化学成分指标对感官质量的影响及陕西省烟叶质量综合评价

【目的】烟叶质量的优劣直接影响着烤烟的品质,本文为更科学地提高烟叶感官质量,提升烟叶质量,找到陕西省优质烟叶产区。【方法】以陕西安康、宝鸡、汉中、商洛、咸阳、延安6个烟区共54个C3F等级的烟叶样本作为研究对象,用熵值法和突变级数法得到感官质量值,再利用灰色关联度分析法分析化学成分各指标对感官质量的影响程度,得到化学成分各指标重要性排序,再基于突变级数法得到化学成分值,将化学成分和感官质量结合起来综合评价烟叶质量并用聚类分析对烟叶分类,最后用判别分析对所得分类结果进行验证,烟叶质量分类准确率达到75. 9%以上。【结果】化学成分对感官质量的重要性排序为:钾氯比>糖碱比>总植物碱>还原糖>淀粉>钾>总糖>氯。陕西省上等烟叶12个,占比22. 2%,中等烟叶33个,占比61. 1%,下等烟叶9个,优质烟区为安康、汉中、宝鸡、商洛所处的秦巴地区。【结论】钾氯比、糖碱比、总植物碱对感官质量影响最大。陕西省烟叶整体质量较好,且秦巴地区是陕西省优质烟叶产区。因此,要重点发展秦巴地区的烟叶来提升陕西省烟叶整体质量。

基于熵值法和突变级数法的陕西省烟叶质量综合评价研究

为了得到陕西省烟叶质量评价体系,立足于陕西省烤烟研究实际,选取陕西安康、宝鸡、汉中、商洛、咸阳、延安6个烟区54个C3F等级烟叶样本,将化学成分和感官质量作为评价指标,运用熵值法和突变级数法来综合评价烟叶质量,并用聚类分析方法将烟叶分成"优、中、差"三类,同时用判别分析方法验证了评价模型及烟叶质量等级划分的合理性。优质烟样品33个,占61%,中等质量烟20个,占37%,较差质量烟1个,用判别分析预测烟叶质量分类准确率85%以上。研究结果表明,该评价模型能反映烟叶综合质量状况,陕西省优质烟区集中在安康、汉中、商洛烟区。

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。

逻辑模型树算法性能分析与改进研究

逻辑模型树(LMT)算法是基于树归纳和逻辑回归的一种分类算法。为验证LMT算法的优势,利用3个UCI标准数据集建模,将LMT算法与其他决策树方法进行对比分析。针对LMT算法在建立逻辑回归模型时会导致较高的计算复杂性的问题,研究利用赤池信息量准则改进LMT算法,提升算法时间性能,避免模型过度拟合。在UCI标准数据集和烟叶综合质量评价数据中应用改进的LMT算法进行建模验证,结果表明,该改进方法在模型精度和召回率方面基本优于其他决策树方法,时间性能比改进前提升50%左右,能较好地评价烟叶综合质量。