基于化学成分和外观鉴定的山东烟叶 感官评吸质量研究

张艳艳，代 琛，赵百英，杨明峰，王丽丽，武 博，杨 杰，戴金锋，张本强*

（1.中国烟草总公司 青州中等专业学校，山东 青州 262500；2.山东中烟工业有限责任公司 山东 济南 250014；3.山东临沂烟草有限公司，山东 临沂 276001；4.山东潍坊烟草有限公司，山东 潍坊 262100）

【研究意义】烟叶外观质量在一定程度上代表烟叶的内在质量，通过外观质量判定烟叶质量是目前烟叶生产、收购和使用过程中的最直接、最主要的手段。近年来，烟叶外观质量量化评价体系得以完善[1]，并被应用到烟叶质量评价之中[2-3]。【前人研究进展】前人对烟叶化学成分和感官质量间的相关性有一定报道[4-8]。另一方面，烟叶的常规化学成分含量由于客观性强，数据易得，在烟叶质量的一致性评价中得到了较多的研究。徐泽桐等[9]基于烤烟化学成分与感官质量两个方面建立模型，对陕西烟区的烟叶质量执行了综合评价。杜文等[10]采用化学成分指标对批次烟叶进行质量一致性研究。杜咏梅等[11]进行了水溶性糖、烟碱、总氮3个指标与烤烟吃味品质关系的研究。

【本研究切入点】由于烟叶的外观特征和化学成分易受气候、地域等诸多因素影响，故在不同烟区呈现一定的差异性[12]。目前，尚缺乏山东烟叶在外观、成分和评吸质量之前的相关性研究。【拟解决的关键问题】本研究基于2019年山东烟区临沂、潍坊、日照3个产区各3个代表性站点的烟叶样本，对于烟叶化学成分、外观鉴定和烟叶质量风格感官评吸3个方面的特征进行了相关性分析，旨在探寻各因素之间的关联性，以期为探索烟叶风味特征、外观特征和化学成分三者之间的关联性提供理论依据，为后续山东烟区的烟叶智能分级体系的建立和发展奠定理论基础。

1 材料和方法

1.1 试验材料及仪器

取2019年山东烟区临沂、潍坊、日照3个产区各3个代表性站点，每个站点取18个等级（X1F、X2F、X3F、X1L、X2L、X3L、C2F、C3F、C4F、C2L、C3L、C4L、B2F、B3F、B4F、B2L、B3L、B4L）烟叶样品。仪器为近红外光谱仪（丹麦Foss 2050）。

1.2 测定指标及方法

对各等级烟叶的成熟度、叶片结构、身份、油分、色度进行量化打分，并对所取样品进行常规化学成分测定和感官评吸。研究采用Excel2019对数据进行整理，采用pandas、Jupyter进行数据预处理，采用R对数据进行统计分析及可视化，采用Keras进行神经网络建模，采用Random Forest Regressor进行随机森林建模。

1.3 数据统计与分析

采用Excel2019对数据进行整理，采用pandas进行数据清洗，去掉空缺大于20%的列，然后去掉存在缺失值的行。采用R计算Spearman相关系数，并进行可视化。P＜0.05表示存在显著相关性。相关性系数热图中仅显示存在显著相关性的点。

2 结果与分析

2.1 各测量指标特征分析

由表1可知，山东烟区烟叶各指标变异系数总体较大。在选取的39个定量特征中，除颜色、成熟度、燃烧性、灰分、干草香3个特征外，其余特征变异系数均在10%以上。其中，变异系数最小的为颜色和成熟度两个外观特征，其大小分别为2.034%和2.35%。变异系数最大的3个特征为钾氯比、糖碱比和两糖差，其大小分别为33.439%，34.433%和58.988%。在所有选取的特征中，约一半(19/39)偏度系数大于0，属正偏峰；剩余约一半的特征属负偏峰。各特征数据总体分布较为分散，除两糖差、余味、燃烧性、淀粉百分比、烘焙香、钾氯比、辛香、甜度8个特征外，其余特征峰度系数均小于0。

表1 各测量指标特征

2.2 化学成分与烟叶质量风格感官评吸相关性分析

由图1可知，糖碱比和氯碱比与烟叶主要质量风格评吸指标间存在显著负相关；两糖差与烘焙香之间存在显著正相关，但是与劲头、焦香、典型香之间存在显著负相关，与辛香、焦甜香、余味、杂气、刺激性、蜜甜香之间无显著关联。

图1 化学成分与烟叶质量风格感官评吸相关性分析

2.3 外观特征与烟叶质量风格感官评吸相关性分析

由图2可知，主要外观特征评分值均与烟叶质量风格感官评吸总分间存在显著正相关。其中，色度与香气质、香气量、透发性、甜度间存在显著正相关，与烘焙香、木香、干草香之间无显著相关性。劲头、浓度与叶片结构间存在显著负相关。

图2 外观特征与烟叶质量风格感官评吸相关性分析

2.4 烟叶化学成分与外观特征相关性分析

由图3可知，烟叶颜色评分与氯碱比和氯含量之间存在显著负相关，与还原糖含量呈显著正相关，与其他主要化学成分指标之间无显著关联。同时，色度、油分、身份、成熟度也与氯碱比呈显著负相关。

图3 烟叶化学成分与外观特征相关性分析

2.5 基于Wide&Deep神经网络的烟叶品吸评分预测

2.5.1 数据预处理研究中，首先采用Excel对数据进行预处理，规范数据格式，分别整理出2020年及2019年烟叶的主要化学成分特征及品吸评分总分，并采用Pandas对数据进行简单预分析。尝试依据总分划分等级，采用随机森林算法训练分类器，但分类效果不理想。

针对2020年及2019年汇总并清洗后的246条记录，按照3:1的比例随机划分训练集和测试机，并将训练集依据3:1的比例进一步随机划分为训练集和验证集。

图4 数据预分析散点图矩阵

表2 数据总体特征分析

2.5.2 神经网络建模首先，尝试采用keras建立三层BP神经网络，隐藏层包括30个神经元，激励函数选择ReLU函数，迭代训练20次，训练出的模型拟合效果欠佳。

图5 人工神经网络模型

采用keras重新建立Wide-Deep神经网络模型，该模型包括两个隐藏层，这两个隐藏层分别包含300个和30个神经元，神经元激励函数为ReLU函数；为保证对离群点的鲁棒性，损失函数选择Huber Loss函数。在隐藏层之后将隐藏层输出与输入层进行合并，然后连接到输出层。

使用训练集和验证集对该模型进行50次迭代训练，损失函数最终收敛为5.2左右，收敛性良好。采用测试机对模型进行评估，最终损失值的均标准差约为5.38，说明模型泛化性良好。该模型依据烟叶的基本化学成分指标，能够对烟叶的品吸评分总分进行较好的预测。

图6 损失函数收敛情况

3 结论与讨论

在山东烟区烟叶的18个烟叶等级、6个外观特征、12个化学成分指标和21个烟叶质量风格感官评吸指标中，两两比较，共有741个指标对。其中，约54%的指标对（402/741）间呈显著相关（P＜0.05），约44%的指标对（327/741）间呈极显著相关（P＜0.01）。烟叶外观特征可在一定程度上反应化学成分，同时两者与感官风格特征关系较为密切，研究结果与陈健等[13]、蔡宪杰等[14]和郭文等[15]以C2F为对象在不同区域定性研究结果基本一致。这提示了使用烟叶外观特征和主要化学成分含量预测山东烟叶质量品质的可行性。但本研究仅以2019年样本数据为研究对象，不同年份山东烟叶外观特征和化学成分含量与感官质量的关系还有待进一步研究与验证。

目前烟叶智能分级以开发图像识别系统为主，系统指标多为烟叶的颜色、色度、破损度、叶行等多方面的外观特征。经试验，部分系统可靠性已接近人工分级水平[16]。本文研究结果表明，在山东烟区烟叶主要化学成分含量、烟叶外观特征与烟叶质量风格感官评吸分数共39个指标间，54%的指标对存在显著相关性。研究首次利用宽深神经网络模型对烟叶品吸评分进行预测，结果表明能够使用烟叶的基本化学成分指标对烟叶品吸品质的评分进行预测，预测损失在5分左右。这为增加智能分级系统指标参数提供了有益参考。围绕优化智能分级系统以提高分级准确率和效果，如何选择合适的指标参数以应用于山东烟区烟叶智能分级将开展进一步研究。

受制于专家品吸打分的主观性及样本数量的限制，预测分数与专家的打分仍存在一定的差异，未来对此有待进一步研究。