网络首发
基于移动卷积的微波密度检测边缘效应补偿方法
孙东亮;常京京;闫金辉;苏利;张东海;【背景】微波密度检测中的边缘效应导致烟支密度轴向分布信号产生系统性畸变，严重制约了卷烟数字化设计与质量精准调控。【目的】旨在构建精确的移动正向卷积物理模型，并提出一种稳健的反卷积补偿方法，以从实测信号中高保真地反演烟支的原始密度分布。【方法】基于扫描窗几何原理与微波响应原理，建立了离散化的移动卷积模型，并标定系统卷积核及介质响应系数；进而构建了以Tikhonov正则化为核心，并创新性地融合了非负约束、分段密度约束和平滑性约束的反卷积优化模型，实现了对病态反问题的稳定求解、物理可诠释的反演。【结果】(1)该方法能精确恢复由平准盘设计决定的阶梯状密度分布特征，有效消除两端及过渡区的平滑畸变；(2)各特征段反演原始密度平均值与分切称重法对应的显示密度之间的相对误差小于0.5%；(3)重演卷积密度与显示密度(即卷积密度)的决定系数0.997，均方根误差仅为2.75 mg·cm-3。【结论】本研究提出了一套机理清晰、可量化、高精度的边缘效应系统补偿方法，将微波密度检测从经验性数据处理转变为基于物理模型的解析技术，为卷烟数字化产品设计、工艺精细优化与质量智能评价提供了可靠的数据基础。
数字平库优化算法的打叶复烤均质化组配模式研究
符再德;杨影;贾玉强;谭格;谢圣林;罗伟;田万秋;徐田锋;赵松玮;【背景】复烤数字平库出库备料策略单一，导致批次间质量稳定性不足。【方法】基于烟碱小粒度区间平库仓储模式，采用模拟退火算法与改进遗传算法进行出库组配，对比传统备料与优化算法备料的均质化效果。【结果】模拟退火算法可确保各出库单元与整体物料烟碱均值基本一致；改进遗传算法将出库单元均匀划分为多批次，严格保障批次内等级配比及批次间烟碱含量稳定性；与传统“区间配比+随机出库”的备料相比，基于优化算法的备料效果明显，成品片烟烟碱CV值从4.494%降至2.497%，降幅达44.437%。【结论】该方法为平库仓储模式下的均质化组配提供可行高效的解决方案，具有良好实际应用价值。
通风分配对常规和细支卷烟主流烟气pH影响分析
李山;王洪波;胡腾飞;刘克建;张霞;李星亮;刘红海;彭斌;秦亚琼;朱先约;【目的】探究通风率和通风分配对卷烟主流烟气pH的影响规律。【方法】采用pH=7.000水萃取烟气总粒相物，用酸度计测定不同通风分配下常规卷烟和细支卷烟的烟气pH，建立滤嘴通风和卷烟纸通风与烟气pH的预测模型，并对模型进行验证。【结果】①随着卷烟总通风率的上升，常规卷烟和细支卷烟烟气pH均呈线性上升趋势(R2>0.93)，且常规卷烟烟气pH上升幅度大于细支卷烟。②卷烟烟支烟气pH的预测值与实测值比值在1.001～1.004，所建立的卷烟纸通风率和滤嘴通风率与烟气pH的预测模型具有高度适宜性；模型系数项均为正值，无论是常规卷烟还是细支卷烟，增加卷烟纸透气率或滤嘴通风率后卷烟总通风增大，烟气pH均呈上升趋势。③在卷烟总通风固定前提下，卷烟纸通风率与滤嘴通风率比值(Vp /Vf )对常规卷烟烟气pH影响较大，对细支卷烟主流烟气pH影响较小。【结论】在卷烟总通风固定前提下，调控常规卷烟、细支卷烟烟气pH通风分配方式存在显著差异。
基于高度反馈的烟用丝束预开松压力自适应PID控制研究
吴涛;吴爱民;李振喜;王凯冬;【背景和目的】针对滤棒成型机中，因烟用丝束包自身重力导致的物料压实度不均、工艺参数波动等工程问题，提出一种基于高度反馈的模糊自适应PID压力调节策略。【方法】通过引入模糊推理机制，根据丝束包的实时高度偏差在线修正PID控制参数，克服气动执行机构的非线性摩擦与滞后效应，并利用该控制策略，构建包含激光测距感知与气动执行单元的闭环调节系统，实现对不同料层高度丝束的精准压力补偿。【结果】该策略显著提升了加工稳定性，与传统恒压模式相比，滤棒压降合格率由75.67%提升至85%，且波动标准差显著降低，有效解决了因丝束包高度变化引起的加工质量非均匀性问题。
基于三维点云重建的储柜烟叶体积与重量在线测量方法研究
张福新;常翔;宋江利;李康军;【背景和目的】制丝线储柜当前普遍缺乏对柜内不规则烟叶物料重量的在线精确计量功能，导致物料衡算依赖估算、布料均匀性控制粗放。【方法】为此，本研究开发了一套基于3D视觉的在线测量系统：利用储柜上方的3D相机阵列采集点云；通过统计滤波与体素栅格滤波进行去噪与精简；采用快速点特征直方图（FPFH）与迭代最近点（ICP）算法完成点云配准与三维重建；结合三角网格法与切片法计算堆积体积；并基于历史生产大数据建立动态密度估计模型，实现重量估算。【结果】在500kg不规则烟叶物料堆料试验中，体积计算精度达99.37%；重量在线测量精度为98.60%，与电子秤数据对比精度达99.89%；系统通过实时调控，将布料平整度的变异系数从0.117优化至0.041。【结论】该方法有效解决了储柜内不规则烟叶物料的在线精确计量难题，为制丝线智能化升级提供了可靠技术支撑。
基于 Louvain 算法对大户控制小户套购卷烟异常关联网络分析
陈秉恒;陈星融;吴洵洵;张鹏宇;刘荣;陈杜勇;邓雄源;余栋柱;【背景和目的】大户控制小户套购卷烟，关系到烟草专卖专营渠道管理，是烟草专卖监管研究的重点方向之一。本研究引入社会网络分析，旨在从异常关联网络中精准定位套购团伙及其关键主体，为从结构上打击地下违法卷烟交易网络提供新视角。【方法】以零售户使用相同ID订货为基础构建零售户异常关联网络，采用Louvain算法开展社团检测，并结合网络拓扑结构与社团属性，以识别关联网络中的核心节点、中介节点及潜在团伙。【结果】通过历史涉案数据对比验证分析，两类节点的涉案率分别达14.3%和20.7%，显著高于随机节点。节点移除实验表明，核心节点移除可使社团密度最大降低36.53%；中介节点移除导致社团最多碎裂为12个孤立子图。【结论】实验证明，本研究提出的通过Louvain分析算法，能有效揭示和瓦解大户控制小户套购卷烟网络结构，为烟草专卖监督提供了高效、可量化的理论和技术支持。
卷烟机流化床中烟丝颗粒受力的数值模拟及供丝均匀性研究
潘著;ASHIQAli;樊虎;全宇锋;侯鑫杰;冯忆;沈黎翔;夏琛;林昭武;郭宇;杨帅;【目的】建立ZJ118型卷接机组流化床供丝系统的可视化数值模型，开展输运过程的数值仿真分析，揭示影响供丝效果的气固两相流动力学机理和规律。【方法】采用耦合计算流体动力学和离散单元法（CFD-DEM）模拟烟丝和梗签颗粒两次风分和曲面流化床气力输运的全过程。通过与关键位置气动参数实验结果的对比实现数值模型校正，调节不同入口的气流速度、物料质量流量、颗粒结构和柔性等控制参数，获得不同条件下烟丝颗粒空间分布各向异性指数和颗粒-壁面碰撞接触情况的数据。【结果】6个入口气流速度对颗粒空间分布均匀性和受力有不同的影响规律，选取合适的气速值可实现输运效果优化，物料质量流量、烟丝颗粒结构和烟丝柔性会对颗粒均匀性和受力产生影响。
大模型赋能：行业数字化转型核心路径
王德吉;新一轮科技革命和产业变革深入发展的时代背景下，新一届党组提出以产业结构优化、转型升级培育新经济增长点为导向。行业数字化建设正面临数据资源难以转化为决策能力、系统协同效率不足、制度执行成本偏高的结构性矛盾，传统人工智能已无法支撑行业转型升级。大模型作为新一代通用人工智能核心基础设施，是行业落实守正创新要求、培育发展新动能、推动从流程驱动向认知驱动跨越式发展的关键抓手。本研究紧扣行业转型升级核心需求，聚焦数字化建设痛点，创新提出适配行业高监管、长链条、多场景发展特征的大模型“四位一体”系统框架，构建行业级大模型平台、垂直领域智能体体系、知识增强与治理机制、AI合规监管体系协同联动的应用体系，并在合同审查、制度问答、智能问数、行业培训等核心业务场景完成实效验证。结果表明，该框架可将行业制度问答准确率提升至90%以上，业务流程自动化率提升40%以上，大幅降低重复性工作人力成本，显著提升科学决策响应效率，为行业培育新的经济增长点提供坚实技术支撑。研究明确，大模型不仅是提质增效的技术工具，更是重构数字化基础设施的核心引擎、升级组织治理能力的关键放大器，其系统化推广应用将直接影响行业未来5–10年的核心竞争力与现代化治理水平。本研究从技术路径、实施路线、风险治理三个维度，形成了可复制、可推广的实施方案，为加快产业转型升级培育新增长点提供了重要决策参考。
基于频域门控Transformer的润叶过程参数预测方法
王先兵;龚剑;黄毅;涂宸宇;吴忠泽;战思聪;龙军;【目的】针对热风润叶过程出口水分预测中存在的多变量、非平稳性和时滞性等挑战，提出一种基于自适应频域门控Transformer的预测模型ADGformer。【方法】利用快速傅里叶变换捕捉时序的周期性成分，设计频率门控增强的注意力机制，并引入自适应频率选择机制以筛选关键频率、过滤噪声。【结果】（1）该模型在4个预测步长上的平均相对降幅分别为均方误差（MSE）7.30%、平均绝对误差（MAE）7.26%，且在长时序预测任务中表现出更强的鲁棒性；（2）模型单样本推理延迟仅为1.9 ms，工业合格率达92.8%，在热风润叶水分预测中取得显著的精度提升。【结论】所提出的ADGformer 模型为烟草热风润叶过程的精细化控制提供了有效的解决方案，并为复杂时序预测问题提供了新的理论支持。
基于WOA-LSSVM的烟叶生态区模式识别研究
陈蕊;吴昌健;伍鹏霖;孙培健;陈思蒙;曹毅;朱莹;孙学辉;为实现烤烟香型风格的快速、准确判别，选取八大生态区166份典型烤烟样品，检测烟叶常规物理指标和70种化学成分。通过Spearman相关性分析剔除冗余特征，结合支持向量机递归特征消除算法（SVM-RFE）筛选关键变量，构建鲸鱼算法优化的最小二乘支持向量机（WOA-LSSVM）分类识别模型，并与粒子群算法（PSO）和遗传算法（GA）优化的LSSVM模型和SVM模型进行对比。结果表明：（1）Amadori化合物、有机酸、还原糖及淀粉等化学成分对烟叶香型判别贡献显著，叶面密度、平衡含水率等物理指标也具有辅助判别作用；（2）WOA-LSSVM在分类性能（训练集识别准确率为100%，F1-score为1.00；测试集准确率为95.9%，F1-score为0.92）和计算效率（训练时长为12.1s）上均优于其他模型；（3）基于筛选过的烤烟烟叶物理和化学指标，采用WOA-LSSVM建立模型，可实现烟叶生态区的快速精准识别。本研究可为烟叶产区溯源及香型风格评价提供新思路。