基于烤烟颜色特征构建烤烟感官质量预测模型

路晓崇，李 昊，苏家恩，裴晓东，孟祥宇，杨晓亮， 王建安，贺 帆，宋朝鹏

(1.河南农业大学烟草学院， 河南 郑州 450002; 2.河南省烟草公司襄城县分公司， 河南 襄城 452670; 3.云南省烟草公司大理州公司， 云南 大理 671000； 4.湖南省烟草公司浏阳市公司， 湖南 浏阳 410300)

基于烤烟颜色特征构建烤烟感官质量预测模型

路晓崇1，李 昊2，苏家恩3，裴晓东4，孟祥宇1，杨晓亮1， 王建安1，贺 帆1，宋朝鹏1

(1.河南农业大学烟草学院， 河南 郑州 450002; 2.河南省烟草公司襄城县分公司， 河南 襄城 452670; 3.云南省烟草公司大理州公司， 云南 大理 671000； 4.湖南省烟草公司浏阳市公司， 湖南 浏阳 410300)

为了解烟叶颜色特征对感官质量的影响，以豫中烟区烟叶颜色特征值为输入变量，烤烟感官质量指标为输出变量，分别构建拓扑结构为10-12-1的BP神经网络模型，对烟叶感官质量进行预测评价。结果表明，样本的颜色特征值与感官质量指标统计特征较好，均服从正态分布；所构建的BP神经网络模型的模拟值与目标值差异较小，其中杂气与刺激性的决定系数达到显著水平，香气质、透发性等其他7项指标的决定系数均达到极显著水平。所构建的BP神经网络预测模型拟合效果较好，在烟叶质量评估中可利用烟叶的颜色特征值对烟叶的感官质量进行预测评价。

烤烟；颜色特征值；感官质量；BP神经网络模型

烤烟的感官质量是烟叶质量风格特色的核心[1-3]，是卷烟企业使用烟叶进行叶组配方设计的主要参考依据，工业企业可根据烤烟评吸质量进行合理的配方设计[4]，烤烟的评吸质量则是评吸专家对烟气感官评价指标打分后的综合得分或评价，因此感官评吸有一定的主观性[5]。烟叶的品质质量要求具有完善的物理特性、协调的化学成分、完美的外观特征与优良的内在品质，4个方面的质量评价相辅相成[6]，其中颜色作为烟叶外观的重要特征之一，对烟叶感官质量的形成有一定的影响。烟叶的颜色特征是烤烟内含物质的集中体现，刘百战等[7]研究表明，橘黄色的烟叶中香味成分的总含量高于红棕色及柠檬黄色的烟叶。席元肖等[8]研究表明，类胡萝卜素含量随颜色的加深而升高，浅橘黄色和浅红棕色烤烟最高；多酚总量随颜色的加深而降低，西柏烷类含量随颜色加深有逐渐升高的趋势。梁太波等[9]研究表明，多酚与颜色特征值L*呈显著或极显著正相关，而与a*呈负相关关系；类胡萝卜素含量与颜色特征值L*呈显著或极显著负相关，而与a*呈极显著正相关。贺帆等[10]研究表明，烘烤过程中烟叶各颜色参数与淀粉、还原糖、叶绿素、类胡萝卜素、蛋白质、氨基酸和含水量之间相关性明显。丁根生等[11]研究表明，L*，a*与H*能够很大程度上表现出香气量、吃味、刺激性3项评吸指标的品质情况，可知烟叶的颜色特征对质量有较大影响，而目前利用烤烟的颜色特征来预测评价烤烟的感官质量的研究鲜见报道。BP神经网络具有实现任何复杂非线性映射的功能，特别适合于求解内部机制复杂的问题，近年来在材料、医疗、工业、经济以及农业等方面得到广泛的应用[12-17]，邵慧芳等[5]通过建立烤烟化学成分与感官质量的BP神经网络，取得了较好的预测评价结果。因此，建立烤烟颜色特征与烤烟感官质量的BP神经网络模型，为烤烟感官质量的数字化、精准化研究提供一定的理论依据。

1 材料与方法

1.1试验材料

供试材料为豫中烟区漯河、许昌以及平顶山3市28个乡镇的X2F，C3F 以及B2F 等级的烤烟，每个等级各2 kg，共计136个烟叶样品，经过严格分选后，最终选出具有代表性的120个烟叶样品。

1.2试验方法

每个样品随机选取20片烟叶采用 WSC-3 型全自动测色色差计(北京光学仪器厂)测量烟叶正反面颜色L*，a*以及b*3个颜色特征值，并利用a*与b*依据式(1)与式(2)[10]计算烟叶颜色的饱和度C*与色相角H*。

(1)

H*=arctan(b*/a*)

(2)

测量位点为烟叶的1/4，1/2与3/4处对称的6个位置(图1)，每片正反面共计12个位点。

图1 烟叶颜色特征值的测量位点Fig.1 The position of measuring color characteristics

样品的感官质量评定[18]聘请河南中烟有限责任公司、郑州烟草研究院和河南农业大学的 8 位资深评吸专家进行感官质量评价。在河南农业大学烟草学院进行评价，将烟叶样品回潮到含水率18%～21%后装入塑料袋，密闭，室温下存放2 h，切丝，然后在规定的条件下调节，使烟丝含水率达到12.5%左右，卷制成卷烟后在规定的条件下调节72 h，采用9分制进行评吸打分，评吸指标包括香气质、香气量、劲头、浓度、余味、杂气、刺激性、透发性、甜度等 9 项指标。

1.3神经网络数据的处理与设计

采用Matlab 2014a神经网络工具箱(Neural Network Tool Box) 以120个烟叶样品的烟叶正反面的L*(明度值)、a*(红度值)、b*(黄度值)、C*(饱和度)以及H*(色相角)等10个参数作为网络的输入值，以烟叶感官质量中香气质、香气量、杂气、刺激性、透发性、甜度、余味、浓度以及劲头等9个指标分别作为网络模型的输出值，隐含层的个数依据式(3)决定，共建立9个BP神经网络模型。由于样本数据在单位与数量级上存在差异，因此，为了使各变量的尺度相一致，给各分量以同等重要的地位，以免网络训练结果偏重于数值较大的变量而忽略了数值较小的输入变量，对网络的精确性造成一定的影响。再者，由于BP神经网络的传递函数采用 Sigmoid 函数，输入变量数值差异较大，可以使神经元的输入值过早进入Sigmoid 函数的饱和区,影响网络学习进程。因此，样本数据采用式(4)进行归一化处理。

(3)

式中：N为隐含层节点数；n为输入神经元个数；m为输出神经元的个数；a为[1，10]之间的一个常数。

经过对隐含层的节点数的反复调试，最终以节点数为12的隐含层节点数所构建的网络模型的拟合残差最小(图1)，因此，建立网络拓扑结构为10-12-1的神经网络模型，网络训练在Matlab2014a中进行，所建立的BP神经网络的Matlab 程序代码如下：

net=newff (minmax(P), [10, 1], {’tansig’ , ’ purelin’ }, ’trainlm’);

net.trainParam.Show=100;

net.trainParam.Epochs=1000;

net.trainParam.1r=0.1;

net.trainParam.goal=0.01;

[net, tr]=train(net,P,T);

a=sim(net,P)

代码中：P为10个颜色特征值；T为烟叶的感官质量指标。

2 结果与分析

2.1豫中烟区烟叶样品颜色特征与感官质量的基本特征

由表1可知，烟叶颜色特征值的各指标变异系数较大，尤其是烟叶正面的a*值与C*值变异系数分别达到了10.49%与9.22%，背面的L*值的变异系数在背面颜色特征值中最大，烟叶正背两面的峰度与偏度均接近于0，表明烟叶的颜色特征比较集中，且服从正态分布规律。烟叶感官质量指标的变异系数与颜色特征值相比略小，除烟叶劲头变异系数较大外，其余均小于6%，表明所取样品的烟碱含量差异较大，可能是由于所取样品的部位与品种有差异。感官质量的峰度系数有个别指标相对较大，但总体为尖峭峰，表明样品的感官质量差异较小，且偏度系数较小，均接近于0，可知烟叶的感官质量同样服从正态分布规律。综合来看，烟叶样品的颜色特征值与感官质量均服从正态分布规律，表明数据的稳定性较好，具有较好的统计学意义。

表1 豫中烟区烟叶颜色特征与感官质量的描述性统计Table 1 Descriptive statistics of color characteristics on sensory quality of tobacco in central Henan tobacco growing areas

2.2神经网络训练结果与分析

通过对9个感官质量指标的网络模型进行训练和仿真。以训练完成后各感官质量的网络模型模拟值为纵坐标，以感官质量的实际值为横坐标，建立回归分析图(图2)。其中图2中的直线为y=x，表示模拟值与实际值完全相同时的结果。由图2可知,所建立的网络模型的模拟值与实际值中，杂气与刺激性的决定系数达到显著水平，香气质、透发性等其他7项指标的决定系数均达到极显著水平。由于烟叶的感官质量评价是依据评吸人员的对卷烟的个人感觉实现的，在评价过程中受人为因素的影响较大。虽然部分指标的网络模拟值与实际值的决定系数未达到极显著水平，但总体而言所建立的神经网络模型的模拟效果较好。

注：* *表示模拟值与目标值相关性达到极显著水平；*表示模拟值与目标值相关性达到显著水平。Note: * *shows that the correlation reached extremely of analog value and target value was at the very significant level, and *shows that the correlation reached extremely of analog value and target value was at the significant level.

3 结论与讨论

研究表明，基于烟叶颜色特征值建立的烤烟感官质量BP神经网络预测模型拟合效果较好，烤烟的化学成分影响着烟叶的外观颜色[7]，决定着烟叶的感官质量[5]，但烤烟化学成分的测定耗时较长，时效性较差[5]，不能及时对烟感官质量进行预测评价，而利用所建立的网络预测模型可以较及时有效地对烤烟的香气质、香气量、劲头、浓度、余味、杂气、刺激性、透发性、甜度等感官质量指标进行预测评价，进一步加速烤烟生产智能化水平的进程。

烤烟的感官质量受到品种、部位、评吸人员以及生长环境等多种因素的影响[19-22]。烟叶的外观包括烟叶的颜色与烟叶形态，对烟叶质量的形成都有一定的影响[23]。研究表明，适宜长度、宽度以及厚度的烟叶所形成的烟叶质量较好，例如上部叶的厚度较大，烟碱含量较高，烟叶的劲头较大[23]，较宽的上部叶比较窄的上部叶评吸质量好[23]。因此，烟叶的颜色特征值只能在某些层面反映一些因素对烤烟感官质量的影响，而且烤烟的感官质量评价受人为因素的影响较大，再者，由于BP神经网络自身的局限性[24]，还有所获取的数据间可能存在着较大的误差和噪声干扰，在建模时可能出现过拟合现象[24-26]。综合来看，所建立的模型是一个相对粗糙的BP神经网络模型，还需要进一步完善。

随着烤烟感官质量评价体系的不断完善，除香气量等9项指标外，又增加了香韵等一系列风格特色指标[27]。然而，本次研究仅利用烤烟颜色特征对香气量等指标进行了预测评价，而未对香韵等风格特征进行研究，在后续工作中需进一步完善，以增加模型的实用性。

目前，只针对豫中烟区的颜色特征与感官质量进行了建模预测，效果较好，而对河南其他烟区以及其他各省份烟区的烟叶尚未进行研究分析。由于各烟区的烟叶的生长环境条件差异较大，不仅烟叶的颜色特征差异较大，而且烟叶的质量风格差异也较明显[28,29]，因此，模型的适用性有待进一步验证与完善。

[1] 过伟民, 蔡宪杰, 魏春阳, 等. 豫中浓香型烤烟感官质量与部分质量指标的关系[J]. 烟草科技, 2010 (6):22-27.

[2] 张勇刚, 宋朝鹏, 李常军, 等. 熵权模糊综合评价法在烤烟感官质量评价中的应用[J]. 中国烟草学报, 2010, 16(6):33-36.

[3] 邵惠芳, 赵昕宇, 许自成, 等. 基于Fisher判别分析的烤烟感官质量与工业应用价值的关系研究[J]. 中国烟草学报, 2011, 17(6):13-18.

[4] 张强, 董高峰, 李红武, 等. 滚筒烘丝机工艺参数对烤烟感官质量的影响[J]. 烟草科技, 2011, (11):10-13.

[5] 邵惠芳, 许自成, 李东亮, 等. 基于BP神经网络建立烤烟感官质量的预测模型[J]. 中国烟草学报, 2011, 17(1):19-25.

[6] 闫克玉, 王光耀, 李春松. 我国烤烟质量分析评价研究进展[J]. 郑州轻工业学院学报(自然科学版), 2007,22(2):49-52.

[7] 刘百战，冼可法. 不同部位、成熟度及颜色的云南烤烟中某些中性香味成分的分析研究[J]. 中国烟草学报, 1993,1(3):46-53.

[8] 席元肖, 宋纪真, 杨军, 等. 不同颜色及成熟度烤烟香气前体物及降解产物含量的差异分析[J]. 中国烟草学报, 2011,17(4):23-30.

[9] 梁太波, 张艳玲, 尹启生, 等. 山东烤烟烟叶颜色量化分析及与多酚和类胡萝卜素含量的关系[J]. 烟草科技, 2012 (4):67-71.

[10] 贺帆, 王涛, 王梅, 等. 烘烤过程中烟叶颜色变化与主要化学成分的关系[J]. 中国烟草学报, 2014, 20(6):97-102.

[11] 丁根胜, 张庆明, 巴金莎, 等. 烟叶颜色色度学指标与烤烟品质的关系分析[J]. 中国烟草科学, 2011,32(4):14-18.

[12] SADEGHI B H M. A BP-neural network predictor model for plastic injection molding process[J]. Journal of Materials Processing Technology, 2000, 103:411-416.

[13] ZHANG F, LI P, HOU Z G, et al. sEMG-based continuous estimation of joint angles of human legs by using BP neural network[J]. Neuro Computing, 2012, 78(1):139-148.

[14] ZHANG L, WU K, ZHONG Y, et al. A new sub-pixel mapping algorithm based on a BP neural network with an observation model[J]. Neuro Computing, 2008, 71:2046-2054.

[15] WANG P, HUANG Z Y, ZHANG M Y, et al. Mechanical property prediction of strip model based on pso-BP neural network[J]. Journal of Iron & Steel Research International, 2008, 15(3):87-91.

[16] LIU Y D. Application of BP neural network on yield and inspection of agricultural products[J]. Journal of Biomathematics, 2003, 18(4):439-444.

[17] 赵昕宇,余泳昌.基于改进的BP神经网络估算太阳辐射的研究[J]. 河南农业大学学报,2013,47(6):732-736.

[18] 国家烟草专卖局.YC/T 530—2015 烤烟 烟叶质量风格特色感官评价方法[S].北京：中国标准出版社,2015.

[19] 邵丽,晋艳,杨宇虹,等.生态条件对不同烤烟品种烟叶产质量的影响[J] .烟草科技, 2002 (10):40-45.

[20]于建军,庞天河,任晓红,等.烤烟中性致香物质与评吸结果关系研究[J]. 河南农业大学学报, 2006, 40(4):346-349.

[21] 邓云龙,崔国民,孔光辉, 等.品种、部位和成熟度对烟叶淀粉含量及评吸质量的影响[J]. 中国烟草科学, 2006,27(4):18-23.

[22] 张勇刚,宋朝鹏,李常军,等.烟叶感官质量评价研究进展[J].湖北农业科学, 2010,49(9):2271-2274.

[23] 刘国顺.烟草栽培学[M]. 北京：中国农业出版社，2003.

[24] SUN Y J,ZHANG S, MIAO C X, et al. Improved BP neural network for transformer fault diagnosis[J]. Journal of China University of Mining & Technology, 2007, 17(7):138-142.

[25] YI J,WANG Q,ZHAO D,et al. BP neural network prediction-based variable-period sampling approach for networked control systems[J].Applied Mathematics & Computation, 2007, 185(2):976-988.

[26] WONG W E, QI Y.BP neural network-based effective fault localization [J]. International Journal of Software Engineering & Knowledge Engineering, 2011,19(4):573-597.

[27] 邓小华,周冀衡,陈新联,等.烟叶质量评价指标间的相关性研究[J].中国烟草学报,2008,14(2):1-8.

[28] 陆永恒.生态条件对烟叶品质影响的研究进展[J].中国烟草科学, 2007,28(3):43-46.

[29] 邓小华,周冀衡,赵松义,等.湖南烤烟硫含量的区域特征及其对烟叶评吸质量的影响[J]. 应用生态学报, 2007,18(12):2853-2859.

(责任编辑：常思敏)

Establishmentofmodelofpredictingsensoryqualityofflue-curedtobaccobasedoncolorcharacteristics

LU Xiaochong1, LI Hao2, SU Jiaen3, PEI Xiaodong4, MENG Xiangyu1, YANG Xiaoliang1, WANG Jianan1, HE Fan1, SONG Zhaopeng1

(1.College of Tobacco Science, Henan Agricultural University, Zhengzhou 45002, China; 2.Xiangcheng Municipal Tobacco Company, Xiangcheng 452670, China； 3.Dali Municipal Tobacco Company, Dali 671000, China; 4.Liuyang Municipal Tobacco Company, Liuyang 410300, China)

In order to study the effect of color characteristics on sensory quality of tobacco, a BP neural network model whose topological structure was 10-12-1, was established, whose input data was color characteristics of tobacco leaf and target data was tobacco sensory quality norm of central Henan tobacco growing areas. Next, the model was used to predict and value the sensory quality of flue-cured tobacco. The results showed that the color characteristic values and the sensory quality norm all had a well statistical characteristics and obeyed normal distribution. The difference of simulated data and target data of the BP neural network model was very little. In addition, the linear regression coefficient of the offensive odor and the irritancy reached significant level, besides, the coefficient of the aroma quantity and volatility and other 7 norms reached extremely significant level. The establishment of BP neural network model prediction model had a very good fitting effect, and the color characteristics could be used to predict and evaluate the quality of tobacco in the process of tobacco evaluated.

flue-cured tobacco; color characteristics; sensory quality; BP neural network model

2015-09-30

中国烟草总公司云南省公司资助项目(2015YN20);湖南省烟草公司长沙市公司资助项目(2013006)

路晓崇(1988-)，男，河南漯河人，硕士研究生，主要从事烟叶调制生理研究。

宋朝鹏(1978-)，男，河南邓州人，副教授。

1000-2340(2016)04-0500-06

S 572

：A