基于LS-SVM的烤烟烟叶产地判别

章英 贺立源 叶颖泽 吴昭辉

摘要：为了探索一种快速有效的烤烟烟叶产地鉴别方法，利用近红外光谱技术结合最小二乘支持向量机（ＬＳ－ＳＶＭ）对烤烟烟叶的产地进行了判别。选择云南、湖北、河南三地不同等级烤烟烟叶作为研究对象，对原始光谱数据进行平滑和附加散射校正（ＭＳＣ）预处理后再进行主成分分析，选择４～１２个主成分作为输入变量进行ＬＳ－ＳＶＭ建模。结果显示，该ＬＳ－ＳＶＭ模型预测效果较好，预测相关系数ｒｐ≥０．９９０ ７，预测标准误差（ＳＥＰ）和预测均方根误差（ＲＭＳＥＰ）分别为１．７５５ １和１．７３７ ３，优于偏最小二乘回归（ＰＬＳ）的预测结果，基于ＬＳ－ＳＶＭ的近红外光谱技术能够很好地对烟叶产地进行判别。

关键词：烟叶；产地判别；近红外光谱；最小二乘支持向量机

中图分类号：ＴＮ２１９文献标识码：Ａ文章编号：0439－８114（２０12）03－0583-03

Ｉｄｅｎｔｉｆｉｃａｔｉｏｎ ｏｆ Ｐｒｏｄｕｃｉｎｇ Ａｒｅａ ｏｆ Ｔｏｂａｃｃｏ Ｌｅａｆ Bａｓｅｄ ｏｎ ＬＳ－ＳＶＭ

ＺＨＡＮＧ Ｙｉｎｇ１ａ，１ｂ，ＨＥ Ｌｉ－ｙｕａｎ１ｂ，ＹＥ Ｙｉｎｇ－ｚｅ１ｃ，ＷＵ Ｚｈａｏ－ｈｕｉ２

（ａ． Ｃｏｌｌｅｇｅ ｏｆ Ｓｃｉｅｎｃｅ； ｂ． Ｃｏｌｌｅｇｅ ｏｆ Ｒｅｓｏｕｒｃｅｓ ａｎｄ Ｅｎｖｉｒｏｎｍｅｎｔ； ｃ． Ｎｅｔｗｏｒｋ Ｃｅｎｔｅｒ， １．Ｈｕａzｈｏｎｇ Ａｇｒｉｃｕｌｔｕｒａｌ Ｕｎｉｖｅｒｓｉｔｙ， Ｗｕｈａｎ ４３００７０， Ｃｈｉｎａ； ２． Ｔｏｂａｃｃｏ Ｒｅｓｅａｒｃｈ Ｃｅｎｔｅｒ ｏｆ Ｈｅｎａｎ Ａｃａｄｅｍｙ ｏｆ Ａｇｒｉｃｕｌｔｕｒａｌ Ｓｃｉｅｎｃｅｓ， Ｘｕｃｈａｎｇ ４６１０００， Ｈｅｎａｎ， Ｃｈｉｎａ）

Ａｂｓｔｒａｃｔ： In ｏｒｄｅｒ ｔｏ ｅｘｐｌｏｒｅ ａ ｆａｓｔ ａｎｄ ｅｆｆｉｃｉｅｎｔ ｍｅｔｈｏｄ ｗｈｉｃｈ ｄｅｔｅｒｍｉｎｅｓ ｔｈｅ ｐｒｏｄｕｃｉｎｇ ａｒｅａ ｏｆ ｔｏｂａｃｃｏ ｌｅａｆ， ｎｅａｒ－ｉｎｆｒａｒｅｄ ｒｅｆｌｅｃｔａｎｃｅ ｓｐｅｃｔｒｏｓｃｏｐｙ ｗｉｔｈ ｌｅａｓｔ ｓｑｕａｒｅｓ－ｓｕｐｐｏｒｔ ｖｅｃｔｏｒ ｍａｃｈｉｎｅｓ （ＬＳ－ＳＶＭ） ｗａｓ ａｐｐｌｉｅｄ ｔｏ ｄｅｔｅｒｍｉｎｅ ｐｒｏｄｕｃｉｎｇ ａｒｅａ ｏｆ ｔｏｂａｃｃｏ ｌｅａｆ． Ｔｈｒｅｅ ｐｒｏｄｕｃｉｎｇ ａｒｅａｓ ｉｎｃｌｕｄｉｎｇ Ｙｕｎｎａｎ， Ｈｕｂｅｉ ａｎｄ Ｈｅｎａｎ ｗｅｒｅ ｓｅｌｅｃｔｅｄ ａｓ ｔｈｅ ｒｅｓｅａｒｃｈ ｏｂｊｅｃｔｓ． Ａｓ ｔｈｅ ｐｒｅｔｒｅａｔｍｅｎｔｓ ｏｆ ｔｈｅ ｏｐｔｉｍａｌ ｓｍｏｏｔｈｉｎｇ ｗａｙ， ｍｏｖｉｎｇ ａｖｅｒａｇｅ ｗｉｔｈ ｔｈｒｅｅ ｓｅｇｍｅｎｔｓ ａｎｄ ｍｕｌｔｉｐｌｉｃａｔｉｏｎ ｓｃａｔｔｅｒ ｃｏｒｒｅｃｔｉｏｎ （ＭＳＣ） ｗｅｒｅ ａｐｐｌｉｅｄ ｔｏ ｒｅｄｕｃｅ ｔｈｅ ｎｏｉｓｅ ｏｆ ｔｈｅ ｓｐｅｃｔｒａ． Ａｆｔｅｒ ｔｈｅ ｐｒｉｎｃｉｐｌｅ ｃｏｍｐｏｎｅｎｔ ａｎａｌｙｓｉｓ， ４ ｔｏ １２ ｐｒｉｎｃｉｐａｌ ｃｏｍｐｏｎｅｎｔｓ （ＰＣｓ） ｗｅｒｅ ｃｈｏｓｅｎ ａｓ ｔｈｅ ｉｎｐｕｔｓ ｏｆ ＬＳ－ＳＶＭ ｍｏｄｅｌｓ． Ｔｈｅ Ｒｅｓｕｌｔｓ ｓｈｏｗ ｔｈａｔ ｔｈｅ ｐｒｅｄｉｃｔｉｏｎ ｐｅｒｆｏｒｍａｎｃｅ ｏｆ ｔｈｅ ＬＳ－ＳＶＭ ｍｏｄｅｌ ｗｉｔｈ １２ ＰＣｓ ｉｓ ｂｅｔｔｅｒ ｔｈａｎ ｐａｒｔｉａｌ ｌｅａｓｔ ｓｑｕａｒｅ（ＰＬＳ） ｍｏｄｅｌ． Ｉｔｓ ｃｏｒｒｅｌａｔｉｏｎ ｃｏｅｆｆｉｃｉｅｎｔ ｏｆ ｐｒｅｄｉｃｔｉｏｎ ｓｅｔ （ｒｐ） ｉｓ ０．９９０ ７， ｓｔａｎｄａｒｄ ｅｒｒｏｒ ｏｆ ｐｒｅｄｉｃｔｉｏｎ （ＳＥＰ） ｉｓ １．７５５ １， ａｎｄ ｒｏｏｔ ｍｅａｎ ｓｑｕａｒｅ ｅｒｒｏｒ ｏｆ ｐｒｅｄｉｃｔｉｏｎ （ＲＭＳＥＰ） ｉｓ １．７３７ ３． Ｉｔ ｉｓ ｃｏｎｃｌｕｄｅｄ ｔｈａｔ ＮＩＲ ｓｐｅｃｔｒｏｓｃｏｐｙ ｗｉｔｈ ＬＳ－ＳＶＭ ｉｓ ａ ｆｅａｓｉｂｌｅ ｍｅｔｈｏｄ ｔｏ ｄｅｔｅｒｍｉｎｅ ｔｈｅ ｐｒｏｄｕｃｉｎｇ ａｒｅａ ｏｆ ｔｏｂａｃｃｏ ｌｅａｆ．

Ｋｅｙ ｗｏｒｄｓ： ｔｏｂａｃｃｏ ｌｅａｆ； oｒｉｇｉｎ ｄｉｓｃｒｉｍｉｎａｎｔ； ＮＩＲ ｓｐｅｃｔｒｏｓｃｏｐｙ； ｌｅａｓｔ ｓｑｕａｒｅｓ－ｓｕｐｐｏｒｔ ｖｅｃｔｏｒ ｍａｃｈｉｎｅｓ （ＬＳ－ＳＶＭ）

烟草是我国重要的经济作物，烟叶的品质与遗传因素、栽培措施、调制技术和产地环境等密切相关。其中，产地环境（海拔、温湿度、气候条件等）对烟叶品质的影响极为明显，也是构成不同品牌卷烟特有风格的基础，但不同产地的烟叶特征迄今难以量化描述。目前，对烤烟烟叶产地的判别除依赖感官评定外，需要对其化学成分进行分析，判别过程费时、费力。因此，研究一种能够快速、准确地对烤烟烟叶产地进行判别的方法非常必要。

Ｍａｈａ等［１］采用神经元网络方法对美国本土及国外１ ０００多个烟叶样品的近红外光谱（ＮＩＲｓ）信息进行分析，对本国烟叶取得了很好的模式识别结果。国内研究人员曾采用ＮＩＲ法预测了烟草根、茎、叶中的蛋白质、总糖、总氮、总植物碱等［２，３］，采用主成分分析的马氏距离法判别烟叶产地归属，获得了较佳的识别准确率［４］。但上述研究均需要对烟叶进行切丝过筛，属于有损检测且费时费力。用ＮＩＲ法专门针对收购环节进行完整烟叶品质分析预测烟叶产地尚无研究报道。试验采用近红外波段（８６７～２５８ ９ ｎｍ）进行光谱扫描，应用最小二乘支持向量机（ＬＳ－ＳＶＭ），建立了ＬＳ－ＳＶＭ判别分析组合模型，实现了烤烟烟叶产地的快速准确判别。

１材料与方法

１．１仪器及参数

试验使用光谱检测设备是Ｏｃｅａｎ Ｏｐｔｉｃｓ公司的ＮＩＲ２５６－２．５光纤光谱仪，配套的ＱＢＩＦ６００－ＶＩＳ－ＢＸ白金级Ｙ形分叉光导纤维探头，仪器光谱采样间隔６ ｎｍ，测定波长８６７～２ ５８９ ｎｍ，光纤探测器与样品垂直，暗室温度１８～２２ ℃，相对湿度２２％～２５％，以１４．５ Ｖ、５０Ｗ卤素灯为惟一光源，光源与样品夹角４５°。开机预热１ ｈ后进行光谱扫描，采样方式是漫反射，采样软件是机器自带的Ｓｐｅｃｔｒａ Ｓｕｉｔｅ。分析软件采用ＡＳＤ Ｖｉｅｗ Ｓｐｅｃ Ｐｒｏ、Ｕｎｓｃｒａｍｂｌｅ Ｖ９和ＤＰＳ（Ｄａｔａ Ｐｒｏｃｅｓｓｉｏｎ Ｓｙｓｔｅｍ ｆｏｒ Ｐｒａｃｔｉｃａｌ Ｓｔａｔｉｓｔｉｃｓ）。积分时间设置为２５０ ｍｍ，平滑度设置为９，平均次数为３，即对每个样品自动扫描３次取平均值。

１．２样本制备

收集了２０１０年１０月云南、河南、湖北三省的烟草公司提供的已由专家人工定级的烟叶。为保证试验结果的代表性，每个产地烟叶按７个分组每组１～４个等级随机选择９０个样本。根据文献［５］报道，直接将烟叶样品平铺置于载物台上，采用漫反射模式采集近红外光谱，光谱扫描稳定后进行数据采集。保存３条光谱曲线，以其平均光谱作为最终的反射光谱。从全部２７０个样本中，每个产地随机选择３０个共９０个样本作为预测集，剩余的１８０个样本作为建模集。

１．３光谱数据预处理

首先采用Ｓａｖｉｔｚｋｙ－Ｇｏｌａｙ平滑法，平滑点数取５，用以去除光谱曲线中的高频成分，保留有用低频信息，然后进行附加散射校正（Ｍｕｌｔｉｐｌｉｃａｔｉｏｎ Ｓｃａｔｔｅｒ Ｃｏｒｒｅｃｔｉｏｎ， ＭＳＣ）处理，以降低烟叶样本表面不均质的散射对光谱数据造成的影响。为了消除光谱数据在首尾两端产生的较大噪音，只取１ １０１～２ ３９５ ｎｍ波段的数据进行分析，以提高测量数据的信噪比［５］。

２结果与分析

２．１光谱图分析

图１为不同产地烟叶样本的光谱图。从图１可以看出，不同产地烟叶的光谱交错重叠。由于近红外光谱包含了噪声、环境、仪器响应、人为操作误差等各种干扰因素，再加上烟叶样本表面不均质特性，这些都对光的漫反射有一定影响。要消除这些因素的影响，需要结合化学计量学方法对所得的光谱数据进行处理，从而建立起烟叶不同产地的鉴别模型。

２．２主成分分析结果

在１ １０１～２ ３９５ ｎｍ光谱范围内一共有１９３个输入变量。虽然这些输入变量能够作为输入值进行ＬＳ－ＳＶＭ建模，但是为了提高模型建立的运算速度，减少其中的运算量，试验采用主成分分析法［６，７］先提取光谱的主成分。主成分分析中主成分数的选择非常重要，如果建立模型使用主成分数过少，则不能反映未知样本被测组分产生的测量数据变化，其模型的预测能力就会降低；如果选择的主成分数过多，就会将一些代表噪声的主成分加入到模型中，同样会使模型的预测能力下降。

利用主成分分析法将经过平滑和附加散射校正预处理后的光谱数据输入变量进行降维，得到的前１２个主成分的累积贡献率如表１所示。从表１可知，前１２个主成分的累积可信度已达到９９．８４％以上，说明其能够很好地代表原始输入变量的信息，所以每个样本的光谱数据可以用前１２个主成分代替。

选取前３个主成分得到３个不同产地烟叶光谱数据的主成分分析三维聚类图（图２）。从图２可以看出，３个不同产地烟叶样本之间的界限比较模糊，无法直接从图中加以区别。此外，前３个主成分的聚类图只能在３个维度范围内进行直观、定性地分析，难以定量地精确区分及预测。因此采用ＬＳ－ＳＶＭ对光谱数据在主成分分析基础之上进一步分析。

２．３ＬＳ－ＳＶＭ建模及预测

分别用４～１２个主成分进行ＬＳ－ＳＶＭ建模，通过比较基于不同主成分数建立的预测模型的精度，最终确定最优主成分数，模型参数和精度比较结果如表２所示。由表２可知，以１２个主成分数作为输入变量建立的ＬＳ－ＳＶＭ模型预测效果最好，其预测相关系数ｒｐ达到０．９９０ ７，且预测标准误差（Ｓｔａｎｄａｒｄ Ｅｒｒｏｒ ｏｆ Ｐｒｅｄｉｃｔｉｏｎ，ＳＥＰ）和预测均方根误差（Ｒｏｏｔ Ｍｅａｎ Ｓｑｕａｒｅ Ｅｒｒｏｒ ｏｆ Ｐｒｅｄｉｃｔｉｏｎ，ＲＭＳＥＰ）均较小，分别为１．７５５ １和１．７３７ ３。

同时选用偏最小二乘法（ＰＬＳ）建立的模型对烟叶产地进行预测，比较结果见表３，可以看到ＬＳ－ＳＶＭ模型的预测效果好于ＰＬＳ模型。说明ＬＳ－ＳＶＭ模型能够更好地提取光谱中的有用信息，从而更加精确地预测烟叶产地。

３小结

基于收购环节的烤烟烟叶质量评价及产地分析一直是烟草行业备受关注的问题，近红外无损检测过程比常见的化学方法简单、操作性强。试验进行了基于近红外光谱技术无损鉴别烤烟烟叶产地的研究，采用近红外光谱技术对不同产地的烤烟烟叶进行了检测。选择４～１２个主成分数分别作为输入变量建立了ＬＳ－ＳＶＭ模型，通过比较模型参数确定当输入变量为前１２个主成分时，ＬＳ－ＳＶＭ模型预测效果最好，预测相关系数可以达到０．９９０ ７，且预测结果优于ＰＬＳ模型。结果表明，运用基于ＬＳ－ＳＶＭ的近红外光谱技术可以快速、无损地检测烤烟烟叶的产地，为今后进一步研究光谱技术应用于烤烟烟叶收购质量的检测提供了新的途径。

参考文献：

［１］ ＭＡＨＡ Ｈ， ＭＣＣＬＵＲＥ Ｗ Ｆ． Ａｐｐｌｙｉｎｇ ａｒｔｉｆｉｃｉａｌ ｎｅｕｒａｌ ｎｅｔｗｏｒｋｓ． ＩＩ． Ｕｓｉｎｇ ｎｅａｒ ｉｎｆｒａｒｅｄ ｄａｔａ ｔｏ ｃｌａｓｓｉｆｙ ｔｏｂａｃｃｏ ｔｙｐｅｓ ａｎｄ ｉｄｅｎｔｉｆｙ ｎａｔｉｖｅ ｇｒｏｗｎ ｔｏｂａｃｃｏ［Ｊ］． Ｊ Ｎｅａｒ Ｉｎｆｒａｒｅｄ Ｓｐｅｃｔｒａ，１９９７（５）：１９－２５．

［２］ 邓发达，朱立军，戴亚，等． 近红外技术测定成品卷烟中总糖和还原糖及绿原酸的含量［Ｊ］．安徽农业科学， ２０１０， ３８（１２）：６１８１－６１８２，６１８８．

［３］ 覃鑫． 在线近红外光谱（ＮＩＲ）快速测定烟草化学成分［Ｊ］．西昌学院学报（自然科学版）， ２０１０，２４（１）：５２－５４，７９．

［４］ 束茹欣，王国东，张建平，等． 国产烤烟烟叶的ＮＩＲＳ模式识别［Ｊ］．烟草科技，２００６（８）：１２－１５，２０．

［５］ 章英，贺立源． 基于近红外光谱的烤烟烟叶自动分组方法［Ｊ］．农业工程学报，２０１１，２７（４）：３５０－３５４．

［６］ 王徽蓉，李卫军，刘扬阳，等． 基于遗传算法与线性鉴别的近红外光谱玉米品种鉴别研究［Ｊ］．光谱学与光谱分析，２０１１，３１（３）：６６９－６７２．

［７］ 赵磊，李继海，朱大洲，等． ５种鹿茸营养成分的主成分分析［Ｊ］．光谱学与光谱分析，２０１０（９）：２５７１－２５７５．

（责任编辑王晓芳）

收稿日期：２０１１－０８－０８

基金项目：国家科技支撑计划项目（２００６ＢＡＤ１０Ａ１３０４）；云南省烟草烟叶公司攻关项目（２００９ＹＮ０１０）

作者简介：章英（１９７８－），女，湖北枝江人，讲师，在职博士研究生，从事数字图像处理技术和农业信息化的研究工作，（电话）１５３０７１１５２０１

（电子信箱）ｚｙ＠ｍａｉｌ．ｈｚａｕ．ｅｄｕ．ｃｎ；通讯作者，贺立源，男，河南巩县人，教授，从事农业信息化的研究工作，（电话）１３９７１６２２３５８

（电子信箱）ｈｅｌｉｙｕａｎ＠ｍａｉｌ．ｈｚａｕ．ｅｄｕ．ｃｎ。