基于原烟外观图像和近红外光谱的烟叶感官质量模型研究

为了探讨不同产地、不同等级以及不同品种来料烟外观指标、物理特性及近红外光谱对其感官质量的影响,找到一种可以客观反映烟叶感官质量的方法.选取了四川3个产地、3个部位、10个等级和2个品种的单料烟,以组为单位进行采集,每组10片,共采集烟叶7897片.使用变量标准化(SNV)方法对原始光谱数据进行校正,用Standard Scaler方法对烟叶外观指标、物理特性、校正后的光谱数据进行标准化.采用主成分分析(PCA)法对数据进行降维.分别运用二次判别分析算法(QDA)、K近邻算法(KNN)、支持向量机(SVC)构建训练模型,用Grid Search CV算法进行超参优化,以平衡准确率作为模型评价指标.结果表明,3个训练模型中,SVC的泛化能力最优.其中,香气风格彰显程度、香气质、香气量、杂气、浓度、劲头、刺激性、余味及甜感的预测平衡准确率分别为0.747、0.751、0.715、0.720、0.712、0.774、0.685、0.725、0.700.外观指标、物理特性及近红外光谱共同影响着烟叶的感官质量.