基于CIE色度学的鲜烟叶烘烤特性评价指标量化方法

2023-09-11李德仑郑华李光雷赵会纳袁奎张富贵彭宇

江苏农业科学 2023年15期

李德仑郑华李光雷赵会纳袁奎张富贵彭宇

摘要：烟叶烘烤特性是衡量其烘烤难易程度和烘烤质量的关键性技术指标。然而现阶段鲜烟叶的烘烤特性评价通常以感官和主观经验为主，较笼统和模糊，缺少能有效表征鲜烟叶烘烤特性的量化指标。烟叶的外观颜色不仅是烟叶田间成熟度的主要判别依据，也是进行烟叶烘烤操作的主要依据，为探究利用烟叶颜色参数判别其烘烤特性的适用性、可行性和科学性，以云烟87的上部叶、中部叶和下部叶为研究对象，首先利用自行开发的烟叶颜色参数检测系统获取烟叶的颜色参数，随后基于CIE色度学和统计分析方法对烟叶颜色参数和其烘烤特性之间的关系进行分析，进而探索出烘烤特性评价指标的量化方法。结果表明，绿色的色度学指标判定标准为单指标R＜149、复合指标G×G/（R×R+B×B）＞1.0，经验证该判定标准的准确率达到98.17%；褐色的色度学指标判定标准为单指标G＜140、复合指标R/G＞1.0，经验经该判定标准的准确率达到99.50%；黄色的色度学指标判定标准为单指标R≥149、复合指标G×G/（R×R+B×B）≤1.0或单指标G≥140、复合指标R/G≤1.0。进而探究出烟叶烘烤过程中颜色参数量化方法，并为烟叶的适时采收、烘烤工艺的改进和烟叶品质量的提升提供科学理论支撑。

关键词：颜色参数；烘烤特性；CIE色度学；评价指标

中图分类号：TS44+1 文献标志码：A

文章编号：1002-1302（2023）15-0141-08

基金项目：中国烟草总公司贵州省公司科技项目（编号：2021XM01、2022XM22、2021XM24、2020XM16）。

作者简介：李德仑（1984—），男，河南三门峡人，硕士，农艺师，主要从事烟叶调制及农机农艺融合研究。E-mail：306205395@qq.com。

通信作者：彭宇，高级农艺师，主要从事生产管理研究。E-mail：591481246@qq.com。

鲜烟叶的烘烤特性不仅是烟叶烤后品质的主要限制因素，也是判断其烘烤难易程度的重要标准。在烘烤前若能确定出烟叶的烘烤特性，即可为烘烤工艺的制定提供科学支撑，同时也能提升鲜烟叶烘烤后的品质量［1-7］。因此，針对鲜烟叶烘烤特性评价指标的研究，越来越受到国内外相关学者的重视［8-9］。然而，长期以来鲜烟叶烘烤特性的评价多以感官和主观经验为主，其可用烟叶耐烤性和易烤性2种属性进行描述，但较笼统和模糊，且易受到主观因素的影响，缺少能有效表征鲜烟叶烘烤特性的量化指标［4］。目前，对鲜烟叶烘烤特性评价指标的相关研究主要聚焦于失水指数、自由水、电导率、色素含量、过氧化氢酶活性和SPAD值等变化上［10-18］。然而，在生产实践中主要是通过烟叶的颜色参数来表征其烘烤特性。烟叶的外观颜色是其组织内色素总量和类胡萝卜素总量之间彼此消长的直观反映，烟叶颜色不仅是烟叶田间成熟度的主要判别依据，也是进行烟叶烘烤操作的主要依据［3］。但现有烟叶颜色参数的获取手段（如利用色差计和光谱技术）存在设备成本较高、操作复杂和识别精度不高等弊端，进一步限制了对烟叶田间成熟度（可采性）的把控［19］。图像分析和图像处理等具备高效、精准、便捷和低成本的优势，但秦霆镐等对烟叶图像的处理分析主要集中在图像精准提取与判别方法研究［20-21］。鉴于生产应用场景需求，基于图像处理技术开发出烟叶烘烤特性判别系统鲜有报道。本研究通过搭建烟叶颜色参数检测系统，并采用CIE色度学方法测定出烟叶的颜色参数，并以此探究出烟叶变黄程度和变褐程度的检测方法和工具。从而为烟叶的适时采收、烘烤工艺的改进和烟叶品质量的提升提供科学理论支撑。

1 材料与方法

1.1 试验材料

本试验于2021年7—9月在贵州省威宁、天柱、道真、息烽、安龙、黔西等6个县（市）相关基地单元进行，土壤类型主要以肥力中等的黄壤土为主。选取上述基地单元所种植的云烟87为研究对象，部位为上部、中部和下部叶。

1.2 试验设计

烟叶样品取样方法：选取烟叶长势均匀，且成熟度一致的烟田，划分为3个试验小区，并在各试验小区内选择最具代表性的5株烟为定位烟株。针对各定位烟株，选取第5～6叶位为下部烟叶，第10～11叶位为中部烟叶，第15～16叶位为上部烟叶，并挂牌标记为试验样品。

烟叶颜色取样方法：分别在烟叶打顶后10、30、50 d，依次采集定位烟株的下部、中部和上部挂牌烟叶各1片，绑竿后放置于烤房中进行烘烤。在烘烤过程中分别达到36、40、45 ℃时稳温2 h后，取烟叶样品，置于烟叶标准图像采集系统进行烟叶图像采集，采集后将叶片放回烤房继续烘烤至下一次取样。分别将采集的图像分为绿色、黄色和褐色3个组。每组随机选取220张图像作为提取组，按照等距离的原则沿着每张烟叶图像主脉两侧选取10个点，提取上述各点的红（R）、绿（G）、蓝（B）特征值，每组共计提取到4 400个点的颜色数据。

在获取烟叶颜色数据的基础上，首先，对采集到的烟叶颜色参数数据进行差异性检验，分析烘烤过程中不同阶段颜色参数之间是否存在显著性差异；其次，基于偏最小二乘回归分析（partial least squares discriminant analysis，PLS-DA）法构建出烟叶颜色参数和其烘烤特性之间的关系模型，实现对烟叶颜色参数的预测；最后，对烟叶图像颜色参数进行逐步回归分析。以此确定烟叶绿色、黄色和褐色的色度学指标判定标准，从而探究出烟叶颜色参数与其烘烤特性之间的量化关系。

为验证本研究所提出的烟叶烘烤特性表征方法的适用性、可行性和科学性，在同批次烟叶样本中，每个颜色组还分别选取50张烟叶图像用于试验验证。在所选取烟叶颜色参数提取的基础上，统计分析不同色度学指标判定标准的正确率。

1.3 烟叶颜色参数检测系统的开发

1.3.1 烟叶标准图像采集系统搭建烟叶图像的外观颜色主要受到照明光源的性能和位置参数的影响，其中光源强度与光线入射角度均会影响到烟叶图像最终的成像质量。因此，为减少两者对烟叶图像颜色参数提取的影响，有必要搭建烟叶标准图像采集系统。该系统照明采用发光二极管（LED）光源，其具有寿命长、发光效率高和功耗低等特点，结合高性能工业相机，可以采集到高品质的烟叶图像。

1.3.2 烟叶图像颜色参数检测系统设计 CIE-RGB颜色系统作为一种用于界定和表征物体表面外观不同颜色特征的色度学标准，可以用于农产品和农作物的检测。该颜色系统是应用最广泛的色度学色彩模式，其建立在笛卡尔坐标系中，属于加色法模式，采用红（R）、绿（G）、蓝（B）三基色原理，将颜色根据其灰度值在0～255灰度级中进行分配，进而确定其色彩。

本研究基于Visual Studio 2022开发环境，采用C++语言可视化编程设计并实现烟叶图像颜色参数检测系统软件的开发，检测系统流程图和软件界面分别如图1和图2所示。

1.4 烟叶颜色参数的测定

鲜烟叶的烘烤特性研究通常采用暗箱试验法，辅以一定试验数据处理和分析，即可实现烘烤特性评价指标的量化［22］。首先，将田间采收的鲜烟叶挂装于保持一定温度的暗箱中；其次，采用自行开发的烟叶颜色参数检测系统对烟叶的颜色参数进行采集，采集时按照等距离的原则沿着每张烟叶图像主脉两侧均选取15个点，分别采集CIE-RGB颜色系统中的R、G、B值，将上述30个点三基色的平均值作为该烟叶的颜色参数。

1.5 数据处理分析

烟叶颜色参数试验数据采用Excel进行处理，并通过SPSS 13.0统计软件对颜色参数进行差异性检验、偏最小二乘法判别和回归分析处理。

2 结果与分析

烟叶烘烤过程中颜色参数量化的最终目的是把烟叶中黄色和褐色区分开来。即将烘烤阶段大体上分为第一（烟叶外观颜色从黄色变为绿色）和第二（烟叶外观颜色从绿色变为褐色）2个阶段，分别从上述2个阶段实现烟叶图像中的黄色与绿色、黄色与褐色的区分。因此，本研究在烟叶颜色参数检测系统开发的基础上，基于CIE色度学理论获取绿色的色度学阈值、黄色色度学阈值和褐色色度学阈值，从而明确烟叶颜色参数与其烘烤特性之间的量化关系。

2.1 鲜烟叶颜色参数差异性检验

本研究采用F检验和t检验对采集到的烟叶颜色参数数据进行分析，分析烘烤的第一阶段和第二阶段颜色参数之间是否存在显著性差异。

2.1.1 第一阶段烟叶颜色参数差异性检验由表1可知，单指标R、单指标G、单指标B、复合指标G/R、复合指标R/B、复合指标G/B、复合指标G×G、复合指标R×R、复合指标B×B、复合指标G×G/（R×R+B×B）、复合指标R×R/（G×G+B×B）、复合指标B×B/（R×R+G×G）等12项烟叶颜色参数指标均存在显著性差异，说明黄色与绿色的色度学指标存在差异。

由表2、表3可知，在单指标R、单指标G、单指标B、复合指标G/R、复合指标G×G、复合指标R×R、复合指标B×B、复合指标G×G/（R×R+B×B）、复合指标R×R/（G×G+B×B）等颜色参数指标上，黄色与绿色的色度学指标存在显著差异，而在复合指标G/B、复合指标R/B、复合指标B×B/（R×R+G×G）等颜色参数指标上差异不显著。

2.1.2 第二阶段烟叶颜色参数差异性检验由表4可知，在F检验上，除复合指标G/B和复合指标 B×B颜色参数指标差异不显著外，其他15项颜色参数指标均存在显著性差异；t检验上，除复合指标G×G/（R×R+B×B）和复合指标B/（ R+G+B）颜色参数指标差异不显著外，其他15项颜色参数指标均存在显著性差异。说明在单指标R、单指标G、单指标B、灰度值、复合指标R/G、复合指标R/B、复合指标R×R、复合指标G×G、复合指标R×R/（G×G+B×B）、复合指标B×B/（R×R+B×B）、复合指标R+G+B、复合指标G/（ R+G+B）、复合指标R/（ R+G+B）等13项颜色参数上，黄色与褐色的色度学指标存在显著性差异。

由表5、表6、表7可知，在单指标R、单指标G、灰度值、复合指标G×G、复合指标R×R、复合指标B×B、复合指标R+G+B、复合指标R×R/（G×G+B×B）、复合指标G×G/（R×R+B×B）等颜色参数指标上，黄色与褐色的色度学指标均存在显著性差异，而在单指标B、复合指标R/G、复合指标R/B、复合指标G/B、复合指标B×B/（G×G+R×R）、复合指标R/（R+G+B）、复合指标G/（R+G+B）、复合指标B/（R+G+B）等颜色参数指标上差异不显著。

2.2 鲜烟叶颜色参数PLS-DA

本研究利用PLS-DA法建立烟叶颜色参数和其烘烤特性之间的关系模型，能够实现对颜色参数的预测。

2.2.1 第一阶段烟叶颜色特征参数PLS-DA 由图3可知，黄色与绿色区分较明显。由图4可知，PLS-DA贡献度大于1的分别为复合指标R×R、单指标R、复合指标G/R、复合指标G×G/（R×R+B×B）、灰度值、复合指标R×R/（G×G+B×B）、复合指标G×G、单指标G等8项颜色参数指标。

2.2.2 第二阶段烟叶颜色参数PLS-DA 由图5可知，黄色与褐色区分也较明显。由图6可知，PLS-DA 贡献度大于1的分别为复合指标R×R、复合指标R/G、复合指标G×G/（R×R+B×B）、灰度值、复合指标G×G、复合指标R+G+B、单指标G、复合指标G/（R+G+B）、单指标R等9项颜色参数指标。

2.3 鲜烟叶颜色参数回归分析

本研究基于上述颜色参数构建出鲜烟叶烘烤特性的回归模型并分别以CIE-RGB颜色阈值和烟叶图像颜色参数为因变量和自变量，对构建的模型进行逐步回归分析。

2.3.1 第一阶段烟叶颜色参数回归分析由图7可知，绿色与复合指标G/R、复合指标G×G/（R×R+B×B）呈现出正相关性，与单指标B、复合指标B×B值呈现出负相关性，黄色与单指标G、复合指标R×R/（G×G+B×B）、复合指标G×G、R×R、单指标R、灰度值等6项指標呈现出正相关性。

2.3.2 第二阶段烟叶颜色参数回归分析由图8可知，褐色与复合指标R/G呈现出正相关性，黄色与复合指标R/G、复合指标G×G/（G×G+B×B）、复合指标R+G+B、复合指标G/（ R+G+B）、单指标G、复合指标R×R、灰度值等7项指标呈现出正相关。

2.4 鲜烟叶颜色参数判断标准及验证

2.4.1 第一阶段烟叶颜色参数判断标准及验证综上分析可知绿色和黄色的色度学指标区分主要集中在R值、B值和G值上，因此将A［单指标R＜135、复合指标G×G/（R×R+B×B）＞1.0］、B［单指标R＜135、复合指标G×G/（R×R+B×B）＞1.2］、C［单指标R＜149、复合指标G×G/（R×R+B×B）＞1.0］、D［单指标R＜121、复合指标G×G/（R×R+B×B）＞1.2］、E［单指标R＜121、复合指标G×G/（R×R+B×B）＞0.8］、F［单指标R＜149、复合指标G×G/（R×R+B×B）＞0.8］等确定为绿色的色度学指标判定标准。在此基础上对第一阶段烟叶颜色参数判断标准进行验证。由表8可知，C标准的验证准确率最高，达到98.17%。因此，绿色的色度学指标判定标准为单指标R<149、復合指标G×G/（R×R+B×B）＞1.0；黄色的色度学指标判定标准为单指标R>149、复合指标G×G/（R×R+B×B）≤1.0。

2.4.2 第二阶段烟叶颜色参数判断标准及验证综上分析可知，褐色和黄色的区分主要集中在R值和G值上，因此将A（单指标G＜140、复合指标 R/G＞1.3）、B（单指标G＜110、复合指标R/G＞1.0）、C（单指标G＜140、复合指标R/G＞1.0）、D（单指标G＜170、复合指标R/G＞1.3）、E（单指标G＜110、复合指标R/G＞1.6）、F（单指标G＜170、复合指标R/G＞1.6）等确定为褐色的色度学指标判定标准。在此基础上，对第二阶段烟叶颜色参数判断标准进行验证。由表9可知，C标准的验证准确率最高，达到99.50%。因此，褐色的色度学指标判定标准为单指标G＜140、复合指标R/G＞1.0；黄色的色度学指标判定标准为单指标R＞140、复合指标R/G≤1.0。

3 结论

烟叶的外观颜色不仅是烟叶田间成熟度的主要判别依据，也是进行烟叶烘烤操作的主要依据。但现有烟叶颜色参数的获取手段（如利用色差计和光谱技术）存在设备成本高、操作复杂和识别精度不足等弊端，进一步限制了对烟叶田间成熟度（可采性）的把控。

为探究应用烟叶颜色参数判别其烘烤特性的可行性，本研究通过暗箱试验，基于CIE色度学理论建立烟叶颜色参数和烟叶烘烤特性评价指标之间的量化关系。结果表明，绿色的色度学指标判定标准为单指标R＜149、复合指标G×G/（R×R+B×B）＞1.0，经验证该判定标准的准确率达到98.17%；褐色的色度学指标判定标准为单指标G＜140、复合指标R/G＞1.0，经验证该判定标准的准确率达到99.50%；黄色的色度学指标判定标准为单指标R≥149、复合指标G×G/（R×R+B×B）≤1.0或单指标G≥140、复合指标R/G≤1.0。从而探究出烟叶烘烤过程中颜色参数量化方法，为烟叶适时采收、烘烤工艺的改进和烟叶品质量的提升提供科学理论支撑［23-24］。

参考文献：

［1］张伟娜，庞立峰，窦素平，等. 烤烟鲜烟叶颜色参数与烘烤特性的关系［J］. 山东农业科学，2017，49（12）：25-28.

［2］张玉琴，李青山，王传义，等. 烤烟烟叶成熟过程中的颜色参数与烘烤特性研究［J］. 西南农业学报，2018，31（1）：62-67.

［3］李增盛，孟令峰，王松峰，等. 基于图像处理的烟叶烘烤阶段判别模型优选［J］. 中国烟草学报，2022，28（2）：65-76.

［4］段史江，宋朝鹏，马力，等. 基于图像处理的烘烤过程中烟叶含水量检测［J］. 西北农林科技大学学报（自然科学版），2012，40（5）：74-80.

［5］徐秀红，王传义，刘昌宝，等. “8点式精准密集烘烤工艺”的创新集成与应用［J］. 中国烟草科学，2012，33（5）：68-73.

［6］孙阳，李青山，倪超，等. 烤烟上部烟叶颜色参数与烘烤特性分析及其关系研究［J］. 河南农业科学，2019，48（10）：174-180.

［7］詹军，周芳芳，张晓龙，等. 密集烤房与普通烤房烘烤过程中环境和烟叶颜色的变化［J］. 河南农业大学学报，2015，49（1）：17-21.

［8］王爱华，王松峰，孙福山，等. 变黄期阶梯升温烘烤工艺对多酚类及相关物质的影响［J］. 中国烟草科学，2016，37（2）：59-64.

［9］赵应虎，王涛，何艳辉，等. 烘烤过程中烤烟外观与内在质量变化研究进展［J］. 作物研究，2013，27（6）：700-704.

［10］陈飞程，白金莹，杨洋，等. 不同成熟度烤烟色差参数与烘烤特性关系研究［J］. 江西农业学报，2021，33（2）：78-82.

［11］武圣江，甘家洪，张琳鋆，等. 贵州烤烟上部叶烘烤特性研究［J］. 云南农业大学学报（自然科学），2015，30（3）：433-439.