基于烤烟颜色特征构建烤烟感官质量预测模型

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。     

基于BP神经网络的烤烟外观质量预测模型

【目的】为探究烟叶常规化学成分与各单项外观质量评价指标之间的关系,为外观质量评价的智能精准化发展提供科学依据。【方法】对选取的2017年湖南烟区具有代表性的初烤烟叶样品进行常规化学成分的测量及外观质量评定,通过因子分析法对作为BP神经网络输入变量的常规化学成分进行筛选,分别构建拓扑结构为7-10-1的各单项外观质量指标预测模型。【结果】所选烟叶样品的常规化学成分含量和外观质量得分的统计分析符合正态分布,网络模型对样本的训练结果表明:各个单项外观质量评价指标预测模型中,网络模拟值与实际目标值之间的误差区间在0～0.5范围内的比例均达到60%以上,误差区间在0～1.0范围内的样本比例均达到90%以上,其中成熟度和色度的决定系数达到显著水平;颜色、身份、油分、叶片结构的决定系数达到极显著水平。【结论】基于烟叶常规化学成分含量,利用BP神经网络构建的各项外观质量指标预测模型具有较高的精准性。     

BP神经网络烟叶化学成分预测模型构建

为烟叶化学成分预测和卷烟工业原料使用提供理论依据,应用回归分析法和BP神经网络分析2014—2017年龙岩永定土壤养分因子和烟叶化学成分的相关性,并构建预测模型。结果表明:采用回归模型预测龙岩永定烟叶化学成分和土壤养分指标无显著线性相关性;采用BP神经网络模型预测烟叶化学成分相关性和模型精准度较高。BP神经网络可为烟叶化学成分预测提供有效途径,具有较强的实用性。     

基于BPNN的烤烟褐变程度识别及其分类烟叶质量分析

【目的】建立BP(Back propagation)神经网络(BPNN)自动识别系统，以实现烤烟褐变标准化和量化。【方法】以云烟87上部烟叶为样本，通过扫描获取烟叶颜色等特征信息，建立BP神经网络烤烟褐变程度识别模型，输出判别结果，以人工判别烤烟褐变结果为参考，进行相似度比较。通过外观质量、常规化学成分、多酚含量、TSNAs含量和感官质量变化分析比对，验证BP神经网络自动识别系统和人工识别结果的精准度。【结果】建立的BP神经网络模型能够精准识别烟叶褐化等级，其识别准确率为98.75%,分级烟叶外观质量、常规化学成分、多酚含量、TSNAs含量和感官质量变化与人工识别基本一致，两种识别模式无显著性差异(P<0.05),为杂色烟分级提供了客观评价方法，能有效区分不同褐变程度烟叶的可用性。【结论】BP神经网络识别系统对烟叶褐变程度鉴别精准度与人工识别接近，可以利用BP神经网络自动识别系统替代人工识别。     

烤烟柔软度与外观质量的关系分析

为明确烤烟柔软度与烟叶外观质量的关系,利用柔软度仪检测了江西省480份烤烟样品柔软度,并评定了外观质量。相关分析结果表明:烟叶柔软度与颜色、油分、色度呈极显著正相关,与成熟度、叶片结构、身份、总分呈极显著负相关。建立回归方程:Y=53.201-5.578X_3+2.852X_6+2.136X_5(叶片结构X3、油分X5、色度X6),R~2为0.818,具有良好的拟合度。通径分析表明:叶片结构、色度、油分对烟叶柔软度的影响较大。江西烟叶柔软度有一定差异,并且与烟叶外观质量各指标关系密切,这为以烟叶柔软度作为烟叶外观质量评价指标之一、精细评价烟叶质量提供可能性。     

基于图像处理的密集烘烤过程烟叶β-胡萝卜素含量的检测

为实现密集烘烤过程中烟叶β-胡萝卜素含量的实时检测,首先采用图像处理技术提取烘烤过程烟叶图像的6个颜色特征值,量化烘烤过程中烟叶颜色特征的变化,然后以烟叶颜色特征值为输入指标,运用BP神经网络对烘烤过程中烟叶β-胡萝卜素含量进行预测.结果表明:随着烘烤进行,烟叶R(红色)、G(绿色)、B(蓝色)分量及亮度值均呈现先升高...     

基于颜色参数和BP神经网络的紫叶李叶片花青素含量估算

目前对植物叶片花青素含量的测定主要是湿化学法和高效液相色谱法(high performance liquid chromatography,HPLC),为简化测定方法,降低成本和提高精度,提出一种利用数码相机获取照片提取的颜色参数构建模型无损估测植物叶片花青素含量的方法。试验测定166份紫叶李叶片的花青素含量及其RGB特征值,对15种颜色参数进行皮尔逊相关分析,构建逐步多元线性回归（stepwise multiple linear regression,SMLR）、一元线性回归（single linear regression,SLR）和BP神经网络（BP neural network,BPNN）估算模型;同时对模型进行验证和比较。结果表明,1）BP神经网络模型建模集的R²、RMSE和MAE分别为0.883、0.412、0.323,验证集的R²、RMSE和MAE分别为0.796、0.462和0.353,相关系数均达到极显著水平;一元线性回归模型中,参数G-B与花青素含量的线性相关性最强,相关系数为-0.820,达到极显著水平;逐步多元线性回归模型的相关系数均达极显著水平,其中建模集的R²、RMSE和MAE分别为0.724、0.630、0.459,验证集的R²、RMSE和MAE分别为0.643、0.616和0.509。2）颜色参数与花青素含量之间具有明显的相关性,利用数码相机获取的颜色特征值估测紫叶李叶片花青素含量具有可行性;3）3种模型中,BP神经网络模型的估测效果最好,能有效地估测紫叶李叶片花青素含量,其次为逐步多元线性回归,一元线性回归模型的预测效果相对较差。     

烤烟颜色特征值对卷烟主流烟气有害成分影响的 BP神经网络构建

为研究初烤烟叶颜色特征值对烟气有害成分的影响,对南阳市属县(市)的174个中部叶C3F等级的烟叶样品进行颜色特征值、卷烟主流烟气有害成分测定,建立BP神经网络模型,对卷烟主流烟气中的有害成分进行分析。结果表明,因分析的6个主因子的累计贡献率达到92.2%,所构建的BP神经网络模型训练样本的真实值与预测值的决定系数均达到了0.97以上,验证样本的主流烟气中CO真实值与预测值的决定系数达到0.934 2外,其余6种有害成分真实值与预测值的决定系数均达到了0.96以上。由此可见,所建立的网络模型的鲁棒性较好,能够在一定程度上用烤烟的颜色特征值来表征卷烟主流烟气中的有害成分含量。     

基于机器视觉技术的烤烟鲜烟叶成熟度检测

为准确判定烟叶采收成熟度,以不同成熟度中部烟叶为材料,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,采用主成分分析法对3个颜色特征值(色调、饱和度、亮度)和5个纹理特征值(角二阶矩、相关度、熵、对比度、逆差距)进行优化,利用BP神经网络建立烟叶成熟度检测模型。结果表明,采用前4个主成分可综合反映3个颜色特征值和5个纹理特征值的分级信息,实现了参数的优化;在图像信息主成分因子数为4,中间节点数为16时,该识别模型最佳,模型平均识别率为93.67%,表明基于机器视觉技术对烤烟鲜烟叶成熟度的检测是可行的。     

基于图像处理的烘烤过程中烟叶含水量检测

【目的】量化烘烤过程中烟叶形态变化的数值特征指标,实现烘烤过程烟叶水分含量的无损检测。【方法】以密集烤房中不同烘烤阶段的烟叶为研究对象,先利用图像处理技术提取鲜烟叶及烘烤过程中烟叶图像的颜色特征（红分量（R）、绿分量（G）、蓝分量(B)）及纹理特征(纹理能量、纹理熵、纹理惯性、相关度),以其为输入指标,分别建立烘烤过程中烟叶含水量的BP神经网络模型和基于遗传算法的最小二乘支持向量机预测模型。用建立的2个模型对烘烤过程中烟叶含水量进行预测,并比较其预测精度。【结果】烟叶图像颜色特征R、G、B分量表现出变黄期剧烈上升,定色前期缓慢上升并达到最大值,定色后期至烘烤结束逐渐下降的变化趋势;纹理能量和相关度呈现出变黄前期减小,变黄后期增大,定色及干筋期逐渐减小的趋势;纹理熵、纹理惯性表现出变黄前期增大,变黄后期减小,定色及干筋期逐渐增大的趋势。以烟叶颜色和纹理特征值作为输入变量,建立了烘烤过程中烟叶含水量的BP神经网络预测模型和基于遗传算法的最小二乘支持向量机预测模型,其预测平均绝对误差分别为0.037 4和0.017 0,预测误差标准差分别为0.048 5和0.020 0,前者预测精度略低于后者,但2个模型均可以满足烘烤过程中烟叶水分含量实时检测的需要。【结论】图像处理技术可以精确量化烘烤过程中烟叶的形态特征变化;利用建立的BP神经网络模型和基于遗传算法的最小二乘支持向量机模型可以实现对烟叶含水量的精确估测。     

烤烟成熟期质体色素含量和颜色值的变化

【目的】本文研究了成熟期烤烟质体色素含量和颜色参数值的关系。【方法】以云烟87和红花大金元为试验材料,定量测定了成熟期烟叶颜色参数值和质体色素含量并进行了相关分析。【结果】成熟期烟叶绿色素含量和颜色参数H*值整体均呈下降趋势,其余颜色参数值整体均呈增加趋势,黄色素含量先升高后降低。相关分析表明,成熟期烟叶绿色素含量与H*值呈极显著正相关,与其余颜色参数值均呈极显著负相关,烟叶黄色素与H*值呈极显著负相关。线性回归分析表明,绿色素的决定系数R~2值较大(R~20.990),紫黄质值最小(R~2=0.663),但模型预测不同品种烟叶质体色素含量具有一定的局限性。【结论】颜色参数a*和C*值是反映成熟期绿色素含量的较佳指标,C*、H*值是反映成熟期黄色素含量的较佳指标。     

东北水稻叶片SPAD遥感光谱估算模型

为通过构建高精度SPAD遥感估算模型,实现对水稻叶片叶绿素含量进行实时无损的监测,以东北地区多时期不同施氮水平下水稻叶片光谱反射率为研究对象,采用回归模型与BP神经网络算法构建不同输入量的SPAD高光谱估算模型,通过模型精度评价指标决定系数R~2、均方根误差RMSE,确定最优输入量和最优模型。结果表明:1)不同品种水稻成熟时期不同导致在孕穗期和抽穗期之间光谱反射率出现差异;2)回归模型中以DVI(D755,D930)为变量建立多项式模型估算精度最高;3)与回归模型相比,不同波长处单波段反射率作为输入量的BP神经网络模型估算精度显著提高,R~2为0.98。BP神经网络模型在隐藏节点数为7时估算精度达到稳定,在可见光和近红外处经过不同波段反射率作为输入量的尝试说明神经网络模型较为稳定,可以用来反演叶绿素相对含量。     

云南省生物质能源烘烤烟叶外观质量评价及其区域特征分析

为评判生物质能源烘烤的可行性以及完善烟叶外观质量评价体系,以云南省生物质能源烘烤产区烟叶样品为材料,运用专家咨询法、描述性统计法、方差分析法、聚类分析法和地统计学分析法,构建了生物质能源烘烤烟叶的外观质量评价体系,并分析了外观质量评价体系指标间的关系和云南省生物质能源烘烤烟叶外观质量的区域特征。结果表明,云南省生物质能源烘烤烟叶外观质量评价指标成熟度、发育状况、叶片结构、身份、油分、色度、色均匀度、光滑或微青间存在极显著正相关关系,其中成熟度与其他指标关系密切,而叶片结构对其他指标的影响较小;不同等级烟叶的外观质量分值表现为X2FB2FC3F,差异极显著;不同品种烟叶的外观质量分值表现为云烟87K326红大;烟叶外观质量指数高值区域出现在滇中烟区,向四周逐渐递减,空间变化趋势明显;烟叶外观质量指数高的烟区主要集中在楚雄州、昆明市、玉溪市。可见,构建的生物质能源烘烤烟叶外观质量量化评价体系较为合理,对云南省生物质能源烘烤区域烟叶外观质量进行综合评价是可行的。     

BP神经网络在许昌市烟叶花叶病发病趋势预测中的应用

河南省许昌市烟叶花叶病发病的趋势预报模型是基于BP神经网络方法构建的,为预测烟叶花叶病提供科学依据。通过统计,河南省许昌市烟叶花叶病发生发展的气象生理指标及历年该病发生的资料,烟叶花叶病发病的气象预报模型应用了BP人工神经网络的函数映射能力并采用检验函数。BP神经网络烟叶花叶病发病趋势预测模型的拟合精度和预报精度都较高,经过对比优于多元线性回归模型,能很好地实现预期效果,对许昌市烟叶花叶病发病的预测预防工作具有一定的现实指导意义。     

烤烟外观质量与感官评吸指标间的关系分析

 采用多元统计分析方法研究了烤烟外观质量指标与感官评吸指标间的关系。结果表明：（1）描述性统计结果显示,烟叶外观质量指标和感官评吸指标在所取样本间变幅不大,各项指标平均值分数属于中等偏上水平,变异系数变化不大。（2）简单相关结果证明,烤烟烟叶感官评吸指标与外观质量指标存在显著相关关系(P<0.05),而灰色与外观质量指标相关程度较低。（3）典型相关分析结果表明,在达到极显著水平（λ1=0.9226**）的第1组典型变量(u1,v1)中,外观质量与香气质、香气量、浓度、杂气、刺激性、余味和燃烧性指标关系密切,这一线性组合说明外观质量的改善将有利于感官质量的提高;在达到显著水平（λ2=0.7457*）的第Ⅱ对典型变量（u2,v2）中,u2主要描述了颜色、叶片结构等综合性状,v2主要描述了灰色、浓度等综合性状。其余4组典型相关系数未达到显著水平,不具有统计学意义。（4）最后,对烟叶感官评吸指标与若干外观质量指标构建了双重筛选逐步回归方程。     

烤后烟叶表面颜色特征参数及其与外观质量指标的关系

为探究烤后烟表面颜色及其与外观质量指标的相关性,以烤烟CB-1,K 326,云烟87为试验材料,采用大田挂牌试验的方法,研究了烤烟表面颜色特征参数的变化规律和差异、基本色颜色特征参数的差异及与外观质量指标的关系。结果表明:1烤烟表面颜色特征参数随叶位上升,明度L*逐渐降低,红度a*逐渐升高,黄度b*和饱和度C*的变化较为一致,均先缓慢升高后逐渐降低,在第7~10叶位达到最大值,不同部位间烤烟表面颜色特征参数差异显著;2基本色的颜色特征参数差异显著,橘黄色烟叶黄度b*值和饱和度C*值普遍高于柠檬色和红棕色烟叶,柠檬色烟叶的明度L*值最高,红棕色烟叶的红度a*值最高;3烤烟表面颜色特征参数与外观质量指标之间存在显著或极显著相关关系,明度L*和红度a*与外观质量评价总分呈明显的"∩"形曲线关系,明度L*为53~54,红度a*为13~15时外观评价总分最高,明度L*与叶片结构呈正相关、与身份和油分呈负相关,黄度b*和饱和度C*与颜色、叶片结构、总分呈正相关。     

不同香型烤烟典型产区烟叶外观质量特征分析

为卷烟工业企业原料采购提供依据,采用定性与定量评价相结合的方法,分析云南、贵州和河南3种香型典型产区1 281份初烤烟叶样品的外观质量特征。结果表明:1)烟叶外观质量以云南最好,其次为贵州,再次为河南,其中云南和贵州较接近。2)不同香型典型产区间烟叶外观质量存在差异,云南与贵州烟叶外观质量差异主要表现在颜色和叶片结构,云南与河南烟叶外观质量差异主要表现在颜色、成熟度、叶片结构、身份、油分和色度,贵州与河南烟叶外观质量差异主要表现在成熟度、叶片结构、身份、油分和色度。3)同一香型典型产区内各区域间烟叶外观质量也存在差异,云南清香型产区烟叶外观质量水平依次为红河保山昆明曲靖,贵州中间香型产区烟叶外观质量水平依次为遵义铜仁贵阳安顺,河南浓香型产区烟叶外观质量水平依次为许昌平顶山商丘漯河。     

基于叶片图像复合参数的烟叶成熟度判定模型

【目的】构建叶色参数与鲜烟叶片成熟度的关联模型，为精准判断大田烟草鲜叶采收成熟度提供技术支撑。【方法】运用多元回归及BP神经网络构建叶色参数-烟叶成熟度判定模型，通过比较不同参数体系和不同建模方式对不同叶位鲜烟叶片成熟度的判定准确度，筛选最优成熟度智能化判定模型。【结果】以叶色偏态分布复合参数集（N2，共33个参数）作为输入因子，基于BP神经网络构建的F4（33-10-1）模型是最佳的叶片成熟度判定模型，可以满足对不同叶位不同成熟度的判定精度需求，对下部、中部和上部烟叶成熟度的判定精度分别为84.44%、96.10%和92.56%，总体精度达94.15%。【结论】采用叶色偏态分布复合参数集（N2）作为输入因子且采用BP神经网络构建的不同叶位鲜烟叶成熟度的判定方法可在一定程度上解决烟草叶片成熟度田间判定准确度低的问题，且可为烟叶实际生产过程中鲜烟成熟度的智能化识别提供新思路。     

池州烟区鲜烟外观质量评价体系研究

[目的]探索鲜烟的外观质量评价体系,研究鲜烟外观品质因素与烤后烟叶等级质量的相关性。[方法]以安徽省池州市烟区2012年烟叶样品为原料,运用专家咨询法、多元统计方法等构建了鲜烟外观质量评价体系,并分析鲜烟外观质量分值对烤后烟质量等级的影响。[结果]烤烟等级与鲜烟成熟度、颜色、叶片结构、身份、鲜烟外观质量总分存在极显著正相关关系;鲜烟外观质量总分与烤后烟成熟度、身份、油分、颜色、干重、等级分值呈显著正相关关系;不同部位外观质量总分是中部适熟>上部适熟>下部适熟,差异极显著。[结论]应用专家咨询法、因子分析和模糊数学方法建立的鲜烟外观质量评价体系具有合理性,对某区域烟叶外观质量进行综合评价是可行的。     

湖南浓香型烤烟常规化学成分与外观质量关系分析

对湖南省浓香型烟区2011—2012年111个烤烟样品的化学成分和外观质量进行了基本统计特征分析,并采用灰色关联分析研究了外观质量与常规化学指标之间的关系。结果表明,烟叶化学成分各项指标都是右偏态分布,外观质量除颜色和成熟度指标外,其它各指标是左偏态分布,烟叶总氮、总糖、烟碱含量与烟叶外观质量各项指标关系最密切,氯含量与烟叶外观质量关系最远。