基于滑动窗口和Transformer的烟叶近红外光谱感官评价预测模型

来源：江苏农业科学杂志2026年第第9期北京时间：

作者：何明泽;马仲昕;李斌;张海;张云伟;陶成金

单位：1.昆明理工大学信息工程与自动化学院，云南昆明 650504； 2.云南省烟草烟叶公司，云南昆明 650271； 3.云南省高校工业智能与系统重点实验室，云南昆明 650504

摘要：为实现烟叶感官质量评价的自动化与客观化，减少传统人工感官评吸存在的主观性强、效率低和一致性不足等局限，同时应对近红外光谱数据维度高、波段冗余严重及噪声干扰显著等问题，以烟叶近红外光谱为研究对象，构建一种融合滑动窗口机制与Transformer的感官评价预测模型，用于多感官指标的精确建模与预测。在方法上，首先对原始近红外光谱数据进行多元散射校正(MSC)、Savitzky-Golay卷积平滑(SG)及一阶导数(D1)的组合预处理，以有效抑制样品散射效应、基线漂移及随机噪声对建模精度的影响。随后，通过滑动窗口自适应提取局部波段特征，并结合分层编码的多头自注意力机制，分别对香气特征、烟气特征与质量特征三大类共10项感官指标开展预测和关键波段的筛选。结果表明，与其他传统及深度学习模型相比，该模型在全部感官指标上均取得优秀的预测性能。在香气特征方面，清香、甜香、焦香指标的MAPE分别为13.52%、27.68%、14.86%，MAE均小于等于0.46；在烟气特征方面，对浓度和劲头的预测误差进一步降低，对应MAPE分别为5.38%和6.19%；在质量特征方面，香气质、香气量、杂气、刺激和余味5项指标的MAE均不高于0.72，其中香气质的MAPE低至3.56%，显著优于对比模型。说明引入滑动窗口后的模型在复杂感官属性预测回归任务中的稳定性与精度均得到明显提升，验证了该方法在光谱特征挖掘与噪声抑制方面的有效性。研究结果可用于烟叶感官品质的快速、准确评估，具备实际的应用价值。

关键词：烟叶;感官指标;滑动窗口;光谱预处理;WinSpecFormer;关键波段