基于IVFFN—CNTR—PT的農產品智能分級設備兩階段評價

摘要：針對專家評價過程中的不確定性、群體共識和非理性心理因素導致現有農產品智能分級設備難以評價的問題，提出區間Fermatean（IVFFN）模糊環境下結合復雜信任關系網絡（CNRT）與前景理論（PT）的IVFFN—CNTR—PT群決策方法，并針對農產品智能分級設備評價的特點，以智能分級成熟度評價為先決條件，再進行綜合性能評價，建立兩階段評價模型。首先，根據農產品智能分級設備的實際生產運作情況，建立性能評價指標體系；其次，農產品智能分級設備的制造成熟度、復雜性和多學科性，使得評價存在不確定性和群體意見難以共識問題，利用IVFFN充分表達專家評價信息的不確定性，Dombi算子聚合專家評價信息，提出基于CNTR改進的個性化反饋調整機制進行群體共識，并基于群體共識對設備智能分級成熟度進行初評；然后，對初評設備進行綜合評價，同時為解決專家心理偏好和相關利益性產生的非理性心理，提出基于博弈論的相關系數熵法和優序法獲取指標組合權重，并運用前景理論模擬分析專家心理因素進行決策；最后，以5種不同烤煙智能分級機的綜合性能評價為研究案例進行驗證。結果表明：第一階段設備智能分級成熟度前4個廠商等級為Ⅱ級、第5個廠商為Ⅰ級，評分為0.613 0（Ⅱ）、0.533 4（Ⅱ）、0.536 9（Ⅱ）、0.528 5（Ⅱ）、0.421 1（Ⅰ），第二階段綜合性能評價值為1.691 5、0.922 4、0.972 9、1.012 7和0，第一個廠商設備最優，并通過靈敏度和方法對比分析，驗證本方法的可行性與優越性。

關鍵詞：農產品智能分級設備；不確定性；群體共識；非理性心理；兩階段

中圖分類號：S226.5" " " 文獻標識碼：A" " " 文章編號：2095?5553 （2025） 04?0301?12

Two?stage evaluation of intelligent grading equipment for agricultural product based on

IVFFN—CNTR—PT： A case study of the flue?cured tobacco intelligent grader

Hou Kaihu Luo Jianping Long Jie Liu Yuchen Zhang Xiaowei Zhang Jiwu

（1. Faculty of Mechanical and Electrical Engineering， Kunming University of Science and Technology， Kunming， 650504， China; 2. Yunnan Tobacco Quality Inspection amp; Supervision Station， Kunming， 650106， China）

Abstract： Aiming at the problem that uncertainty， group consensus and irrational psychological factors in the expert evaluation process make it difficult to evaluate existing agricultural product intelligent grading equipment， an IVFFN—CNTR—PT group decision?making method combining Complex Network of Trust Relationship （CNRT） and Prospect Theory （PT） under interval Fermatean fuzzy（IVFFN） environment was proposed. Based on the characteristics of the evaluation of agricultural product intelligent grading equipment， a two?stage evaluation model was established based on the evaluation of the maturity of intelligent grading as a prerequisite and then a comprehensive performance evaluation. Firstly， based on the actual production and operation of the equipment， a performance evaluation indicator system was established. Secondly， the manufacturing maturity， complexity and multi?disciplinarity of the intelligent classification equipment for agricultural products made the evaluation uncertain and" the group opinions difficult to reach consensus. IVFFN was used to fully express the uncertainty of expert evaluation information. The Dombi operator aggregated expert evaluation information， and an improved personalized feedback adjustment mechanism based on CNTR was proposed to solve the group consensus problem， then a preliminary evaluation of the equipment's intelligent classification maturity based on group consensus was conducted. After that， a comprehensive evaluation of the preliminary evaluation equipment was conducted， and at the same time， in order to solve the irrational psychology caused by experts' psychological preferences and related interests， the correlation coefficient entropy method and the optimum order method based on game theory were proposed to obtain the combined weight of indicator information， and the prospect theory was used to simulate and analyze the experts' psychological factors for decision?making. Finally， the comprehensive performance evaluation of five different flue?cured tobacco intelligent graders was used as a case study to verify. The results showed that in the first stage of equipment intelligence classification maturity， the level of the first four manufacturers was Ⅱ， and the fifth manufacturer was level I， with scores of 0.613 0（Ⅱ）， 0.533 4（Ⅱ）， 0.536 9（Ⅱ）， and 0.528 5（Ⅱ）， 0.421 1（Ⅰ）， the comprehensive performance evaluation values of the second stage were 1.691 5， 0.922 4， 0.972 9， 1.012 7 and 0， the first manufacturer's equipment was the best. And the feasibility and superiority of this method were verified through comparative analysis of sensitivity and methods.

Keywords： agricultural product intelligent grading equipment; uncertainty; group consensus; irrational psychology;" two?stage

0 引言

傳統農產品分級中的產品差異性、分級人員的主觀判斷和潛在的行為不公正是影響收購質量一致性提升的關鍵因素，人工智能的發展為實現高質量收購提供一種途徑。智能分級設備是實現智能化收購的核心設備，是集成機械、光學、圖像、智能感知、智能決策、自主執行、大數據、云平臺、物聯網等技術的現代設備，不僅系統結構復雜，同時還跨越機械、圖像識別[1]、自動化控制、信息學等多學科領域。目前蔬菜智能分級設備[2]、水果智能分級機[3]、鮮花智能分級設備[4]、烤煙智能分級機[5]等應用均取得一定成效。農產品智能分級設備的復雜性、制造成熟度的動態性、多學科領域專家知識的局限性和各利益方自利傾向的非理性心理，評價時存在不確定性、群體共識和非理性心理等因素影響，給其評價帶來困難。開展智能分級設備的評價有助于用戶選擇合適的設備，有助于制造商發現設備缺陷、改善缺點、降低成本和提升市場競爭力，有助于推動農產品分級朝智能化方向發展，推進設備優化與技術升級。

目前，關于農業設備評價研究取得諸多進展，涵蓋設備優選、可靠性、性能和生產布局等[6]方面，評價方法主要有層次分析法（AHP）[7]、模糊綜合評價[8]、灰色關聯度（GRA）、TOPSIS法[9]等。針對不確定性因素的評價，有學者提出區間Fermatean模糊集（IVFFN）[10]，以彌補傳統模糊集[11， 12]適用性不廣的局限，將區間隸屬度的約束條件拓寬到三次方，使其表達猶豫不確定信息的能力大大增加。為聚合評價信息，除常用的加權平均和加權幾何算子，Choquet[13]、Frank[14]、Dombi[15]等聚合算子已廣泛運用到評價信息集成中。針對群體共識因素，新的研究將復雜信任關系網絡（CNTR）[16]引入到群決策中，周曉陽[17]、Zhang[18]、Lu[19]等基于CNTR構建了不同評價環境下的共識模型。針對非理性心理因素，前景理論（PT）[20]得到了許多研究的應用，梅鑫南[21]、蘇加福[22]等運用前景理論考慮了決策者在模糊不確定環境下的心理因素變化對評價結果的影響。綜上所述，現大多研究基于設備歷史數據進行評價，未能充分發揮決策者評價的主觀能動性。評價對象主要針對傳統農機，農產品智能分級設備的評價研究尚少，且少有研究綜合考慮評價的不確定性、群體共識和非理性心理因素的影響，未能將IVFFN、CNTR和PT進行方法集成，評價過程的靈活性和集成性有待提高。

針對農產品智能分級設備評價中存在的問題，本文構建其性能評價指標體系，提出IVFFN—CNTR—PT的兩階段群決策方法，并通過烤煙智能分級機的評價進行案例驗證，為農產品智能分級設備評價提供一種方法及參考。

1 研究方法

1.1 IVFFN與Dombi算子

在不確定性模糊環境下引入IVFFN，用于決策專家表達指標性能評估的不確定性，同時實現評價信息的定量化表示。而Dombi算子具有可調節參數，聚合過程靈活性，可用于評價信息值的集成。

1.2 復雜信任關系網絡

復雜信任關系網絡用于決策專家間建立交流聯系，識別潛在的信任，信任關系在專家權重和群體共識方面發揮著重要作用。假設有f位決策專家集合[EE={e1，e2，…，ef}]，用有向箭頭表示專家之間的信任關系，其信任關系網絡例如圖1所示。

1.3 共識過程

在群決策中，專家的學科領域和經驗差異等因素通常導致初始意見不一致，進而引發群體共識問題。基于復雜信任關系，專家對自身評價值有一定的自信度，同時還可能參考其信任專家的意見[14]，此外，部分專家還會參考群組綜合評價值，因此，提出一種基于復雜信任關系改進的個性化共識反饋調整模型。

1） 共識測度。判斷專家評價值達成共識的程度，用共識度[CL]表示。

1.4 前景理論

前景理論從人的心理和行為特征揭示了影響選擇行為的非理性心理因素。前景理論以相對于決策者事先設定的風險收益或損失參考點作為決策判斷的依據，能有效地反映出決策專家的風險態度。

1.5 評價指標權重

本文采用優序法[26]獲取主觀權重，并考慮到評價指標的相關性和離散性，利用相關系數計算指標間的沖突性，使用模糊信息熵表示數據的離散程度，提出IVFFN的相關系數熵的客觀權重法，并基于博弈論計算組合權重，計算過程如下。

1.6 兩階段評價方法模型框架

1.6.1 第一階段智能分級成熟度評價

1） 農產品智能分級設備評價指標體系。不同農產品的智能分級設備性能有著相同的共性，但影響其性能的指標因素眾多，指標量化過程中存在不確定性和模糊性，評價指標尚無通用標準，故亟需構建一套評價指標體系。參考文獻[28?31]對智能制造相關準則的系統綜述，結合農產品智能分級設備架構設計與實際運行情況，從設備的智能性、健全性和經濟性3個維度構建IVFFN模糊環境下的農產品智能分級設備性能評價指標體系，如表1所示。

2） 智能分級成熟度評價。設備的智能分級成熟度水平必須符合一定的標準，否則縱使其他性能再優，也無法實現智能化分級的實際需求。為此，有必要對其進行智能分級成熟度評價，在基于IVFFN、復雜信任關系和共識調整獲取各設備智能性指標群組共識評價值后，利用式（26）和式（27）計算智能性能得分。

參考智能制造成熟度等級劃分標準[28]，結合設備實際運行情況和決策專家討論分析，將其智能分級成熟度劃分為5個等級，如表2所示。

1.6.2 第二階段綜合評價

2 實例分析

2.1 烤煙智能分級機評價背景

近年來，為解決傳統烤煙收購中存在的分級人員培養周期長、收購質量不穩定和不公正、不公平現象，煙草行業提出以智能化分級設備替代人工進行收購的戰略。為推進烤煙智能化分級工作，云南、江蘇、湖南等地的多家廠商，先后推出不同結構、不同技術水平的烤煙智能分級機。面對多種設備，云南省煙草質量監督檢測站需對多個制造商的不同設備進行評價與優選。

試驗材料：5種不同型號的烤煙智能分級機（x1、x2、x3、x4、x5），并提供了設備相關的參數說明；烤煙樣品2 000 kg，產地為云南省德宏州，生產于2021年。為切合煙站實際收購需求，以德宏實際收購的11個烤煙等級類別進行建模，將樣品的70%（1 400 kg）用作建模樣品，每組建模樣品包括B1F、B2F、B3F、C1F、C2F、C3F、C4F、X2F、X3F、K、GY烤煙11個類別（其中雜色、青黃烤煙在普通收購中需做剔除，因此，不細分等級，僅作為K和GY分組處理），共制5組，且烤煙數量滿足設備建模需求。將烤煙樣品的30%（600 kg）用作驗證樣品，按預設分為5組，每組驗證樣品包括：B1F（10 kg）、B2F（10 kg）、B3F（10 kg）、C1F（10 kg）、C2F（10 kg）、C3F（10 kg）、C4F（10 kg）、X2F（10 kg）、X3F（10 kg）、K（15 kg）、GY（15 kg）。由云南省的國家烤煙分級能手和省級烤煙分級能手共25人，隨機分為5組，負責樣品制備。

決策群體：從以上25位專家中選擇1位國家級烤煙分級能手和2位省級烤煙分級能手，另邀請2位機電相關背景的資深專家，共5人組成決策專家群體。

2.2 評價過程

2.3 穩健性分析

2.4 對比分析

為了驗證本文方法的可行性與優越性，與IVFFWA法和IVFFWG法[12]進行比較，排序決策過程與經典的TOPSIS、VIKOR法進行比對，最后與文獻[14]中方法比較分析。

由表12可知，不同方法得到的最優設備均為[x1]，除IVFFWG法和TOPSIS法的[x2]和[x5]排序與其他方法有所差異，均為[x1gt;x4gt;x3gt;x2gt;x5]。其他方法雖能確定多設備排序結果，判斷出最優的設備，但處理本研究問題時存在不足之處，其中IVFFWA法和IVFFWG法聚合群組信息過程單一，只是對各專家評價信息進行簡單加權計算，不僅未能考慮群體共識問題，還忽略了指標的重要性差異，導致結果可能失真，存在數值區分度不明顯、有效性差等缺點；TOPSIS法與VIKOR法在獲得群體共識的基礎上進行排序決策，但TOPSIS法只考慮了與正、負理想值的距離，只能得到唯一最優解，VIKOR法是一個采取折衷式的方法，但存在逆序性問題，且TOPSIS法和VIKOR法都忽略了指標之間的相關性影響，同時無法體現決策者非理性心理帶來的影響。文獻[14]中的方法在共識調整過程中未考慮決策者對群組綜合信息的參考偏好，共識過程存在信息缺失。其次，以上方法均為單一階段評價過程，未能考慮設備智能成熟度在評價過程中的先決作用，無法快速有效甄別智能分級成熟度達標與否，例如上述5種方法中[x2]與未達標設備[x5]得分相近，甚至在IVFFWG法與TOPSIS法中出現[x5]優于[x2]的情況。本文方法相比于傳統評價方法有較大優勢，充分發揮決策者評價過程中的主觀能動性，有效地解決專家評價中的不確定性表現、群體共識問題，并考慮專家非理性心理、指標相關性和離散性的影響，提高評價過程的靈活性和系統性，使評價結果更加合理、更具有區分度和有效性。其次，兩階段評價的設計不僅可以快速有效地甄別不滿足先決條件的對象，還可減少后續評價的工作量。

3 結論

針對農產品智能分級設備評價困難的問題，提出的基于IVFFN—CNTR—PT的群決策方法能夠有效解決農產品智能分級設備評價過程中決策專家的不確定性、群體共識以及非理性心理等因素的影響，并建立基于智能分級成熟度和綜合性能評價的兩階段評價模型，且通過案例分析驗證，彌補現有研究的不足。

1） IVFFN更加充分地表達決策專家評價過程的不確定性，同時IVFFN的Dombi集成算子聚合評估信息時具有求解效率高、計算復雜度低、靈活性高的特點。

2） 建立基于復雜信任關系改進的個性化共識調整過程，有效地解決決策專家間的群體共識問題。

3） 將前景理論運用到模糊評價環境，通過基于預設決策參考點的風險和收益評價，模擬決策者的非理性心理因素對決策過程的影響，使得評價結果更加合理。

4） 提出IVFFN基于博弈論的主客觀權重法，減少單一賦權法的片面性，提高指標賦權的合理性。

5） 兩階段評價設計更加符合農產品智能分級設備綜合評價的實際需求，評價過程更具有靈活性和系統性。

6） 以烤煙智能分級機作為案例進行分析驗證，得到評價結果：第一階段設備智能分級成熟度前4個廠商設備等級為Ⅱ級、第5個廠商設備為Ⅰ級，評分為0.613 0（Ⅱ）、0.533 4（Ⅱ）、0.536 9（Ⅱ）、0.528 5（Ⅱ）、0.421 1（Ⅰ）；第二階段綜合性能評價值為1.691 5、0.922 4、0.972 9、1.012 7和0，第1個廠商設備最優。

參 考 文 獻

[ 1 ] 李麗亞. 人工智能中圖像識別技術的發現與應用研究[J]. 長江信息通信， 2022， 35（1）： 134-136.

[ 2 ] 張文蓉， 王朋， 鐘鳴， 等. 基于視覺的茭白自動分級包裝設備研究與開發[J]. 中國農機化學報， 2021， 42（12）： 114-120.

Zhang Wenrong， Wang Peng， Zhong Ming， et al. Research and development on the automatic sorting and packing equipment of Zizania based on vision [J]. Journal of Chinese Agricultural Mechanization， 2021， 42（12）： 114-120.

[ 3 ] 王志敏， 陳全勝， 潘海輝， 等. 一種小型水果內部品質智能分級設備[P]. 中國專利： CN112775022A， 2021-05-11.

[ 4 ] 王巖松， 和江鎮， 方志斌， 等. 鮮花的自動化分級設備[P]. 中國專利： CN308028004S， 2023-05-09.

[ 5 ] 劉海彬， 秦臻， 王雷， 等. 基于視覺識別的智能烤煙分級分揀設備及分揀方法[P]. 中國專利： CN110893399A， 2020-03-20.

[ 6 ] 趙華洋， 李理， 劉光宇， 等. 基于區間層次分析法和隸屬度的蓖麻聯合收割機性能綜合評價[J]. 中國農機化學報， 2018， 39（10）： 107-111.

Zhao Huayang， Li Li， Liu Guangyu， et al. Comprehensive evaluation of castor harvester performance based on interval analytic hierarchy process and membership degree [J]. Journal of Chinese Agricultural Mechanization， 2018， 39（10）： 107-111.

[ 7 ] 俞建飛， 石學彬. 基于層析分析法的農機裝備企業創新能力評價研究[J]. 科學管理研究， 2022， 40（6）： 100-106.

Yu Jianfei， Shi Xuebin. Research on the evaluation of innovation ability of agricultural machinery equipment manufacturing enterprises based on AHP [J]. Scientific Management Research， 2022， 40（6）： 100-106.

[ 8 ] 曹慶樓， 王廷勇. 農業工程設備選購模糊綜合評價與實證研究[J]. 中國農機化學報， 2019， 40（2）： 207-211.

Cao Qinglou， Wang Tingyong. Fuzzy comprehensive evaluation and empirical study on the selection and procurement of agricultural engineering equipment [J]. Journal of Chinese Agricultural Mechanization， 2019， 40（2）： 207-211.

[ 9 ] 趙華洋， 李長河， 李理， 等. 基于熵權TOPSIS法的蓖麻聯合收割機選型評價研究[J]. 中國農機化學報， 2019， 40（1）： 174-178.

Zhao Huayang， Li Changhe， Li Li， et al. Study on model selection evaluation of castor combine harvester based on entropy?weight TOPSIS method [J]. Journal of Chinese Agricultural Mechanization， 2019， 40（1）： 174-178.

[10] Jeevaraj S. Ordering of interval?valued Fermatean fuzzy sets and its applications [J]. Expert Systems with Applications， 2021， 185： 115613.

[11] Zadeh L A. Fuzzy sets [J]. Information and Control， 1965， 8（3）： 338-353.

[12] Torra V. Hesitant fuzzy sets [J]. International Journal of Intelligent Systems， 2010， 25（6）： 529-539.

[13] 劉俊， 羅世華. 面向區域綠色修復水平評價的概率猶豫Fermatean模糊拓展MULTIMOORA方法[J]. 控制與決策， 2022， 37（10）： 2685-2695.

Liu Jun， Luo Shihua. Probabilistic hesitant Fermatean fuzzy extension MULTIMOORA method for evaluation of regional green restoration level [J]. Control and Decision， 2022， 37（10）： 2685-2695.

[14] 曾守楨， 顧佳星， 葉軍. 復雜信任網絡群組綜合評價方法及應用研究[J]. 商業經濟與管理， 2022（11）： 84-100.

Zeng Shouzhen， Gu Jiaxing， Ye Jun. Research on group comprehensive evaluation method of complex trust network and its application [J]. Journal of Business Economics， 2022（11）： 84-100.

[15] Seikh M R， Mandal U. Interval?valued Fermatean fuzzy Dombi aggregation operators and SWARA based PROMETHEE Ⅱ method to bio?medical waste management [J]. Expert Systems with Applications， 2023， 226： 120082.

[16] Dong Y， Zha Q， Zhang H， et al. Consensus reaching and strategic manipulation in group decision making with trust relationships [J]. IEEE Transactions on Systems， Man， and Cybernetics： Systems， 2020， 51（10）： 6304-6318.

[17] 周曉陽， 王黎琴， 馮平平， 等. WSR方法論視角下基于信任關系、前景理論和猶豫模糊偏好的群決策研究[J]. 管理評論， 2020， 32（7）： 66-75.

Zhou Xiaoyang， Wang Liqin， Feng Pingping， et al. Group decision making based on trust relationship， prospect theory and hesitant fuzzy preference from the perspective of WSR methodology [J]. Management Review， 2020， 32（7）： 66-75.

[18] Zhang H， Wang F， Dong Y， et al. Social trust driven consensus reaching model with a minimum adjustment feedback mechanism considering assessments?modifications willingness [J]. IEEE Transactions on Fuzzy Systems， 2021， 30（6）： 2019-2031.

[19] Lu Y， Xu Y， Herrera?Viedma E， et al. Consensus of large?scale group decision making in social network： The minimum cost model based on robust optimization [J]. Information Sciences， 2021， 547： 910-930.

[20] 劉慶國， 劉新學， 洪大銀. 基于累積前景理論的TOPSIS多屬性決策方法[J]. 艦船電子工程， 2020， 40（3）： 32-35.

[21] 梅鑫南， 王應明. 基于前景理論的模糊DEA交叉效率評價方法[J]. 運籌與管理， 2023， 32（5）： 161-167.

Mei Xinnan， Wang Yingming. Fuzzy DEA cross?efficiency evaluation method based on prospect theory [J]. Operations Research and Management Science， 2023， 32（5）： 161-167.

[22] 蘇加福， 王丹， 徐保健， 等. 基于改進區間直覺模糊多屬性群決策的在線知識付費產品評價方法[J]. 計算機集成制造系統， 2024（7）： 2516-2525.

Su Jiafu， Wang Dan， Xu Baojian， et al. Evaluation method of online knowledge paid products based on an improved interval?valued intuitionistic fuzzy multi?attribute group decision making [J]. Computer Integrated Manufacturing Systems， 2024（7）： 2516-2525.

[23] Wu J， Xiong R， Chiclana F. Uninorm trust propagation and aggregation methods for group decision making in social network with four tuple information [J]. Knowledge?Based Systems， 2016， 96： 29-39.

[24] 羅世華， 劉俊. 拓展區間Fermatean模糊前景理論綜合評價方法[J/OL]. 中國管理科學， 1-12[2024-08-21]. https： //doi. org/10. 16381/j. cnki. issn1003-207x. 2022. 0663.

Luo Shihua， Liu Jun. A comprehensive evaluation method based on extended interval?valued Fermatean fuzzy prospect theory [J/OL]. Chinese Journal of Management Science， 1-12[2024-08-21]. https： //doi. org/10. 16381/j. cnki. issn1003-207x. 2022. 0663.

[25] Zhou X， Wang L， Liao H， et al. A prospect theory?based group decision approach considering consensus for portfolio selection with hesitant fuzzy information [J]. Knowledge?Based Systems， 2019， 168： 28-38.

[26] 冉令坦， 張永祥， 任仲宇， 等. 加權優序法在地下水水質評價中的應用[J]. 水資源與水工程學報， 2014， 25（3）： 95-98.

Ran Lingtan， Zhang Yongxiang， Ren Zhongyu， et al. Application of weighted priority order method in assessment of groundwater quality [J]. Journal of Water Resources and Water Engineering， 2014， 25（3）： 95-98.

[27] 陳寧， 陳傲杰. 基于博弈變權—可拓云模型的城市道路應急能力綜合評價研究[J]. 武漢理工大學學報， 2022， 44（12）： 44-53.

[28] GB/T 39117—2020， 智能制造能力成熟度評估方法[S].

[29] 李健旋. 中國制造業智能化程度評價及其影響因素研究[J]. 中國軟科學， 2020（1）： 154-163.

Li Jianxuan. Research on evaluation benchmark and influencing factors for China's manufacturing intelligentization [J]. China Soft Science， 2020（1）： 154-163.

[30] GB/T 40659—2021， 智能制造機器視覺在線檢測系統通用要求[S].

[31] GB/T 40647—2021， 智能制造系統架構[S].