机器学习算法在烟叶烘烤过程化学成分估测中的应用

来源：江苏农业科学杂志2025年第第11期北京时间：

作者：孟杨;蔡宪杰;陈广晴;卢晓华;王远辉;曾强;李秋英;陈祖销;张恒;过伟民;闫鼎

单位：1.中国烟草总公司郑州烟草研究院，河南郑州 450001； 2.上海烟草集团有限责任公司，上海 200000；3.中国烟草总公司河南省公司，河南郑州 450001； 4.河南工业大学粮油食品学院，河南郑州 450001；5.福建省烟草公司南平市公司，福建南平 353000

摘要：为明确机器学习算法在烘烤过程烟叶化学成分估测中的应用效果，以烤烟K326品种为材料，通过烟叶烘烤过程定期取样分析的方法，研究烟叶Lab颜色空间指标与化学成分的协同变化关系，采用偏最小二乘回归、岭回归、支持向量机和随机森林等机器学习算法构建烟叶化学成分的回归估测模型。结果表明，随烘烤进行烟叶颜色的明度值L*、黄度值b*和色饱和度值C*值先增大后减小，红度值a*和色相角H*持续增大，还原糖和总糖含量先快速增加后趋于稳定，淀粉含量先快速下降后趋于稳定，烟碱和总氮含量的变化不大；烟叶还原糖和总糖含量与颜色值均呈显著相关，淀粉含量与除b*值和C*值之外的颜色值均呈极显著相关；使用4种机器学习算法构建的烟碱和总氮含量估测模型精度较低，而还原糖、总糖和淀粉含量估测模型验证集的R2均超过0.74，其中随机森林算法的精度和泛化性能相对较好，验证集的R2超过0.90，RPD值大于2.0，跨产区验证集的R2也超过0.73。综上，可基于Lab颜色空间指标和随机森林算法，实现烘烤过程烟叶还原糖、总糖和淀粉含量的快速无损监测。

关键词：烟叶烘烤;Lab颜色空间;机器学习算法;回归估测;化学成分