一种面向最优质量的烟叶烘烤工艺寻优方法及系统

本发明属于烤烟工艺相关，更具体地，涉及一种面向最优质量的烟叶烘烤工艺寻优方法及系统。

背景技术：

1、烟草是十分重要的经济作物，烘烤是烤烟生产中决定烟草品质的关键一环，科学的烘烤工艺有助于稳定与提升烟叶烘烤终品质量，实现烟叶的使用价值最大化。此前，烤前的鲜烟叶素质、烤中的烟叶颜色变化与干燥状态大多是以人的主观判断，实时修订烘烤工艺参数。由于不同素质烟叶在烘烤过程中的差异较大，加之人的烘烤经验存在差异，导致烘烤工艺执行存在验证超前或滞后甚至选择错误的现象，影响烟叶烘烤终品质量。

2、随着物联网时代的到来，数据采集与控制技术开始被应用于工艺监测中，以辅助烘烤，早期基于物联网的烤烟系统使烟农可以远程访问监测平台，查看烤烟房内的温湿度数据和烤烟房内的图片，并对温湿度进行人为调节。现有技术可以通过图像识别技术从烤烟图像中提取颜色和纹理特征，量化烤烟变化用于判断烘烤阶段、指导烘烤操作。总之，该阶段烘烤大多是基于实时监测，对烘烤操作参数进行人工调整，未从根本解决人为因素造成的烟叶烘烤终品质量不稳定的问题。

3、对烘烤数据进行有效的数据挖掘，寻找合理的烘烤工艺寻优方法，为烘烤工艺选择提供决策支持，减少人为因素的影响，有利于烟叶烘烤终品质量的稳定与提升。

技术实现思路

1、针对现有技术的以上缺陷或改进需求，本发明提供了一种面向最优质量的烟叶烘烤工艺寻优方法及系统，旨在克服单一算法的局限性，能够在考虑全局走向，灵活地处理烘烤过程中的突发情况。

2、为实现上述目的，按照本发明的一个方面，提供了一种面向最优质量的烟叶烘烤工艺寻优方法，包括：s1：基于烟叶品种及对应的历史烘烤工艺构建烘烤质量有向图；s2：根据烟叶的烘烤质量对所述烘烤质量有向图的边进行权重标注，并依据边的权重对所述烘烤质量有向图顶点的后续边进行排序，获得各阶段中权重最大边，各阶段权重最大边组成历史静态最优烘烤工艺路径；s3：构建包括烘烤工艺数据和烟叶质量数据的数据集，采用所述数据集对lightgbm回归模型进行训练，获得动态寻优模型；s4：将所述静态最优烘烤工艺和动态寻优模型融合获得动静结合寻优模型，对烟叶烘烤工艺进行管理。

3、优选的，步骤s1中，将烤房温度和/或烤房湿度和/或烟叶重量和12维图像特征数据作为所述烘烤质量有向图的顶点，将烘烤时间作为所述烘烤质量有向图的边。

4、优选的，步骤s1中将烟叶各烘烤阶段中前一阶段稳温过程的边的终点与当前阶段升温过程的起点依次连接获得所述烘烤质量有向图。

5、优选的，步骤s1还包括省略所述烘烤质量有向图中升温操作的边获得目标烘烤质量有向图。

6、优选的，步骤s2中所述根据烟叶的烘烤质量对所述烘烤质量有向图的边进行权重标注具体为：

7、采用专家评分法依据各阶段的烟叶质量对对应的边进行打分，将分数转换为对应的权重。

8、优选的，若存在多个批次的烟叶在预设烘烤阶段具有相同的工艺，则将重合的烘烤工艺合并至同一条有向线段，对各烘烤工艺的分数取平均，获得所述预设烘烤阶段的目标分数。

9、优选的，步骤s2所述依据边的权重对所述烘烤质量有向图顶点的后续边进行排序，获得各阶段中权重最大边，各阶段权重最大边组成历史静态最优烘烤工艺路径，具体为：依据边的权重对所述烘烤质量有向图顶点的后续边进行排序，获得各阶段中权重最大边，各阶段权重最大边组成历史静态最优烘烤工艺路径。

10、优选的，步骤s3中对lightgbm回归模型训练过程中的损失函数为：

11、

12、其中，yi和分别为第i个样本的真实值和预测值，n为样本总数量。

13、优选的，步骤s4中，采用加权平均法融合所述静态最优烘烤工艺和动态寻优模型。

14、按照本发明的另一方面，提供了一种面向最优质量的烟叶烘烤工艺寻优系统，包括：构建模块：用于基于烟叶品种及对应的历史烘烤工艺构建烘烤质量有向图；静态最优烘烤工艺获取模块：用于根据烟叶的烘烤质量对所述烘烤质量有向图的边进行权重标注，并依据边的权重对所述烘烤质量有向图顶点的后续边进行排序，获得各阶段中权重最大边，各阶段权重最大边组成历史静态最优烘烤工艺路径；动态寻优模型获取模块：用于构建包括烘烤工艺数据和烟叶质量数据的数据集，采用所述数据集对lightgbm回归模型进行训练，获得动态寻优模型；工艺管理模块：用于将所述静态最优烘烤工艺和动态寻优模型融合获得动静结合寻优模型，对烟叶烘烤工艺进行管理；应用与服务模块：用于基于动静结合寻优模型的输出进行决策支持，通过终端设备向用户展示烘烤过程、历史数据报表、模型预测结果以及烘烤操作参数设置建议，确保烟叶烘烤质量达到最优。

15、总体而言，通过本发明所构思的以上技术方案与现有技术相比，本发明提供的一种面向最优质量的烟叶烘烤工艺寻优方法及系统主要具有以下

16、有益效果：

17、1.烤房形制、烤房内实时环境存在复杂性，导致静态最优烘烤工艺无法应对烘烤中局部突发情况，动态寻优对实时信息响应过于敏感，严重时可能导致烟叶烘烤终评质量不稳定的问题，本申请采用动机结合的方式可以兼顾烘烤过程的稳定性以及对烘烤突发情况的及时响应，保证了稳定高质量的烘烤需要。

18、2.本申请通过设置烘烤质量有向图，通过对烘烤质量有向图的边和顶点设置权重的方式寻优保证了静态寻优过程的合理性，与lightgbm回归模型结合也不会增加过多计算冗余，保证了响应的及时性。

19、3.本申请还对烘烤质量有向图进行了优化，在保证计算精度的同时，进一步降低了计算冗余。

技术特征：

1.一种面向最优质量的烟叶烘烤工艺寻优方法，其特征在于，包括：

2.根据权利要求1所述的烟叶烘烤工艺寻优方法，其特征在于，步骤s1中，将烤房温度和/或烤房湿度和/或烟叶重量和12维图像特征数据作为所述烘烤质量有向图的顶点，将烘烤时间作为所述烘烤质量有向图的边。

3.根据权利要求1或2所述的烟叶烘烤工艺寻优方法，其特征在于，步骤s1中将烟叶各烘烤阶段中前一阶段稳温过程的边的终点与当前阶段升温过程的起点依次连接获得所述烘烤质量有向图。

4.根据权利要求3所述的烟叶烘烤工艺寻优方法，其特征在于，步骤s1还包括省略所述烘烤质量有向图中升温操作的边获得目标烘烤质量有向图。

5.根据权利要求1所述的烟叶烘烤工艺寻优方法，其特征在于，步骤s2中所述根据烟叶的烘烤质量对所述烘烤质量有向图的顶点和边进行权重标注具体为：

6.根据权利要求5所述的烟叶烘烤工艺寻优方法，其特征在于，若存在多个批次的烟叶在预设烘烤阶段具有相同的工艺，则将重合的烘烤工艺合并至同一条有向线段，对各烘烤工艺的分数取平均，获得所述预设烘烤阶段的目标分数。

7.根据权利要求1所述的烟叶烘烤工艺寻优方法，其特征在于，步骤s3中对lightgbm回归模型训练过程中的损失函数为：

8.根据权利要求1所述的烟叶烘烤工艺寻优方法，其特征在于，步骤s4中，采用加权平均法融合所述静态最优烘烤工艺和动态寻优模型。

9.一种面向最优质量的烟叶烘烤工艺寻优系统，其特征在于，包括：

技术总结本发明属于烤烟工艺相关技术领域，其公开了一种面向最优质量的烟叶烘烤工艺寻优方法及系统，方法包括：针对某烟叶品种基于其对应的历史烘烤工艺数据构建烘烤质量有向图；根据烟叶的阶段烘烤质量对烘烤质量有向图的边进行权重标注，并依据权重对烘烤质量有向图顶点的后续边进行排序，获得各阶段中权重最大边，组成历史静态最优烘烤工艺路径路径；构建包括烘烤工艺数据和烟叶质量数据的数据集，采用数据集对LightGBM回归模型进行训练，获得动态寻优模型；将静态最优烘烤工艺路径和动态寻优模型融合，获得动静结合寻优模型，对烟叶烘烤工艺进行管理。本申请克服了单一算法的局限性，考虑全局走向，对烘烤过程中的突发情况的及时处理提供技术支持。技术研发人员：邓梁鑫芸,刘竞,黄金国受保护的技术使用者：华中科技大学技术研发日：技术公布日：2024/5/29