基于IVFFN—CNTR—PT的農(nóng)產(chǎn)品智能分級(jí)設(shè)備兩階段評(píng)價(jià)

摘要：針對(duì)專家評(píng)價(jià)過(guò)程中的不確定性、群體共識(shí)和非理性心理因素導(dǎo)致現(xiàn)有農(nóng)產(chǎn)品智能分級(jí)設(shè)備難以評(píng)價(jià)的問(wèn)題，提出區(qū)間Fermatean（IVFFN）模糊環(huán)境下結(jié)合復(fù)雜信任關(guān)系網(wǎng)絡(luò)（CNRT）與前景理論（PT）的IVFFN—CNTR—PT群決策方法，并針對(duì)農(nóng)產(chǎn)品智能分級(jí)設(shè)備評(píng)價(jià)的特點(diǎn)，以智能分級(jí)成熟度評(píng)價(jià)為先決條件，再進(jìn)行綜合性能評(píng)價(jià)，建立兩階段評(píng)價(jià)模型。首先，根據(jù)農(nóng)產(chǎn)品智能分級(jí)設(shè)備的實(shí)際生產(chǎn)運(yùn)作情況，建立性能評(píng)價(jià)指標(biāo)體系；其次，農(nóng)產(chǎn)品智能分級(jí)設(shè)備的制造成熟度、復(fù)雜性和多學(xué)科性，使得評(píng)價(jià)存在不確定性和群體意見(jiàn)難以共識(shí)問(wèn)題，利用IVFFN充分表達(dá)專家評(píng)價(jià)信息的不確定性，Dombi算子聚合專家評(píng)價(jià)信息，提出基于CNTR改進(jìn)的個(gè)性化反饋調(diào)整機(jī)制進(jìn)行群體共識(shí)，并基于群體共識(shí)對(duì)設(shè)備智能分級(jí)成熟度進(jìn)行初評(píng)；然后，對(duì)初評(píng)設(shè)備進(jìn)行綜合評(píng)價(jià)，同時(shí)為解決專家心理偏好和相關(guān)利益性產(chǎn)生的非理性心理，提出基于博弈論的相關(guān)系數(shù)熵法和優(yōu)序法獲取指標(biāo)組合權(quán)重，并運(yùn)用前景理論模擬分析專家心理因素進(jìn)行決策；最后，以5種不同烤煙智能分級(jí)機(jī)的綜合性能評(píng)價(jià)為研究案例進(jìn)行驗(yàn)證。結(jié)果表明：第一階段設(shè)備智能分級(jí)成熟度前4個(gè)廠商等級(jí)為Ⅱ級(jí)、第5個(gè)廠商為Ⅰ級(jí)，評(píng)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(píng)價(jià)值為1.691 5、0.922 4、0.972 9、1.012 7和0，第一個(gè)廠商設(shè)備最優(yōu)，并通過(guò)靈敏度和方法對(duì)比分析，驗(yàn)證本方法的可行性與優(yōu)越性。

關(guān)鍵詞：農(nóng)產(chǎn)品智能分級(jí)設(shè)備；不確定性；群體共識(shí)；非理性心理；兩階段

中圖分類號(hào)：S226.5" " " 文獻(xiàn)標(biāo)識(shí)碼：A" " " 文章編號(hào)：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(tǒng)農(nóng)產(chǎn)品分級(jí)中的產(chǎn)品差異性、分級(jí)人員的主觀判斷和潛在的行為不公正是影響收購(gòu)質(zhì)量一致性提升的關(guān)鍵因素，人工智能的發(fā)展為實(shí)現(xiàn)高質(zhì)量收購(gòu)提供一種途徑。智能分級(jí)設(shè)備是實(shí)現(xiàn)智能化收購(gòu)的核心設(shè)備，是集成機(jī)械、光學(xué)、圖像、智能感知、智能決策、自主執(zhí)行、大數(shù)據(jù)、云平臺(tái)、物聯(lián)網(wǎng)等技術(shù)的現(xiàn)代設(shè)備，不僅系統(tǒng)結(jié)構(gòu)復(fù)雜，同時(shí)還跨越機(jī)械、圖像識(shí)別[1]、自動(dòng)化控制、信息學(xué)等多學(xué)科領(lǐng)域。目前蔬菜智能分級(jí)設(shè)備[2]、水果智能分級(jí)機(jī)[3]、鮮花智能分級(jí)設(shè)備[4]、烤煙智能分級(jí)機(jī)[5]等應(yīng)用均取得一定成效。農(nóng)產(chǎn)品智能分級(jí)設(shè)備的復(fù)雜性、制造成熟度的動(dòng)態(tài)性、多學(xué)科領(lǐng)域?qū)＜抑R(shí)的局限性和各利益方自利傾向的非理性心理，評(píng)價(jià)時(shí)存在不確定性、群體共識(shí)和非理性心理等因素影響，給其評(píng)價(jià)帶來(lái)困難。開(kāi)展智能分級(jí)設(shè)備的評(píng)價(jià)有助于用戶選擇合適的設(shè)備，有助于制造商發(fā)現(xiàn)設(shè)備缺陷、改善缺點(diǎn)、降低成本和提升市場(chǎng)競(jìng)爭(zhēng)力，有助于推動(dòng)農(nóng)產(chǎn)品分級(jí)朝智能化方向發(fā)展，推進(jìn)設(shè)備優(yōu)化與技術(shù)升級(jí)。

目前，關(guān)于農(nóng)業(yè)設(shè)備評(píng)價(jià)研究取得諸多進(jìn)展，涵蓋設(shè)備優(yōu)選、可靠性、性能和生產(chǎn)布局等[6]方面，評(píng)價(jià)方法主要有層次分析法（AHP）[7]、模糊綜合評(píng)價(jià)[8]、灰色關(guān)聯(lián)度（GRA）、TOPSIS法[9]等。針對(duì)不確定性因素的評(píng)價(jià)，有學(xué)者提出區(qū)間Fermatean模糊集（IVFFN）[10]，以彌補(bǔ)傳統(tǒng)模糊集[11， 12]適用性不廣的局限，將區(qū)間隸屬度的約束條件拓寬到三次方，使其表達(dá)猶豫不確定信息的能力大大增加。為聚合評(píng)價(jià)信息，除常用的加權(quán)平均和加權(quán)幾何算子，Choquet[13]、Frank[14]、Dombi[15]等聚合算子已廣泛運(yùn)用到評(píng)價(jià)信息集成中。針對(duì)群體共識(shí)因素，新的研究將復(fù)雜信任關(guān)系網(wǎng)絡(luò)（CNTR）[16]引入到群決策中，周曉陽(yáng)[17]、Zhang[18]、Lu[19]等基于CNTR構(gòu)建了不同評(píng)價(jià)環(huán)境下的共識(shí)模型。針對(duì)非理性心理因素，前景理論（PT）[20]得到了許多研究的應(yīng)用，梅鑫南[21]、蘇加福[22]等運(yùn)用前景理論考慮了決策者在模糊不確定環(huán)境下的心理因素變化對(duì)評(píng)價(jià)結(jié)果的影響。綜上所述，現(xiàn)大多研究基于設(shè)備歷史數(shù)據(jù)進(jìn)行評(píng)價(jià)，未能充分發(fā)揮決策者評(píng)價(jià)的主觀能動(dòng)性。評(píng)價(jià)對(duì)象主要針對(duì)傳統(tǒng)農(nóng)機(jī)，農(nóng)產(chǎn)品智能分級(jí)設(shè)備的評(píng)價(jià)研究尚少，且少有研究綜合考慮評(píng)價(jià)的不確定性、群體共識(shí)和非理性心理因素的影響，未能將IVFFN、CNTR和PT進(jìn)行方法集成，評(píng)價(jià)過(guò)程的靈活性和集成性有待提高。

針對(duì)農(nóng)產(chǎn)品智能分級(jí)設(shè)備評(píng)價(jià)中存在的問(wèn)題，本文構(gòu)建其性能評(píng)價(jià)指標(biāo)體系，提出IVFFN—CNTR—PT的兩階段群決策方法，并通過(guò)烤煙智能分級(jí)機(jī)的評(píng)價(jià)進(jìn)行案例驗(yàn)證，為農(nóng)產(chǎn)品智能分級(jí)設(shè)備評(píng)價(jià)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(huán)境下引入IVFFN，用于決策專家表達(dá)指標(biāo)性能評(píng)估的不確定性，同時(shí)實(shí)現(xiàn)評(píng)價(jià)信息的定量化表示。而Dombi算子具有可調(diào)節(jié)參數(shù)，聚合過(guò)程靈活性，可用于評(píng)價(jià)信息值的集成。

1.2 復(fù)雜信任關(guān)系網(wǎng)絡(luò)

復(fù)雜信任關(guān)系網(wǎng)絡(luò)用于決策專家間建立交流聯(lián)系，識(shí)別潛在的信任，信任關(guān)系在專家權(quán)重和群體共識(shí)方面發(fā)揮著重要作用。假設(shè)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(guān)系，其信任關(guān)系網(wǎng)絡(luò)例如圖1所示。

1.3 共識(shí)過(guò)程

在群決策中，專家的學(xué)科領(lǐng)域和經(jīng)驗(yàn)差異等因素通常導(dǎo)致初始意見(jiàn)不一致，進(jìn)而引發(fā)群體共識(shí)問(wèn)題?；趶?fù)雜信任關(guān)系，專家對(duì)自身評(píng)價(jià)值有一定的自信度，同時(shí)還可能參考其信任專家的意見(jiàn)[14]，此外，部分專家還會(huì)參考群組綜合評(píng)價(jià)值，因此，提出一種基于復(fù)雜信任關(guān)系改進(jìn)的個(gè)性化共識(shí)反饋調(diào)整模型。

1） 共識(shí)測(cè)度。判斷專家評(píng)價(jià)值達(dá)成共識(shí)的程度，用共識(shí)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(duì)于決策者事先設(shè)定的風(fēng)險(xiǎn)收益或損失參考點(diǎn)作為決策判斷的依據(jù)，能有效地反映出決策專家的風(fēng)險(xiǎn)態(tài)度。

1.5 評(píng)價(jià)指標(biāo)權(quán)重

本文采用優(yōu)序法[26]獲取主觀權(quán)重，并考慮到評(píng)價(jià)指標(biāo)的相關(guān)性和離散性，利用相關(guān)系數(shù)計(jì)算指標(biāo)間的沖突性，使用模糊信息熵表示數(shù)據(jù)的離散程度，提出IVFFN的相關(guān)系數(shù)熵的客觀權(quán)重法，并基于博弈論計(jì)算組合權(quán)重，計(jì)算過(guò)程如下。

1.6 兩階段評(píng)價(jià)方法模型框架

1.6.1 第一階段智能分級(jí)成熟度評(píng)價(jià)

1） 農(nóng)產(chǎn)品智能分級(jí)設(shè)備評(píng)價(jià)指標(biāo)體系。不同農(nóng)產(chǎn)品的智能分級(jí)設(shè)備性能有著相同的共性，但影響其性能的指標(biāo)因素眾多，指標(biāo)量化過(guò)程中存在不確定性和模糊性，評(píng)價(jià)指標(biāo)尚無(wú)通用標(biāo)準(zhǔn)，故亟需構(gòu)建一套評(píng)價(jià)指標(biāo)體系。參考文獻(xiàn)[28?31]對(duì)智能制造相關(guān)準(zhǔn)則的系統(tǒng)綜述，結(jié)合農(nóng)產(chǎn)品智能分級(jí)設(shè)備架構(gòu)設(shè)計(jì)與實(shí)際運(yùn)行情況，從設(shè)備的智能性、健全性和經(jīng)濟(jì)性3個(gè)維度構(gòu)建IVFFN模糊環(huán)境下的農(nóng)產(chǎn)品智能分級(jí)設(shè)備性能評(píng)價(jià)指標(biāo)體系，如表1所示。

2） 智能分級(jí)成熟度評(píng)價(jià)。設(shè)備的智能分級(jí)成熟度水平必須符合一定的標(biāo)準(zhǔn)，否則縱使其他性能再優(yōu)，也無(wú)法實(shí)現(xiàn)智能化分級(jí)的實(shí)際需求。為此，有必要對(duì)其進(jìn)行智能分級(jí)成熟度評(píng)價(jià)，在基于IVFFN、復(fù)雜信任關(guān)系和共識(shí)調(diào)整獲取各設(shè)備智能性指標(biāo)群組共識(shí)評(píng)價(jià)值后，利用式（26）和式（27）計(jì)算智能性能得分。

參考智能制造成熟度等級(jí)劃分標(biāo)準(zhǔn)[28]，結(jié)合設(shè)備實(shí)際運(yùn)行情況和決策專家討論分析，將其智能分級(jí)成熟度劃分為5個(gè)等級(jí)，如表2所示。

1.6.2 第二階段綜合評(píng)價(jià)

2 實(shí)例分析

2.1 烤煙智能分級(jí)機(jī)評(píng)價(jià)背景

近年來(lái)，為解決傳統(tǒng)烤煙收購(gòu)中存在的分級(jí)人員培養(yǎng)周期長(zhǎng)、收購(gòu)質(zhì)量不穩(wěn)定和不公正、不公平現(xiàn)象，煙草行業(yè)提出以智能化分級(jí)設(shè)備替代人工進(jìn)行收購(gòu)的戰(zhàn)略。為推進(jìn)烤煙智能化分級(jí)工作，云南、江蘇、湖南等地的多家廠商，先后推出不同結(jié)構(gòu)、不同技術(shù)水平的烤煙智能分級(jí)機(jī)。面對(duì)多種設(shè)備，云南省煙草質(zhì)量監(jiān)督檢測(cè)站需對(duì)多個(gè)制造商的不同設(shè)備進(jìn)行評(píng)價(jià)與優(yōu)選。

試驗(yàn)材料：5種不同型號(hào)的烤煙智能分級(jí)機(jī)（x1、x2、x3、x4、x5），并提供了設(shè)備相關(guān)的參數(shù)說(shuō)明；烤煙樣品2 000 kg，產(chǎn)地為云南省德宏州，生產(chǎn)于2021年。為切合煙站實(shí)際收購(gòu)需求，以德宏實(shí)際收購(gòu)的11個(gè)烤煙等級(jí)類別進(jìn)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(gè)類別（其中雜色、青黃烤煙在普通收購(gòu)中需做剔除，因此，不細(xì)分等級(jí)，僅作為K和GY分組處理），共制5組，且烤煙數(shù)量滿足設(shè)備建模需求。將烤煙樣品的30%（600 kg）用作驗(yàn)證樣品，按預(yù)設(shè)分為5組，每組驗(yàn)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(guó)家烤煙分級(jí)能手和省級(jí)烤煙分級(jí)能手共25人，隨機(jī)分為5組，負(fù)責(zé)樣品制備。

決策群體：從以上25位專家中選擇1位國(guó)家級(jí)烤煙分級(jí)能手和2位省級(jí)烤煙分級(jí)能手，另邀請(qǐng)2位機(jī)電相關(guān)背景的資深專家，共5人組成決策專家群體。

2.2 評(píng)價(jià)過(guò)程

2.3 穩(wěn)健性分析

2.4 對(duì)比分析

為了驗(yàn)證本文方法的可行性與優(yōu)越性，與IVFFWA法和IVFFWG法[12]進(jìn)行比較，排序決策過(guò)程與經(jīng)典的TOPSIS、VIKOR法進(jìn)行比對(duì)，最后與文獻(xiàn)[14]中方法比較分析。

由表12可知，不同方法得到的最優(yōu)設(shè)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(shè)備排序結(jié)果，判斷出最優(yōu)的設(shè)備，但處理本研究問(wèn)題時(shí)存在不足之處，其中IVFFWA法和IVFFWG法聚合群組信息過(guò)程單一，只是對(duì)各專家評(píng)價(jià)信息進(jìn)行簡(jiǎn)單加權(quán)計(jì)算，不僅未能考慮群體共識(shí)問(wèn)題，還忽略了指標(biāo)的重要性差異，導(dǎo)致結(jié)果可能失真，存在數(shù)值區(qū)分度不明顯、有效性差等缺點(diǎn)；TOPSIS法與VIKOR法在獲得群體共識(shí)的基礎(chǔ)上進(jìn)行排序決策，但TOPSIS法只考慮了與正、負(fù)理想值的距離，只能得到唯一最優(yōu)解，VIKOR法是一個(gè)采取折衷式的方法，但存在逆序性問(wèn)題，且TOPSIS法和VIKOR法都忽略了指標(biāo)之間的相關(guān)性影響，同時(shí)無(wú)法體現(xiàn)決策者非理性心理帶來(lái)的影響。文獻(xiàn)[14]中的方法在共識(shí)調(diào)整過(guò)程中未考慮決策者對(duì)群組綜合信息的參考偏好，共識(shí)過(guò)程存在信息缺失。其次，以上方法均為單一階段評(píng)價(jià)過(guò)程，未能考慮設(shè)備智能成熟度在評(píng)價(jià)過(guò)程中的先決作用，無(wú)法快速有效甄別智能分級(jí)成熟度達(dá)標(biāo)與否，例如上述5種方法中[x2]與未達(dá)標(biāo)設(shè)備[x5]得分相近，甚至在IVFFWG法與TOPSIS法中出現(xiàn)[x5]優(yōu)于[x2]的情況。本文方法相比于傳統(tǒng)評(píng)價(jià)方法有較大優(yōu)勢(shì)，充分發(fā)揮決策者評(píng)價(jià)過(guò)程中的主觀能動(dòng)性，有效地解決專家評(píng)價(jià)中的不確定性表現(xiàn)、群體共識(shí)問(wèn)題，并考慮專家非理性心理、指標(biāo)相關(guān)性和離散性的影響，提高評(píng)價(jià)過(guò)程的靈活性和系統(tǒng)性，使評(píng)價(jià)結(jié)果更加合理、更具有區(qū)分度和有效性。其次，兩階段評(píng)價(jià)的設(shè)計(jì)不僅可以快速有效地甄別不滿足先決條件的對(duì)象，還可減少后續(xù)評(píng)價(jià)的工作量。

3 結(jié)論

針對(duì)農(nóng)產(chǎn)品智能分級(jí)設(shè)備評(píng)價(jià)困難的問(wèn)題，提出的基于IVFFN—CNTR—PT的群決策方法能夠有效解決農(nóng)產(chǎn)品智能分級(jí)設(shè)備評(píng)價(jià)過(guò)程中決策專家的不確定性、群體共識(shí)以及非理性心理等因素的影響，并建立基于智能分級(jí)成熟度和綜合性能評(píng)價(jià)的兩階段評(píng)價(jià)模型，且通過(guò)案例分析驗(yàn)證，彌補(bǔ)現(xiàn)有研究的不足。

1） IVFFN更加充分地表達(dá)決策專家評(píng)價(jià)過(guò)程的不確定性，同時(shí)IVFFN的Dombi集成算子聚合評(píng)估信息時(shí)具有求解效率高、計(jì)算復(fù)雜度低、靈活性高的特點(diǎn)。

2） 建立基于復(fù)雜信任關(guān)系改進(jìn)的個(gè)性化共識(shí)調(diào)整過(guò)程，有效地解決決策專家間的群體共識(shí)問(wèn)題。

3） 將前景理論運(yùn)用到模糊評(píng)價(jià)環(huán)境，通過(guò)基于預(yù)設(shè)決策參考點(diǎn)的風(fēng)險(xiǎn)和收益評(píng)價(jià)，模擬決策者的非理性心理因素對(duì)決策過(guò)程的影響，使得評(píng)價(jià)結(jié)果更加合理。

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

5） 兩階段評(píng)價(jià)設(shè)計(jì)更加符合農(nóng)產(chǎn)品智能分級(jí)設(shè)備綜合評(píng)價(jià)的實(shí)際需求，評(píng)價(jià)過(guò)程更具有靈活性和系統(tǒng)性。

6） 以烤煙智能分級(jí)機(jī)作為案例進(jìn)行分析驗(yàn)證，得到評(píng)價(jià)結(jié)果：第一階段設(shè)備智能分級(jí)成熟度前4個(gè)廠商設(shè)備等級(jí)為Ⅱ級(jí)、第5個(gè)廠商設(shè)備為Ⅰ級(jí)，評(píng)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(píng)價(jià)值為1.691 5、0.922 4、0.972 9、1.012 7和0，第1個(gè)廠商設(shè)備最優(yōu)。

參 考 文 獻(xiàn)

[ 1 ] 李麗亞. 人工智能中圖像識(shí)別技術(shù)的發(fā)現(xiàn)與應(yīng)用研究[J]. 長(zhǎng)江信息通信， 2022， 35（1）： 134-136.

[ 2 ] 張文蓉， 王朋， 鐘鳴， 等. 基于視覺(jué)的茭白自動(dòng)分級(jí)包裝設(shè)備研究與開(kāi)發(fā)[J]. 中國(guó)農(nóng)機(jī)化學(xué)報(bào)， 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(nèi)部品質(zhì)智能分級(jí)設(shè)備[P]. 中國(guó)專利： CN112775022A， 2021-05-11.

[ 4 ] 王巖松， 和江鎮(zhèn)， 方志斌， 等. 鮮花的自動(dòng)化分級(jí)設(shè)備[P]. 中國(guó)專利： CN308028004S， 2023-05-09.

[ 5 ] 劉海彬， 秦臻， 王雷， 等. 基于視覺(jué)識(shí)別的智能烤煙分級(jí)分揀設(shè)備及分揀方法[P]. 中國(guó)專利： CN110893399A， 2020-03-20.

[ 6 ] 趙華洋， 李理， 劉光宇， 等. 基于區(qū)間層次分析法和隸屬度的蓖麻聯(lián)合收割機(jī)性能綜合評(píng)價(jià)[J]. 中國(guó)農(nóng)機(jī)化學(xué)報(bào)， 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(xué)彬. 基于層析分析法的農(nóng)機(jī)裝備企業(yè)創(chuàng)新能力評(píng)價(jià)研究[J]. 科學(xué)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(nóng)業(yè)工程設(shè)備選購(gòu)模糊綜合評(píng)價(jià)與實(shí)證研究[J]. 中國(guó)農(nóng)機(jī)化學(xué)報(bào)， 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(zhǎng)河， 李理， 等. 基于熵權(quán)TOPSIS法的蓖麻聯(lián)合收割機(jī)選型評(píng)價(jià)研究[J]. 中國(guó)農(nóng)機(jī)化學(xué)報(bào)， 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(qū)域綠色修復(fù)水平評(píng)價(jià)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(fù)雜信任網(wǎng)絡(luò)群組綜合評(píng)價(jià)方法及應(yīng)用研究[J]. 商業(yè)經(jīng)濟(jì)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(yáng)， 王黎琴， 馮平平， 等. WSR方法論視角下基于信任關(guān)系、前景理論和猶豫模糊偏好的群決策研究[J]. 管理評(píng)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(guó)， 劉新學(xué)， 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(yīng)明. 基于前景理論的模糊DEA交叉效率評(píng)價(jià)方法[J]. 運(yùn)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(jìn)區(qū)間直覺(jué)模糊多屬性群決策的在線知識(shí)付費(fèi)產(chǎn)品評(píng)價(jià)方法[J]. 計(jì)算機(jī)集成制造系統(tǒng)， 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(qū)間Fermatean模糊前景理論綜合評(píng)價(jià)方法[J/OL]. 中國(guó)管理科學(xué)， 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(quán)優(yōu)序法在地下水水質(zhì)評(píng)價(jià)中的應(yīng)用[J]. 水資源與水工程學(xué)報(bào)， 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(quán)—可拓云模型的城市道路應(yīng)急能力綜合評(píng)價(jià)研究[J]. 武漢理工大學(xué)學(xué)報(bào)， 2022， 44（12）： 44-53.

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

[29] 李健旋. 中國(guó)制造業(yè)智能化程度評(píng)價(jià)及其影響因素研究[J]. 中國(guó)軟科學(xué)， 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(jī)器視覺(jué)在線檢測(cè)系統(tǒng)通用要求[S].

[31] GB/T 40647—2021， 智能制造系統(tǒng)架構(gòu)[S].