光学无损检测技术在烟叶采烤过程中的应用研究进展

刘浩，孟令峰，王松峰*，王爱华，杜海娜，李增盛，孙福山

(1 中国农业科学院烟草研究所/农业部烟草生物学与加工重点实验室，山东 青岛 266101；2 中国农业科学院研究生院，北京 100081)

烟叶作为卷烟生产的主要原料，其产量和品质的提升一直是广大烟叶工作者关注的重点。烟叶的产量和品质是保障中式卷烟质量的基础，采收和烘烤是决定烟叶质量的重要生产过程。目前主要靠人工经验判别鲜烟采收的成熟度，存在主观性过强、判别标准不统一等缺点。而在烘烤过程中，也主要是根据烟叶外观性状变化和温湿度监测以及烤后烟叶化学成分分析来调控烘烤参数[1-2]。该方法较复杂，且具有不便捷、应用不及时等弊端。因此，生产上需要建立一种快速无损的方法来对鲜烟叶成熟度进行科学判定，对密集烘烤过程中烟叶外观变化以及某些成分的动态变化规律进行实时监测，从而及时采取调控措施。目前，光学无损检测技术已在烟草烘烤过程中得到较为广泛的应用。但基于判别条件复杂和成本高的原因，能应用于实践的光学无损检测技术较少，且对烟叶烘烤过程中部分内在成分的变化也未能实现实时监测。为进一步推动光学无损检测技术在烟叶采收烘烤过程中的应用，笔者综述了光学无损检测技术在鲜烟叶成熟度判别和烟叶烘烤过程的研究现状及进展，并对其进一步应用进行了展望，以期为光学无损检测技术在烟叶采烤中的应用提供参考。

1 光学无损检测技术类型

无损检测通常指利用声、光、磁和电等特性检测被检对象中是否存在缺陷而又保证不损坏其使用性能，最终了解并评价被检对象的性质及内部结构的一项技术[3]。目前，利用光学特性的无损检测方法在烟叶烘烤中的应用较为广泛。光学特性是指烟叶在被照射后能反射、吸收、透射、漫射到表面的光或激发其他波长的光的特性[4]。目前，光学无损检测技术在烟叶烘烤过程和鲜烟叶成熟度检测中的应用较多，主要包括高光谱技术[5-6]、近红外光谱技术[7-8]、机器视觉技术[9]等。高光谱技术在获取样品表面光谱信息后，可在一定程度上体现被测物体内部物理结构及化学成分的差别，通过建立高光谱分析模型，可同时预测多个指标，并且具有分析速度快、操作简单、无需对待检样本进行预处理等特点[10]，通常被应用于农业遥感领域[11]。近年来，近红外光谱分析技术在分析化学领域的应用发展迅猛，尤其是在微生物检测及农产品检测领域[12]。其优势体现在可以快速地对待测样品的光学信号进行分析，从而获得待测样本的内部化学信息。近红外技术也已广泛应用于烟草领域[13]。机器视觉技术涉及计算机科学技术、图像处理技术、人工智能技术等多方面的知识，主要通过计算机技术演绎物体与人眼的密切关系[14-15]。该技术在种子筛选[16]、果蔬分级[17]、作物病虫草害识别与监测[18]中都有广泛应用，也已应用于烟叶成熟度判别及烟叶分级[19]。其突出优势就是速度快、功能多，且由于其利用机器视觉进行检测，可有效排除人的主观因素影响[20]。

综上可知，光学无损检测技术不仅可实现快速大面积检测，而且能实现远距离无接触式探测，在烟叶采收和烘烤中的应用具有明显优势。

2 光学无损检测技术在烟叶成熟度判别中的应用

2.1 烟叶成熟度常规判别技术

鲜烟叶的成熟度与烤后烟叶的外观质量、评吸质量及香气质量等密切相关[21]，科学地判别鲜烟叶成熟度可以有效提高烤后烟叶质量。目前判别烟叶成熟度主要靠人工感官经验，前人大多依据烟叶外观标准和各项生理指标进行鲜烟叶成熟度的判别。如日本判断鲜烟叶成熟度的方法是使用比色卡；美国是根据采收时烟叶的茎叶夹角以及叶柄是否带茎皮等方法来进行判断[22]；我国则大多是通过观察烟叶颜色及外观性状来判断鲜烟叶成熟度，难免存在掌握适宜成熟度不准，主观性过强[23-24]等问题。而依据各项生理指标进行判别[25]，需对烟叶进行有损检测，存在技术要求较高，费时和操作复杂等问题。

2.2 机器视觉技术在鲜烟叶成熟度判别中的应用

机器视觉技术可以排除人的主观因素的干扰，在鲜烟叶成熟度判别中有很大优势。且该技术在农业方面已得到广泛应用[26-28]，也已经被应用于烟叶成熟度判别。史龙飞等[29]利用机器视觉技术提取不同成熟度烟叶图像的颜色和纹理特征值，建立了基于BP 神经网络的成熟度预测模型，根据模型判断的准确率达93.67%。谢滨瑶等[30]利用机器视觉技术提取烟叶颜色、纹理特征值，建立了基于BP 神经网络、支持向量机的烟叶成熟度鉴别模型，模型准确率分别为93.83%和97.53%。张丽[31]采用计算机视觉技术提取烟叶颜色、纹理特征，建立成熟度预测模型，为实现鲜烟叶的自动分拣提供了可行方案。赵树弥等[32]利用机器视觉技术对烟叶成熟度进行划分，建立了一种鲜烟叶检测分级装置，该装置通过自主学习建立样本库，然后参考样本库对未知样品进行分级。汪强等[33]通过对烟叶样品图像数据进行处理与变换，建立了烟叶颜色特征与成熟度之间的关系模型TMDHSV，可以快速预测鲜烟叶的成熟度。

虽然机器视觉技术在烟草中的应用还处于成长阶段，但随着物联网大数据、云计算、人工智能和无损检测技术等新一代信息技术的逐渐崛起，也促进了该技术快速发展和成熟，以及在烟草生产中的广泛应用。

2.3 光谱技术在鲜烟叶成熟度判别中的应用

有研究发现，烟叶颜色、组织结构、叶脉等叶片特征的有规律变化都可以在反射光谱上反映出来[34]。利用光谱技术建立相关模型，可以准确快速地判别鲜烟叶的成熟度。李佛琳等[35]通过测定和分析不同成熟度鲜烟叶的近红外光谱，筛选出了主要预测因子为514、629、650 nm 反射率的典则判别分析模型，且该判别模型的验证样本准确率为97%。说明采用光谱技术判别鲜烟叶的成熟度是可行的。韩龙洋等[36]采集了不同成熟度烟叶的高光谱曲线，建立了相关预测模型，且该模型对未知成熟度的烟叶样品识别正确率达92.5%以上。何孝兵等[37]采集了不同部位不同成熟度烟叶的光谱数据进行研究，发现光谱反射率与鲜烟叶成熟度之间存在着显著正相关性，表明光谱反射率可以作为烟叶成熟度的判别指标。杨睿等[38]利用随机森林方法分别建立了近红外数据结合图像数据的融合模型，用于预测鲜烟叶的成熟度，该模型对3 个品种烟叶的预测准确度都达到92%以上。王承伟等[39]采集了鲜烟叶的近红外光谱数据，利用化学计量学方法对不同成熟度的烟叶建立模型，实现了对烟叶成熟度的快速判别。目前，利用光谱技术结合其他技术进行鲜烟叶成熟度判别的方法已日趋成熟，光谱技术在鲜烟素质判别中的应用极大地推动了烟叶无损检测技术的发展。

3 光学无损检测技术在烘烤过程烟叶变化判别中的应用

把握住烟叶烘烤过程中内在化学成分以及烟叶外观性状的变化规律，才能适时调节好烘烤参数，从而提高烤后烟叶质量。目前主要是靠人工观察烘烤过程中烟叶的变化来进行烘烤参数的调节，无法真实反映烟叶在烘烤过程中内在成分的变化情况，也容易出现由于对烟叶外观的变化判别不准而无法及时调控的现象，不利于烤后烟叶质量的提高。因此，生产上亟需一种快速无损的方法来对烘烤过程中烟叶的外观形状变化及某些内在成分的动态变化进行实时监测，并及时根据专家系统调整烘烤工艺，实现烟叶烘烤的数字化。

3.1 烘烤过程中烟叶外观形状变化研究

在烤烟烘烤过程中，采用光学无损检测技术来代替人工观察外观性状的变化，可有效避免人为判断不准等缺点。郭朵朵[40]利用机器视觉技术进行烟草图像信息采集及特征参数值的提取，探究烘烤过程中烟叶外观特征与内部品质之间的相关关系，从而建立基于外观特征与内部品质的预测模型，设计了一种基于烘烤过程中烟草外观特征变化情况来控制烤房工艺的自动控制装置。鲍安红等[41]利用机器视觉技术获取烘烤中烟叶的图像信息，根据专家经验调整烘烤温湿度控制策略，提高了烟叶烘烤质量。Condorí 等[42]开发了基于数字图像处理的控制系统，用于监控散装烤房中烟草烤制过程的温湿度变化。罗定棋等[43]应用近红外技术对烟叶烘烤进行实时监测，并且将专家建议写入计算机，从而对烘烤中的烤房进行有效控制，降低了烤坏烟比例，实现了烟叶烘烤的数字化。这些研究都是根据烘烤过程中采集的烟叶外观形状的实时图像，并结合专家的建议，从而对烤房实现有效控制。

3.2 烘烤过程中烟叶内在化学成分变化研究

烘烤过程中，烟叶的一个或多个内在成分的动态变化规律体现了烟叶在烘烤过程中的物质变化过程，从而为有效调节烘烤参数和更好地控制烘烤进程提供参考依据。烟叶香气物质形成的原因之一就是质体色素的降解，可以根据其在烘烤过程中的动态变化，采取恰当的烘烤工艺，提高烤后烟叶质量。付秋娟等[44]利用近红外光谱技术构建了鲜烟叶中叶绿素和类胡萝卜素的分析模型，发现利用近红外光谱技术可以对烟叶中二者的含量进行快速的检测。韦克苏等[45]利用近红外光谱技术，构建了基于竞争自适应重加权釆样法(CARS)和偏最小二乘法(PLS)的烟叶烘烤过程中叶绿素和类胡萝卜素含量的动态变化模型，发现CARS-PLS 模型能够实现烘烤过程中质体色素变化的实时监测，为探究烘烤过程中香味物质转化提供了理论基础。宾俊等[46]应用近红外光谱技术结合自适应进化极限学习机对烘烤过程中烟叶含水率、叶绿素以及淀粉含量的动态变化进行监测，其构建的模型可以准确分析烟叶烘烤过程中关键参数的变化规律。魏晓楠等[47]设置低温、常规、高温3 个烘烤条件，并分别建立相应的近红外模型进行比较，认为可以利用偏最小二乘法来预测不同烘烤条件下烤烟纤维素含量变化。李玉鹏等[48]利用偏最小二乘法(PLS)建立了PLS 模型，用于预测烤烟含水量。如果能够实现对烟叶烘烤过程中内在化学成分变化的实时监测，则可以第一时间掌握烤烟变化情况，及时调整烘烤参数，弥补人工判断不准等缺点。

4 展望

光学无损检测技术可以很好地弥补人工经验不足、判断不准等问题，且可以实现快速、大面积检测和远距离无接触式探测。目前，该技术在烟叶生产中的应用还存在高成本、判别条件不足等问题，而且还未实现对烟叶烘烤过程中全部化学成分变化的实时监测，这些仍是光学无损检测技术在烟叶采烤中进一步应用亟待解决的问题。而机器视觉技术在烟叶生产中的应用大多还停留在实验室阶段，未能在生产实践中真正应用。在今后的研究中，还需结合实际，找出该技术存在的不足，并有针对性地提高和发展。对于图像的提取，应着重研究实际生产环境下烟叶图像特征和烟叶烘烤工艺的相关性，筛选出和烘烤过程烟叶内在物质具有显著相关性的特征，进而完善烘烤工艺。光谱技术在烟叶生产中的应用目前已趋近成熟，但也存在一些未解决的硬性问题，例如光谱检测成本过高、判别环境单一等。之后的研究重点应放在降低检测成本、实现对烟叶内在化学成分的实时监测、以及探索和开发能够判别鲜烟叶素质和烘烤过程中烟叶状态变化的仪器，从而弥补人工判断不准等缺点。相信随着现代信息技术在农业领域的进一步应用，光学无损检测技术将会代替人工经验，并在烟叶的采烤过程中得到实际应用。