王凯, 张彦
目的 旨在克服传统印刷质量评价中主观性偏差与指标权重设定争议,构建一套客观、可量化的多维度评价体系,为印刷工艺参数的精准调控与优化提供科学依据与决策支持。方法 基于36个实际印刷品样本数据(包含实地密度、相对反差、印刷光泽度、网点扩大、叠印率等指标),采用五级标度法定义质量等级。采用有序Logistic回归(OLR,α=0.05,最大迭代次数=500)进行质量等级分类并量化参数影响(计算回归系数β、优势比OR及其95%置信区间);利用随机森林(RF,树数=500,最大深度=10)评估特征重要性(基于Gini不纯度减少量);构建贝叶斯层次模型(BHM,MCMC采样3 000次,预热1 000次,链数=4)以捕捉非线性交互效应及样本异质性。整合OLR、RF与BHM构建协同模型,并通过准确率、AUC及综合质量评分(CQS)进行模型验证。结果 OLR确定实地密度(β=0.82, OR=2.27, P<0.001)、相对反差(β=0.93, OR=2.53, P<0.001)和网点扩大(β=0.57, OR=1.77, P<0.001)为核心正向预测因子。随机森林特征重要性分析结果显示,实地密度(重要性权重0.31)对印刷质量影响最为显著,其次为相对反差(0.25)与网点扩大(0.22),三者累计贡献度达78%,进一步验证了其在质量控制中的核心地位。BHM证实了实地密度(后验均值为0.80, 95% HDI [0.65, 0.95])和相对反差(后验均值为0.91, 95% HDI [0.73, 1.09])的主效应及其显著的交互作用(β=0.42)。协同模型的整体准确率达到84.7%,较单一OLR模型(78.3%)提升了6.4%,且对优秀等级样本表现出优异的区分能力(AUC=0.88)。综合质量排名与CQS呈显著正相关(r≈0.82),同时更侧重于参数间的协同效应。结论 BHM-OLR-RF协同框架融合了多种模型的优势,显著提升了印刷质量评价的客观性、准确性与可解释性,精准量化了核心参数的影响及其重要性,有效解决了传统评价方法中存在的主观性与权重争议问题,为印刷工艺的多参数协同优化及力学性能改进提供了科学依据与决策支持。