаретного дыма основного потока, на основании указанных спектроскопических данных сигаретного дыма основного потока от каждой сигареты, из которых извлекли указанные пространственные признаки глубокого слоя, и указанных пространственных признаков глубокого слоя, в частности, включает:

введение путем занесения в стек нескольких указанных пространственных признаков глубокого слоя, извлеченных на основе указанных глубоких остаточных сверточных нейронных сетей, в машину опорных векторов с получением второй модели органолептической классификации;

введение всех указанных спектроскопических данных сигаретного дыма основного потока, из которых извлекли указанные пространственные признаки глубокого слоя, в указанную вторую модель органолептической классификации, с получением результатов касательно органолептических характеристик глубокого слоя, связанных со всеми указанными спектроскопическими данными сигаретного дыма основного потока.

Предпочтительно в вышеуказанном способе органолептической оценки на основе спектроскопических данных сигаретного дыма основного потока способ установки сетевых параметров указанных глубоких остаточных сверточных нейронных сетей, в частности, включает:

получение первых оптимальных сетевых параметров с применением оптимальной ошибки классификации в качестве первой целевой функции в условиях набора фиксированных спектроскопических данных сигаретного дыма основного потока;

получение вторых оптимальных сетевых параметров с применением эффективности наиболее быстрого вычисления в качестве второй целевой функции;

выбор точек выравнивания размеров ядра свертки для первого оптимального ядра свертки, соответствующего первым оптимальным сетевым параметрам, и для второго оптимального ядра свертки, соответствующего указанным вторым оптимальным сетевым параметрам, в качестве окончательных сетевых параметров указанных глубоких остаточных сверточных нейронных сетей.

Предпочтительно в вышеуказанном способе органолептической оценки на основе спектроскопических данных сигаретного дыма основного потока получение обобщенных результатов касательно органолептических характеристик, связанных со всеми указанными спектроскопическими данными сигаретного дыма основного потока, на основании указанных результатов касательно органолептических характеристик поверхностного слоя и указанных результатов касательно органолептических характеристик глубокого слоя, в частности, включает:

выполнение сравнения соответственно указанных результатов касательно органолептических характеристик поверхностного слоя и указанных результатов касательно органолептических характеристик глубокого слоя с результатами экспертной оценки с получением коэффициента точности моделирования поверхностного слоя, соответствующего указанным результатам касательно органолептических характеристик поверхностного слоя, и коэффициента точности моделирования глубокого слоя, соответствующего указанным результатам касательно органолептических характеристик глубокого слоя;

установление удельного веса указанных результатов касательно органолептических характеристик поверхностного слоя и указанных результатов касательно органолептических характеристик глубокого слоя на основании указанного коэффициента точности моделирования поверхностного слоя и указанного коэффициента точности моделирования глубокого слоя;

определение взвешенной суммы в отношении указанных результатов касательно органолептических характеристик поверхностного слоя и указанных результатов касательно органолептических характеристик глубокого слоя с получением обобщенных результатов касательно органолептических характеристик.

С помощью способа органолептической оценки на основе спектроскопических данных сигаретного дыма основного потока, предложенного согласно настоящему изобретению, за счет улучшения спектроскопических данных сигаретного дыма основного потока можно в условиях ограниченного количества образцов максимально улучшать модель спектральных признаков и пространственных признаков, содержащихся в сигаретном дыме основного потока, а также эффективно снижать требования к количеству обучающих образцов; извлечением спектральных признаков поверхностного слоя можно обеспечить информацию о направленности ключевых компонентов сложной системы для последующего глубокого обучения, что способствует повышению точности извлечения пространственных признаков, расположенных глубже; извлечение пространственных признаков глубокого слоя делает возможным очень быстрое обучение эффективному выражению глубоких признаков, основанное на данных обучения, и, следовательно, улучшение представления информации о признаках ненормальных образцов и нормальных образцов; согласно настоящему изобретению за счет извлечения по отдельности спектральных признаков и пространственных признаков с переходом от простого к сложному и за счет интеграции структуры спектрально-пространственной классификации обеспечивается автоматическое непосредственное получение результатов органолептической оценки сигаретного дыма основного потока и выполняется точная проверка на предмет неизвестных веществ в дыме основного потока.

Описание прилагаемых графических материалов

Чтобы цели, технические решения и преимущества настоящего изобретения были более понятными, ниже настоящее изобретение будет описано более подробно со ссылкой на прилагаемые графические материалы, в которых:

на фиг. 1 представлена блок-схема варианта осуществления способа органолептической оценки на основе спектроскопических данных сигаретного дыма основного потока согласно настоящему изобретению.

Конкретные способы осуществления

Далее со ссылкой на прилагаемые графические материалы будут подробно описаны представленные в качестве примера варианты осуществления настоящего изобретения. Описание представленных в качестве примера вариантов осуществления предназначено только для объяснения и вовсе не служит каким-либо ограничением настоящего изобретения и его применения или использования. Настоящее изобретение может иметь очень много разных форм осуществления и не ограничивается вариантами осуществления, изложенными в этом документе. Эти варианты осуществления представлены для того, чтобы обеспечить исчерпывающее и полное понимание настоящего изобретения и чтобы полностью объяснить специалистам в данной области техники объем настоящего изобретения. Следует отметить, что если не указано иное, то относительные расположение элементов и порядок этапов, составляющие материалов, числовые выражения и численные значения, изложенные в этих вариантах осуществления, должны рассматриваться только как представленные в качестве примера и не являются ограничивающими.

Слова «первый» и «второй», встречающиеся в этом раскрытии, а также подобные им слова вовсе не указывают на какую-либо последовательность, численность или важность и используются только для разграничения разных элементов. Слова «включать» или «содержать» и другие подобные им слова означают, что элемент, расположенный перед этими словами, включает в себя элемент, идущий после этих слов, и вовсе не исключают возможность того, что он также включает в себя другие элементы. Слова «над», «под» и т. п. используются только для обозначения относительного расположения, и после изменения абсолютного расположения описываемого объекта относительное расположение также может соответственно изменяться.

В этом раскрытии, когда указано, что конкретный элемент расположен между первым элементом и вторым элементом, то между этим конкретным элементом и первым элементом или вторым элементом может быть промежуточный элемент, а также может не быть промежуточного элемента. Когда указано, что конкретный элемент соединен с другим элементом, то этот конкретный элемент может быть непосредственно соединен с указанным другим элементом, и тогда промежуточный элемент не используется, а также может не быть непосредственно соединен с указанным другим элементом, и тогда промежуточный элемент используется.

Все термины (в том числе технические термины или научные термины), используемые в этом изобретении, имеют такое же значение, что и термины, понятные специалистам в области техники, к которой относится настоящее изобретение, если конкретно не указано иное. Также следует понимать, что термины, определение которых дано, например, в общих словарях, следует рассматривать как имеющие значение, соответствующее их значению в контексте связанных технологий, и они не должны рассматриваться в идеализированном или в высшей степени формализованном значении, если только подобное здесь ясно не определено.

Технологии, способы и устройства, известные специалистам средней квалификации в соответствующих областях, могут быть подробно не рассмотрены, но в соответствующих случаях такие технологии, способы и устройства следует считать частью описания.

Как показано на фиг. 1, способ органолептической оценки на основе спектроскопических данных сигаретного дыма основного потока, представленный в вариантах осуществления, в процессе фактического выполнения, в частности, включает:

этап S1: улучшение спектроскопических данных сигаретного дыма основного потока от нескольких сигарет.

При этом указанные спектроскопические данные сигаретного дыма основного потока содержат данные спектра в среднем инфракрасном диапазоне, полученные, в частности, двумерной ИК-спектроскопией с применением волновода в виде полого сердечника, при этом ИК-спектроскопия с применением волновода в виде полого сердечника используется в качестве технологии усиления инфракрасного излучения, и по сравнению с общепринятой ИК-спектроскопией технология на основе оптического волокна полого сердечника за счет высокого коэффициента отражения комбинированного слоя Ag/AgI обеспечивает то, что источник падающего света создает внутри оптического волокна полого сердечника многократное отражение и увеличивает оптический путь для взаимодействия света с веществом, что может с большей эффективностью повышать интенсивность поглощения инфракрасного излучения у проверяемой системы, в результате чего снижается предел обнаружения и повышается точность и правильность анализа.

Улучшение спектроскопических данных сигаретного дыма основного потока может в отношении общей оптимизации снижать требования к количеству обучающих образцов, может улучшать модель пространства спектра компонентов, соответствующих дыму основного потока (например, при двумерной ИК-спектроскопии с применением волновода в виде полого сердечника), и эффективно снижает риск чрезмерной аппроксимации первой модели органолептической классификации и второй модели органолептической классификации (будут описаны ниже). Таким образом, можно в условиях ограниченного количества образцов максимально улучшить модель спектральных признаков и пространственных признаков, содержащихся в сигаретном дыме основного потока, что способствует углублению второй модели органолептической классификации в отношении имеющихся данных, а также эффективно снижает требования к количеству обучающих образцов.

Кроме того, в одном варианте осуществления способа органолептической оценки на основе спектроскопических данных сигаретного дыма основного потока согласно настоящему изобретению указанный этап S1, в частности, может включать:

этап S11: выполнение горизонтального отражения спектроскопических данных сигаретного дыма основного потока от каждой сигареты.

Этап S12: выполнение случайной обрезки подвергнутых горизонтальному отражению спектроскопических данных сигаретного дыма основного потока от каждой сигареты.

С учетом того, что во второй модели органолептической классификации требования в отношении объема данных, касающиеся части глубокого обучения, являются наиболее высокими, то есть в отношении признаков пространственного распределения в данных двумерной ИК-спектроскопии с применением волновода в виде полого сердечника, эти признаки можно рассматривать как информацию касательно изображения. Следовательно, согласно настоящему изобретению применяется традиционный способ улучшения изображения, в котором применяют горизонтальное отражение, случайную обрезку и другие операции, чтобы повысить эффективность и надежность второй модели органолептической классификации в отношении распознавания пространственного изображения.

Этап S13: обработка физических возмущений в отношении подвергнутых случайной обрезке спектроскопических данных сигаретного дыма основного потока от каждой сигареты.

В процессе анализа двумерной ИК-спектроскопии реального образца с применением волновода в виде полого сердечника на информацию о двумерном спектре влияет не только информация о составе вещества, но также влияет его физическое состояние. Следовательно, путем изменения физического состояния образца эффективно получают больше информации для модели двумерной ИК-спектроскопии с применением волновода в виде полого сердечника, за счет чего повышаются правильность и эффективность глубокого обучения. Факторы физических возмущений в сигаретном дыме основного потока в основном включают влияние температуры, скорости ветра, давления, способов вытягивание и прочих разных физических факторов на информацию двумерной ИК-спектроскопии сигаретного дыма основного потока с применением волновода в виде полого сердечника.

Этап S14: обработка возмущений компонентов в отношении подвергнутых обработке физических возмущений спектроскопических данных сигаретного дыма основного потока от каждой сигареты.

В процессе выполнения на практике с помощью таких способов возмущения компонентов, как случайное добавление стандартных образцов, полученных по разным рецептам, изменения составов, полученных по рецепту, и т. п., можно установить изменения информации двумерной ИК-спектроскопии сигаретного дыма основного потока с применением волновода в виде полого сердечника в условиях разных возмущений компонентов.

С помощью вышеуказанных разных способов улучшения данных можно улучшать информацию для модели сигнала двумерной ИК-спектроскопии реального образца с применением волновода в виде полого сердечника, а также повышать возможность распознавания по классу последующей двумерной ИК-спектроскопии с применением волновода в виде полого сердечника.

Этап S2: из указанных спектроскопических данных сигаретного дыма основного потока от каждой сигареты после улучшения данных извлекают спектральные признаки поверхностного слоя.

При этом в одном варианте осуществления способа органолептической оценки на основе спектроскопических данных сигаретного дыма основного потока согласно настоящему изобретению указанный этап S2, в частности, может включать:

этап S21: с помощью критерия Т-квадрата Хотеллинга для спектрального вектора исключают точки данных касательно выбросов в спектроскопических данных сигаретного дыма основного потока от нескольких сигарет для исключения аномальных данных в спектроскопических данных сигаретного дыма основного потока.

Этап S22: шумоподавление в отношении всех указанных спектроскопических данных сигаретного дыма основного потока после исключения аномальных данных, выполняемое с помощью по меньшей мере одного способа, в котором применяют дифференциал второго порядка, фильтр производных Карла Норриса, мультипликативную коррекцию рассеивания (multiplicative scatter correction, MSC) и вейвлет-преобразование.

За счет шумоподавления могут снижать шумовые помехи, чтобы пики признаков в спектроскопических данных сигаретного дыма основного потока были еще более заметными, что способствует извлечению пиков признаков из фона в спектроскопических данных сигаретного дыма основного потока, и тем самым повышается отношение сигнал-шум. Кроме того, отбор данных и шумоподавление способствуют выполнению последующего способа анализа спектра для точного извлечения признаков данных исследуемого вещества.

Этап S3: получение результатов касательно органолептических характеристик поверхностного слоя, связанных со всеми указанными спектроскопическими данными сигаретного дыма основного потока, на основании указанных спектроскопических данных сигаретного дыма основного потока от каждой сигареты, из которых извлекли указанные спектральные признаки поверхностного слоя, и указанных спектральных признаков поверхностного слоя.

Цель извлечения спектральных признаков поверхностного слоя заключается в извлечении спектральных признаков ключевых компонентов образца из сигнала комплексного и изменяющегося спектра (например, при двумерной ИК-спектроскопии с применением волновода в виде полого сердечника) и в осуществлении уменьшения размерности спектрального пространства. В частности, все указанные спектроскопические данные сигаретного дыма основного потока, из которых извлекли указанные спектральные признаки поверхностного слоя, вводят в предварительно созданную первую модель органолептической классификации и получают результаты касательно органолептических характеристик поверхностного слоя, связанные со всеми указанными спектроскопическими данными сигаретного дыма основного потока. Путем извлечения спектральных признаков поверхностного слоя можно обеспечить информацию о направленности ключевых компонентов сложной системы для последующего глубокого обучения, что способствует повышению точности извлечения пространственных признаков, расположенных глубже.

Кроме того, указанная первая модель органолептической классификации получена на основе анализа главных компонентов (Principal Component Analysis, PCA) в сочетании с машиной нелинейных опорных векторов (Support vector machine, SVM), и способ создания указанной первой модели органолептической классификации, в частности, включает:

выбор признаков в отношении всех указанных спектроскопических данных сигаретного дыма основного потока после шумоподавления, основанный на методе анализа главных компонентов, с извлечением пиков признаков в спектроскопических данных сигаретного дыма основного потока в отношении всех компонентов в дыме основного потока;

осуществление обучения в отношении всех указанных спектроскопических данных сигаретного дыма основного потока, подвергнутых извлечению пиков признаков, на основании алгоритма машины нелинейных опорных векторов с получением первой модели органолептической классификации.

По сравнению с машиной линейных опорных векторов, процесс классифицирования с применением машины нелинейных опорных векторов является относительно неопределенным, и нужно только ввести извлеченные пики признаков, чтобы могли быть самостоятельно созданы связи по различиям и связи по классификации.

Кроме того, результаты классифицирования согласно указанной первой модели органолептической классификации содержат по меньшей мере хорошие, средние и плохие. В настоящем изобретении результаты классифицирования согласно первой модели органолептической классификации являются хорошими, средними и плохими, и следует отметить, что согласно настоящему изобретению не предусмотрено конкретных ограничений в отношении оценки результатов классифицирования и количественных значений согласно первой модели органолептической классификации, и на основании определенных параметров и измененного удельного веса могут быть получены другие результаты классифицирования.

Кроме того, в указанной первой модели органолептической классификации в процессе обучения на основании баллов экспертной органолептической оценки осуществляется контроль первых граничных значений классификации, выводимых для указанной первой модели органолептической классификации, и, таким образом, может осуществляться проверка и обновление первой модели органолептической классификации.

В одном варианте осуществления способа органолептической оценки на основе спектроскопических данных сигаретного дыма основного потока согласно настоящему изобретению обучение указанной первой модели органолептической классификации осуществляется следующим способом обучения:

сначала в указанную первую модель органолептической классификации вводят набор данных обучения с указанными спектроскопическими данными сигаретного дыма основного потока. В частности, это может включать: исключение аномальных данных в оригинальном наборе данных обучения с указанными спектроскопическими данными сигаретного дыма основного потока; шумоподавление в отношении всех указанных спектроскопических данных сигаретного дыма основного потока в оригинальном наборе данных обучения, в котором исключены аномальные данные; введение всех указанных спектроскопических данных сигаретного дыма основного потока в оригинальном наборе данных обучения после шумоподавления в указанную первую модель органолептической классификации.

Затем на основании указанных первых граничных значений классификации и указанных баллов экспертной органолептической оценки получают первую целевую функцию; градиент указанной первой целевой функции передают обратно в указанную первую модель органолептической классификации.

Наконец, если значение указанной первой целевой функции, полученной на основании указанных первых граничных значений классификации и указанных баллов экспертной органолептической оценки, достигает установленного значения, то обучение останавливают.

Этап S4: извлечение пространственных признаков глубокого слоя из указанных спектроскопических данных сигаретного дыма основного потока от каждой сигареты, из которых извлекли указанные спектральные признаки поверхностного слоя.

В частности, на основе глубоких остаточных сверточных нейронных сетей из указанных спектроскопических данных сигаретного дыма основного потока от каждой сигареты, из которых извлекли указанные спектральные признаки поверхностного слоя, извлекают пространственные признаки глубокого слоя. Когда в сложной системе обнаруживается неизвестный помехообразующий объект, ранее имевшаяся информация о пространственной топологии ключевых компонентов будет в определенной степени искажаться, и глубокие остаточные сверточные нейронные сети с учетом этих изменений могут на основе данных обучения очень быстро научиться эффективному выражению глубоких признаков и, следовательно, улучшить представление информации о признаках ненормальных образцов и нормальных образцов.

Этап S5: получение результатов касательно органолептических характеристик глубокого слоя, связанных со всеми указанными спектроскопическими данными сигаретного дыма основного потока, на основании указанных спектроскопических данных сигаретного дыма основного потока от каждой сигареты, из которых извлекли указанные пространственные признаки глубокого слоя, и указанных пространственных признаков глубокого слоя.

Цель извлечения пространственных признаков глубокого слоя заключается в использовании метода глубоких остаточных сверточных нейронных сетей для осуществления извлечения и улучшения пространственных признаков глубокого слоя инвариантным относительно переносов способом. При этом способ установки сетевых параметров указанных глубоких остаточных сверточных нейронных сетей, в частности, включает:

получение первых оптимальных сетевых параметров с применением оптимальной ошибки классификации в качестве первой целевой функции в условиях набора фиксированных спектроскопических данных сигаретного дыма основного потока;

получение вторых оптимальных сетевых параметров с применением эффективности наиболее быстрого вычисления в качестве второй целевой функции;

выбор точек выравнивания размеров ядра свертки для первого оптимального ядра свертки, соответствующего первым оптимальным сетевым параметрам, и для второго оптимального ядра свертки, соответствующего указанным вторым оптимальным сетевым параметрам, в качестве окончательных сетевых параметров указанных глубоких остаточных сверточных нейронных сетей.

Кроме того, в одном варианте осуществления способа органолептической оценки на основе спектроскопических данных сигаретного дыма основного потока согласно настоящему изобретению, указанный этап S5, в частности, может включать:

этап S51: введение путем занесения в стек нескольких указанных пространственных признаков глубокого слоя, извлеченных на основе указанных глубоких остаточных сверточных нейронных сетей, в машину опорных векторов с получением второй модели органолептической классификации.

Кроме того, результаты классифицирования согласно указанной второй модели органолептической классификации представляют собой органолептические баллы. В настоящем изобретении результаты классифицирования согласно второй модели органолептической классификации представляют собой органолептические баллы, и следует отметить, что согласно настоящему изобретению не предусмотрено конкретных ограничений в отношении оценки результатов классифицирования и количественных значений согласно второй модели органолептической классификации, и на основании определенных параметров и измененного удельного веса могут быть получены другие результаты классифицирования.

Этап S52: введение всех указанных спектроскопических данных сигаретного дыма основного потока, из которых извлекли указанные пространственные признаки глубокого слоя, в указанную вторую модель органолептической классификации, с получением результатов касательно органолептических характеристик глубокого слоя, связанных со всеми указанными спектроскопическими данными сигаретного дыма основного потока.

Согласно настоящему изобретению вводят стратегию глубокого обучения для моделирования процессов органолептических оценок, выполняемых разными экспертами. В случае конкретного осуществления настоящего изобретения в процессе глубокого обучения целевую задачу анализа органолептических данных отдельного дыма посредством дыма основного потока делят на несколько задач классификации согласно модели прогнозирования по разным удельным весам и параметрам, чтобы моделировать органолептические особенности у разных экспертов, и компоненты дыма основного потока от разных образцов сигарет рассматривают как задачу с несколькими метками на основе экспертных теоретических знаний, и согласно информации о баллах по экспертным меткам, полученной на основании оценки экспертов, корректируют информацию о контроле модели глубокого обучения. В процессе улучшения меток на основании взаимосвязи информации о баллах, полученной посредством второй модели органолептической классификации, и информации о баллах по экспертным меткам, полученной на основании оценки экспертов, улучшают полученные результаты глубокого обучения.

Кроме того, согласно настоящему изобретению также выбирают стандартные образцы сигарет с качествами, характеризующимися разной различающей способностью; собранную информацию двумерной ИК-спектроскопии образцов с применением волновода в виде полого сердечника используют в качестве ввода для второй модели органолептической классификации; в отношении сигаретного дыма основного потока проводят анализ с органолептической оценкой; и сравнивают результаты оценок экспертов с установлением эффективности второй модели органолептической классификации. Таким образом, за счет множества итераций и обновлений с помощью способа, заключающегося в частичном динамическом анализе части признаков, связанных с органолептической оценкой, можно с возможностью адаптации аппроксимировать целевую функцию и выполнять оценку качества и органолептический анализ сигаретного дыма основного потока на основе анализа признаков в данных двумерной ИК-спектроскопии с применением волновода в виде полого сердечника и их внутренних закономерностей в условиях невозможности создания модели точной оценки.

Этап S6: получение обобщенных результатов касательно органолептических характеристик, связанных со всеми указанными спектроскопическими данными сигаретного дыма основного потока, на основании указанных результатов касательно органолептических характеристик поверхностного слоя и указанных результатов касательно органолептических характеристик глубокого слоя.

При этом в одном варианте осуществления способа органолептической оценки на основе спектроскопических данных сигаретного дыма основного потока согласно настоящему изобретению указанный этап S6, в частности, может включать:

этап S61: выполняют сравнение соответственно указанных результатов касательно органолептических характеристик поверхностного слоя и указанных результатов касательно органолептических характеристик глубокого слоя с результатами экспертной оценки с получением коэффициента точности моделирования поверхностного слоя, соответствующего указанным результатам касательно органолептических характеристик поверхностного слоя, и коэффициента точности моделирования глубокого слоя, соответствующего указанным результатам касательно органолептических характеристик глубокого слоя.

этап S62: на основании указанного коэффициента точности моделирования поверхностного слоя и указанного коэффициента точности моделирования глубокого слоя устанавливают удельный вес указанных результатов касательно органолептических характеристик поверхностного слоя и указанных результатов касательно органолептических характеристик глубокого слоя.

этап S63: в отношении указанных результатов касательно органолептических характеристик поверхностного слоя и указанных результатов касательно органолептических характеристик глубокого слоя определяют взвешенную сумму с получением обобщенных результатов касательно органолептических характеристик.

Тем, что на основании результатов касательно органолептических характеристик поверхностного слоя и результатов касательно органолептических характеристик глубокого слоя получают обобщенные результаты касательно органолептических характеристик, обеспечивается органическое сочетание свойств сети на основе спектральных признаков поверхностного слоя и сети на основе признаков глубокого слоя, чтобы они взаимно дополняли и взаимно корректировали друг друга, а также обеспечивалась исключительная извлекаемость спектральных признаков в больших данных.

С помощью способа органолептической оценки на основе спектроскопических данных сигаретного дыма основного потока, предложенного в вариантах осуществления настоящего изобретения, за счет улучшения спектроскопических данных сигаретного дыма основного потока можно в условиях ограниченного количества образцов максимально улучшать модель спектральных признаков и пространственных признаков, содержащихся в сигаретном дыме основного потока, а также эффективно снижать требования к количеству обучающих образцов; извлечением спектральных признаков поверхностного слоя можно обеспечить информацию о направленности ключевых компонентов сложной системы для последующего глубокого обучения, что способствует повышению точности извлечения пространственных признаков, расположенных глубже; извлечение пространственных признаков глубокого слоя делает возможным очень быстрое обучение эффективному выражению глубоких признаков, основанное на данных обучения, и, следовательно, улучшение представления информации о признаках ненормальных образцов и нормальных образцов; согласно настоящему изобретению за счет извлечения по отдельности спектральных признаков и пространственных признаков с переходом от простого к сложному и за счет интеграции структуры спектрально-пространственной классификации обеспечивается автоматическое непосредственное получение результатов органолептической оценки сигаретного дыма основного потока и выполняется точная проверка на предмет неизвестных веществ в дыме основного потока.

Выше были подробно описаны варианты осуществления настоящего изобретения. Чтобы внимание было сосредоточено только на идее настоящего изобретения, в этом описании не представлены определенные подробности, известные в данной области техники. На основании приведенного выше описания специалисты в данной области техники смогут полностью понять, как реализовать техническое решение согласно настоящему изобретению.

Несмотря на то, что в качестве примеров были подробно рассмотрены несколько конкретных вариантов осуществления настоящего изобретения, специалисты в данной области техники должны понимать, что вышеуказанные примеры представлены исключительно в целях описания и не предназначены для ограничения объема настоящего изобретения. Специалисты в данной области техники должны понимать, что без отклонения от объема и сути настоящего изобретения они могут вносить изменения в вышеуказанные варианты осуществления или заменять часть технических признаков эквивалентами. Объем настоящего изобретения определяется прилагаемой формулой изобретения.

Изобретение относится к области оценки качества табачной продукции и касается способа использования спектроскопических данных для определения органолептических характеристик сигаретного дыма основного потока. Способ включает в себя улучшение спектроскопических данных сигаретного дыма основного потока от нескольких сигарет, извлечение спектральных признаков поверхностного слоя и получение органолептических характеристик поверхностного слоя. Кроме того, способ включает в себя извлечение пространственных признаков глубокого слоя из спектроскопических данных, получение органолептических характеристик глубокого слоя на основании спектроскопических данных, из которых извлекли пространственные признаки глубокого слоя, и пространственных признаков глубокого слоя. На основании органолептических характеристик поверхностного и глубокого слоя получают обобщенные результаты касательно органолептических характеристик. Технический результат заключается в улучшении эффективности, достоверности и надежности органолептической оценки сигаретного дыма. 7 з.п. ф-лы, 1 ил.

1. Способ использования спектроскопических данных для определения органолептических характеристик сигаретного дыма основного потока, отличающийся тем, что включает:

регистрацию посредством двумерной ИК-спектроскопии спектроскопических данных сигаретного дыма основного потока;

улучшение спектроскопических данных сигаретного дыма основного потока от нескольких сигарет;

извлечение спектральных признаков поверхностного слоя из указанных спектроскопических данных сигаретного дыма основного потока от каждой сигареты после улучшения спектроскопических данных;

введение всех указанных спектроскопических данных сигаретного дыма основного потока, из которых извлекли указанные спектральные признаки поверхностного слоя, в предварительно созданную первую модель классификации и получение с использованием первой модели классификации результатов касательно органолептических характеристик поверхностного слоя, связанных со всеми указанными спектроскопическими данными сигаретного дыма основного потока, на основании указанных спектроскопических данных сигаретного дыма основного потока от каждой сигареты, из которых извлекли указанные спектральные признаки поверхностного слоя, и указанных спектральных признаков поверхностного слоя;

извлечение с использованием глубоких остаточных сверточных нейронных сетей пространственных признаков глубокого слоя из указанных спектроскопических данных сигаретного дыма основного потока от каждой сигареты, из которых извлекли указанные спектральные признаки поверхностного слоя;

получение на основе пространственных признаков глубокого слоя второй модели классификации, и получение с использованием второй модели результатов касательно органолептических характеристик глубокого слоя, связанных со всеми указанными спектроскопическими данными сигаретного дыма основного потока;

получение обобщенных результатов касательно органолептических характеристик на основе взвешенной суммы в отношении указанных результатов касательно органолептических характеристик поверхностного слоя и указанных результатов касательно органолептических характеристик глубокого слоя.

2. Способ по п. 1, отличающийся тем, что указанные спектроскопические данные сигаретного дыма основного потока содержат данные спектра в среднем инфракрасном диапазоне.

3. Способ по п. 1, отличающийся тем, что улучшение указанных спектроскопических данных сигаретного дыма основного потока от нескольких сигарет включает:

выполнение горизонтального отражения спектроскопических данных сигаретного дыма основного потока от каждой сигареты;

выполнение случайной обрезки подвергнутых горизонтальному отражению спектроскопических данных сигаретного дыма основного потока от каждой сигареты;

обработку физических возмущений в отношении подвергнутых случайной обрезке спектроскопических данных сигаретного дыма основного потока от каждой сигареты;

обработку возмущений компонентов в отношении подвергнутых обработке физических возмущений спектроскопических данных сигаретного дыма основного потока от каждой сигареты.

4. Способ по п. 1, отличающийся тем, что извлечение спектральных признаков поверхностного слоя из указанных спектроскопических данных сигаретного дыма основного потока от каждой сигареты после обработки данных включает:

исключение точек данных касательно выбросов в спектроскопических данных сигаретного дыма основного потока от нескольких сигарет с помощью критерия Т-квадрата Хотеллинга для спектрального вектора с исключением аномальных данных в спектроскопических данных сигаретного дыма основного потока;

шумоподавление в отношении всех указанных спектроскопических данных сигаретного дыма основного потока после исключения аномальных данных, выполняемое с помощью по меньшей мере одного способа, в котором применяют дифференциал второго порядка, фильтр производных Карла Норриса, мультипликативную коррекцию рассеивания и вейвлет-преобразование.

5. Способ по п. 4, отличающийся тем, что указанную первую модель классификации создают на основании анализа главных компонентов в сочетании с машиной нелинейных опорных векторов, при этом способ создания указанной первой модели классификации включает:

выбор признаков в отношении всех указанных спектроскопических данных сигаретного дыма основного потока после шумоподавления, основанный на методе анализа главных компонентов, с извлечением пиков признаков в спектроскопических данных сигаретного дыма основного потока в отношении всех компонентов в дыме основного потока;

осуществление обучения в отношении всех указанных спектроскопических данных сигаретного дыма основного потока, подвергнутых извлечению пиков признаков, на основании алгоритма машины нелинейных опорных векторов с получением первой модели классификации.

6. Способ по п. 5, отличающийся тем, что получение результатов касательно органолептических характеристик глубокого слоя, связанных со всеми указанными спектроскопическими данными сигаретного дыма основного потока, на основании указанных спектроскопических данных сигаретного дыма основного потока от каждой сигареты, из которых извлекли указанные пространственные признаки глубокого слоя, и указанных пространственных признаков глубокого слоя включает:

введение путем занесения в стек нескольких указанных пространственных признаков глубокого слоя, извлеченных на основе указанных глубоких остаточных сверточных нейронных сетей, в машину опорных векторов с получением второй модели классификации;

введение всех указанных спектроскопических данных сигаретного дыма основного потока, из которых извлекли указанные пространственные признаки глубокого слоя, в указанную вторую модель классификации, с получением результатов касательно органолептических характеристик глубокого слоя, связанных со всеми указанными спектроскопическими данными сигаретного дыма основного потока.

7. Способ по п. 6, отличающийся тем, что способ установки сетевых параметров указанных глубоких остаточных сверточных нейронных сетей включает:

получение первых оптимальных сетевых параметров с применением оптимальной ошибки классификации в качестве первой целевой функции в условиях набора фиксированных спектроскопических данных сигаретного дыма основного потока;

получение вторых оптимальных сетевых параметров с применением эффективности наиболее быстрого вычисления в качестве второй целевой функции;

выбор точек выравнивания размеров ядра свертки для первого оптимального ядра свертки, соответствующего первым оптимальным сетевым параметрам, и для второго оптимального ядра свертки, соответствующего указанным вторым оптимальным сетевым параметрам, в качестве окончательных сетевых параметров указанных глубоких остаточных сверточных нейронных сетей.

8. Способ по п. 1, отличающийся тем, что получение обобщенных результатов касательно органолептических характеристик, связанных со всеми указанными спектроскопическими данными сигаретного дыма основного потока, на основании указанных результатов касательно органолептических характеристик поверхностного слоя и указанных результатов касательно органолептических характеристик глубокого слоя включает:

выполнение сравнения соответственно указанных результатов касательно органолептических характеристик поверхностного слоя и указанных результатов касательно органолептических характеристик глубокого слоя с результатами экспертной оценки с получением коэффициента точности моделирования поверхностного слоя, соответствующего указанным результатам касательно органолептических характеристик поверхностного слоя, и коэффициента точности моделирования глубокого слоя, соответствующего указанным результатам касательно органолептических характеристик глубокого слоя;

установление удельного веса указанных результатов касательно органолептических характеристик поверхностного слоя и указанных результатов касательно органолептических характеристик глубокого слоя на основании указанного коэффициента точности моделирования поверхностного слоя и указанного коэффициента точности моделирования глубокого слоя;

определение взвешенной суммы в отношении указанных результатов касательно органолептических характеристик поверхностного слоя и указанных результатов касательно органолептических характеристик глубокого слоя с получением обобщенных результатов касательно органолептических характеристик.