[发明专利]基于遗传算法的图像法含梗率非线性拟合模型计算方法

说明书

本发明公开了基于遗传算法的图像法含梗率非线性拟合模型计算方法，具体包括以下操作步骤：步骤1：运用传统的称重法计算出一系列烟草成品样本的含梗率，将这些值作为目标数据集合；步骤2：对步骤1同一批烟草成品样本在运用软件的图像法计算出含梗率，将这些值作为需要拟合函数的输入集合，步骤3：运用改进的遗传算法求出非线性拟合函数的最佳参数，即满足遗传算法结束循环条件的系数向量A=[a₁，a₂，…，a_n]T。本发明以图像法结果为输入集合，已称重法结果为目标集合，运用改进的遗传算法获得两个集合对应的非线性拟合函数的最佳参数，来提高图像法测量结果的对于不同类型烟叶含梗率测量的结果精度。

技术领域

本发明涉及基于遗传算法的图像法含梗率非线性拟合模型计算方法，属于烟草含梗率检测技术领域。

背景技术

在烟叶打叶复烤过程中，需要采用风分方式对打叶后的烟片和烟梗进行分离，以进行后期烟叶的准确配方，提高卷烟品质。由于打叶后的混合烟叶中，含梗烟片与游离纯净叶片的悬浮速度差异不大，在风分过程中会使含梗烟片被当作纯净叶片而难于分离出来，从而使烟叶配方中增加了含梗烟片，直接影响卷烟质量。打叶后的烟叶含梗率是影响切丝质量的最重要的因素之一，而烟丝的质量又直接影响到成品烟支的质量(填充度、重量、密度、空头率、掉丝率等重要指标)。现行的打叶复烤国家标准(YC/T 146—2001和YC/T 147--2001)分别限制了烤前和烤后的烟叶中，含梗率应小于或等于2.5％，新标准又修改为应小于或等于2.0％。

根据以上国家标准，各个打叶复烤企业都要对烟梗含量进行检测，多数复烤企业每隔半小时，就要检测一次烟叶含梗率，采用的测量方式主要有两种：一是，用打叶机将待测烟叶全部打碎，然后再测量其中的含梗率，这种测量方式会造成烟叶的破坏，测量之后的烟叶将不能继续使用，一天下来每条打叶线都将浪费很多烟叶。二是，目前大多数烟厂和复烤厂是通过取样去梗后对烟梗和叶片分别称重来实现烟叶含梗率的检测，该检测方法对烟叶产生较大破坏，且检测耗时长、无法实现在线实时检测。这两种检测方法均存在明显的弊端。

发明内容

为了解决上述存在的问题，本发明公开了一种基于遗传算法的图像法含梗率非线性拟合模型计算方法，其具体技术方案如下：

基于遗传算法的图像法含梗率非线性拟合模型计算方法，具体包括以下操作步骤：

步骤1：得到目标数据集合：运用传统的称重法计算出一系列烟草成品样本的含梗率，将这些值作为目标数据集合；

步骤2：得到输入集合：对步骤1同一批烟草成品样本在运用软件的图像法计算出含梗率，将这些值作为需要拟合函数的输入集合，

步骤3：运用改进的遗传算法求出非线性拟合函数的最佳参数，即满足遗传算法结束循环条件的系数向量A＝[a₁，a₂，…，a_n]T。

进一步的，所述步骤3中的遗传算法应用于三次样条函数拟合的基本思路正是通过运行GA找到系数向量A＝[a₁，a₂，…，a_n]T中第一个元素a1的最佳值，再依次求出其余系数a₂…a_n，所以在GA中要编码的参数只有a₁，设在整个曲线拟合区间[a，b]上的第i代第j条染色体对应的估计误差为e_ij,这样就可以定义该染色体的适应度函数：

进一步的，所述GA的具体步骤为：

(1)设置参数，包括群体规模N，染色体长度L，交叉概率P_c，正常变异概率P_mnor，最大变异概率P_mmax，运行代数G_e，运行代数G_t，估计精度W，令i＝0，k＝0， m＝0；