路曉崇，李 昊，蘇家恩，裴曉東，孟祥宇，楊曉亮， 王建安，賀 帆，宋朝鵬

(1.河南農(nóng)業(yè)大學煙草學院， 河南 鄭州 450002; 2.河南省煙草公司襄城縣分公司， 河南 襄城 452670; 3.云南省煙草公司大理州公司， 云南 大理 671000； 4.湖南省煙草公司瀏陽市公司， 湖南 瀏陽 410300)

基于烤煙顏色特征構(gòu)建烤煙感官質(zhì)量預(yù)測模型

路曉崇1，李 昊2，蘇家恩3，裴曉東4，孟祥宇1，楊曉亮1， 王建安1，賀 帆1，宋朝鵬1

(1.河南農(nóng)業(yè)大學煙草學院， 河南 鄭州 450002; 2.河南省煙草公司襄城縣分公司， 河南 襄城 452670; 3.云南省煙草公司大理州公司， 云南 大理 671000； 4.湖南省煙草公司瀏陽市公司， 湖南 瀏陽 410300)

為了解煙葉顏色特征對感官質(zhì)量的影響，以豫中煙區(qū)煙葉顏色特征值為輸入變量，烤煙感官質(zhì)量指標為輸出變量，分別構(gòu)建拓撲結(jié)構(gòu)為10-12-1的BP神經(jīng)網(wǎng)絡(luò)模型，對煙葉感官質(zhì)量進行預(yù)測評價。結(jié)果表明，樣本的顏色特征值與感官質(zhì)量指標統(tǒng)計特征較好，均服從正態(tài)分布；所構(gòu)建的BP神經(jīng)網(wǎng)絡(luò)模型的模擬值與目標值差異較小，其中雜氣與刺激性的決定系數(shù)達到顯著水平，香氣質(zhì)、透發(fā)性等其他7項指標的決定系數(shù)均達到極顯著水平。所構(gòu)建的BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型擬合效果較好，在煙葉質(zhì)量評估中可利用煙葉的顏色特征值對煙葉的感官質(zhì)量進行預(yù)測評價。

烤煙；顏色特征值；感官質(zhì)量；BP神經(jīng)網(wǎng)絡(luò)模型

烤煙的感官質(zhì)量是煙葉質(zhì)量風格特色的核心[1-3]，是卷煙企業(yè)使用煙葉進行葉組配方設(shè)計的主要參考依據(jù)，工業(yè)企業(yè)可根據(jù)烤煙評吸質(zhì)量進行合理的配方設(shè)計[4]，烤煙的評吸質(zhì)量則是評吸專家對煙氣感官評價指標打分后的綜合得分或評價，因此感官評吸有一定的主觀性[5]。煙葉的品質(zhì)質(zhì)量要求具有完善的物理特性、協(xié)調(diào)的化學成分、完美的外觀特征與優(yōu)良的內(nèi)在品質(zhì)，4個方面的質(zhì)量評價相輔相成[6]，其中顏色作為煙葉外觀的重要特征之一，對煙葉感官質(zhì)量的形成有一定的影響。煙葉的顏色特征是烤煙內(nèi)含物質(zhì)的集中體現(xiàn)，劉百戰(zhàn)等[7]研究表明，橘黃色的煙葉中香味成分的總含量高于紅棕色及檸檬黃色的煙葉。席元肖等[8]研究表明，類胡蘿卜素含量隨顏色的加深而升高，淺橘黃色和淺紅棕色烤煙最高；多酚總量隨顏色的加深而降低，西柏烷類含量隨顏色加深有逐漸升高的趨勢。梁太波等[9]研究表明，多酚與顏色特征值L*呈顯著或極顯著正相關(guān)，而與a*呈負相關(guān)關(guān)系；類胡蘿卜素含量與顏色特征值L*呈顯著或極顯著負相關(guān)，而與a*呈極顯著正相關(guān)。賀帆等[10]研究表明，烘烤過程中煙葉各顏色參數(shù)與淀粉、還原糖、葉綠素、類胡蘿卜素、蛋白質(zhì)、氨基酸和含水量之間相關(guān)性明顯。丁根生等[11]研究表明，L*，a*與H*能夠很大程度上表現(xiàn)出香氣量、吃味、刺激性3項評吸指標的品質(zhì)情況，可知煙葉的顏色特征對質(zhì)量有較大影響，而目前利用烤煙的顏色特征來預(yù)測評價烤煙的感官質(zhì)量的研究鮮見報道。BP神經(jīng)網(wǎng)絡(luò)具有實現(xiàn)任何復(fù)雜非線性映射的功能，特別適合于求解內(nèi)部機制復(fù)雜的問題，近年來在材料、醫(yī)療、工業(yè)、經(jīng)濟以及農(nóng)業(yè)等方面得到廣泛的應(yīng)用[12-17]，邵慧芳等[5]通過建立烤煙化學成分與感官質(zhì)量的BP神經(jīng)網(wǎng)絡(luò)，取得了較好的預(yù)測評價結(jié)果。因此，建立烤煙顏色特征與烤煙感官質(zhì)量的BP神經(jīng)網(wǎng)絡(luò)模型，為烤煙感官質(zhì)量的數(shù)字化、精準化研究提供一定的理論依據(jù)。

1 材料與方法

1.1試驗材料

供試材料為豫中煙區(qū)漯河、許昌以及平頂山3市28個鄉(xiāng)鎮(zhèn)的X2F，C3F 以及B2F 等級的烤煙，每個等級各2 kg，共計136個煙葉樣品，經(jīng)過嚴格分選后，最終選出具有代表性的120個煙葉樣品。

1.2試驗方法

每個樣品隨機選取20片煙葉采用 WSC-3 型全自動測色色差計(北京光學儀器廠)測量煙葉正反面顏色L*，a*以及b*3個顏色特征值，并利用a*與b*依據(jù)式(1)與式(2)[10]計算煙葉顏色的飽和度C*與色相角H*。

(1)

H*=arctan(b*/a*)

(2)

測量位點為煙葉的1/4，1/2與3/4處對稱的6個位置(圖1)，每片正反面共計12個位點。

圖1 煙葉顏色特征值的測量位點Fig.1 The position of measuring color characteristics

樣品的感官質(zhì)量評定[18]聘請河南中煙有限責任公司、鄭州煙草研究院和河南農(nóng)業(yè)大學的 8 位資深評吸專家進行感官質(zhì)量評價。在河南農(nóng)業(yè)大學煙草學院進行評價，將煙葉樣品回潮到含水率18%～21%后裝入塑料袋，密閉，室溫下存放2 h，切絲，然后在規(guī)定的條件下調(diào)節(jié)，使煙絲含水率達到12.5%左右，卷制成卷煙后在規(guī)定的條件下調(diào)節(jié)72 h，采用9分制進行評吸打分，評吸指標包括香氣質(zhì)、香氣量、勁頭、濃度、余味、雜氣、刺激性、透發(fā)性、甜度等 9 項指標。

1.3神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)的處理與設(shè)計

采用Matlab 2014a神經(jīng)網(wǎng)絡(luò)工具箱(Neural Network Tool Box) 以120個煙葉樣品的煙葉正反面的L*(明度值)、a*(紅度值)、b*(黃度值)、C*(飽和度)以及H*(色相角)等10個參數(shù)作為網(wǎng)絡(luò)的輸入值，以煙葉感官質(zhì)量中香氣質(zhì)、香氣量、雜氣、刺激性、透發(fā)性、甜度、余味、濃度以及勁頭等9個指標分別作為網(wǎng)絡(luò)模型的輸出值，隱含層的個數(shù)依據(jù)式(3)決定，共建立9個BP神經(jīng)網(wǎng)絡(luò)模型。由于樣本數(shù)據(jù)在單位與數(shù)量級上存在差異，因此，為了使各變量的尺度相一致，給各分量以同等重要的地位，以免網(wǎng)絡(luò)訓(xùn)練結(jié)果偏重于數(shù)值較大的變量而忽略了數(shù)值較小的輸入變量，對網(wǎng)絡(luò)的精確性造成一定的影響。再者，由于BP神經(jīng)網(wǎng)絡(luò)的傳遞函數(shù)采用 Sigmoid 函數(shù)，輸入變量數(shù)值差異較大，可以使神經(jīng)元的輸入值過早進入Sigmoid 函數(shù)的飽和區(qū),影響網(wǎng)絡(luò)學習進程。因此，樣本數(shù)據(jù)采用式(4)進行歸一化處理。

(3)

式中：N為隱含層節(jié)點數(shù)；n為輸入神經(jīng)元個數(shù)；m為輸出神經(jīng)元的個數(shù)；a為[1，10]之間的一個常數(shù)。

經(jīng)過對隱含層的節(jié)點數(shù)的反復(fù)調(diào)試，最終以節(jié)點數(shù)為12的隱含層節(jié)點數(shù)所構(gòu)建的網(wǎng)絡(luò)模型的擬合殘差最小(圖1)，因此，建立網(wǎng)絡(luò)拓撲結(jié)構(gòu)為10-12-1的神經(jīng)網(wǎng)絡(luò)模型，網(wǎng)絡(luò)訓(xùn)練在Matlab2014a中進行，所建立的BP神經(jīng)網(wǎng)絡(luò)的Matlab 程序代碼如下：

net=newff (minmax(P), [10, 1], {’tansig’ , ’ purelin’ }, ’trainlm’);

net.trainParam.Show=100;

net.trainParam.Epochs=1000;

net.trainParam.1r=0.1;

net.trainParam.goal=0.01;

[net, tr]=train(net,P,T);

a=sim(net,P)

代碼中：P為10個顏色特征值；T為煙葉的感官質(zhì)量指標。

2 結(jié)果與分析

2.1豫中煙區(qū)煙葉樣品顏色特征與感官質(zhì)量的基本特征

由表1可知，煙葉顏色特征值的各指標變異系數(shù)較大，尤其是煙葉正面的a*值與C*值變異系數(shù)分別達到了10.49%與9.22%，背面的L*值的變異系數(shù)在背面顏色特征值中最大，煙葉正背兩面的峰度與偏度均接近于0，表明煙葉的顏色特征比較集中，且服從正態(tài)分布規(guī)律。煙葉感官質(zhì)量指標的變異系數(shù)與顏色特征值相比略小，除煙葉勁頭變異系數(shù)較大外，其余均小于6%，表明所取樣品的煙堿含量差異較大，可能是由于所取樣品的部位與品種有差異。感官質(zhì)量的峰度系數(shù)有個別指標相對較大，但總體為尖峭峰，表明樣品的感官質(zhì)量差異較小，且偏度系數(shù)較小，均接近于0，可知煙葉的感官質(zhì)量同樣服從正態(tài)分布規(guī)律。綜合來看，煙葉樣品的顏色特征值與感官質(zhì)量均服從正態(tài)分布規(guī)律，表明數(shù)據(jù)的穩(wěn)定性較好，具有較好的統(tǒng)計學意義。

表1 豫中煙區(qū)煙葉顏色特征與感官質(zhì)量的描述性統(tǒng)計Table 1 Descriptive statistics of color characteristics on sensory quality of tobacco in central Henan tobacco growing areas

2.2神經(jīng)網(wǎng)絡(luò)訓(xùn)練結(jié)果與分析

通過對9個感官質(zhì)量指標的網(wǎng)絡(luò)模型進行訓(xùn)練和仿真。以訓(xùn)練完成后各感官質(zhì)量的網(wǎng)絡(luò)模型模擬值為縱坐標，以感官質(zhì)量的實際值為橫坐標，建立回歸分析圖(圖2)。其中圖2中的直線為y=x，表示模擬值與實際值完全相同時的結(jié)果。由圖2可知,所建立的網(wǎng)絡(luò)模型的模擬值與實際值中，雜氣與刺激性的決定系數(shù)達到顯著水平，香氣質(zhì)、透發(fā)性等其他7項指標的決定系數(shù)均達到極顯著水平。由于煙葉的感官質(zhì)量評價是依據(jù)評吸人員的對卷煙的個人感覺實現(xiàn)的，在評價過程中受人為因素的影響較大。雖然部分指標的網(wǎng)絡(luò)模擬值與實際值的決定系數(shù)未達到極顯著水平，但總體而言所建立的神經(jīng)網(wǎng)絡(luò)模型的模擬效果較好。

注：* *表示模擬值與目標值相關(guān)性達到極顯著水平；*表示模擬值與目標值相關(guān)性達到顯著水平。Note: * *shows that the correlation reached extremely of analog value and target value was at the very significant level, and *shows that the correlation reached extremely of analog value and target value was at the significant level.

3 結(jié)論與討論

研究表明，基于煙葉顏色特征值建立的烤煙感官質(zhì)量BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型擬合效果較好，烤煙的化學成分影響著煙葉的外觀顏色[7]，決定著煙葉的感官質(zhì)量[5]，但烤煙化學成分的測定耗時較長，時效性較差[5]，不能及時對煙感官質(zhì)量進行預(yù)測評價，而利用所建立的網(wǎng)絡(luò)預(yù)測模型可以較及時有效地對烤煙的香氣質(zhì)、香氣量、勁頭、濃度、余味、雜氣、刺激性、透發(fā)性、甜度等感官質(zhì)量指標進行預(yù)測評價，進一步加速烤煙生產(chǎn)智能化水平的進程。

烤煙的感官質(zhì)量受到品種、部位、評吸人員以及生長環(huán)境等多種因素的影響[19-22]。煙葉的外觀包括煙葉的顏色與煙葉形態(tài)，對煙葉質(zhì)量的形成都有一定的影響[23]。研究表明，適宜長度、寬度以及厚度的煙葉所形成的煙葉質(zhì)量較好，例如上部葉的厚度較大，煙堿含量較高，煙葉的勁頭較大[23]，較寬的上部葉比較窄的上部葉評吸質(zhì)量好[23]。因此，煙葉的顏色特征值只能在某些層面反映一些因素對烤煙感官質(zhì)量的影響，而且烤煙的感官質(zhì)量評價受人為因素的影響較大，再者，由于BP神經(jīng)網(wǎng)絡(luò)自身的局限性[24]，還有所獲取的數(shù)據(jù)間可能存在著較大的誤差和噪聲干擾，在建模時可能出現(xiàn)過擬合現(xiàn)象[24-26]。綜合來看，所建立的模型是一個相對粗糙的BP神經(jīng)網(wǎng)絡(luò)模型，還需要進一步完善。

隨著烤煙感官質(zhì)量評價體系的不斷完善，除香氣量等9項指標外，又增加了香韻等一系列風格特色指標[27]。然而，本次研究僅利用烤煙顏色特征對香氣量等指標進行了預(yù)測評價，而未對香韻等風格特征進行研究，在后續(xù)工作中需進一步完善，以增加模型的實用性。

目前，只針對豫中煙區(qū)的顏色特征與感官質(zhì)量進行了建模預(yù)測，效果較好，而對河南其他煙區(qū)以及其他各省份煙區(qū)的煙葉尚未進行研究分析。由于各煙區(qū)的煙葉的生長環(huán)境條件差異較大，不僅煙葉的顏色特征差異較大，而且煙葉的質(zhì)量風格差異也較明顯[28,29]，因此，模型的適用性有待進一步驗證與完善。

[1] 過偉民, 蔡憲杰, 魏春陽, 等. 豫中濃香型烤煙感官質(zhì)量與部分質(zhì)量指標的關(guān)系[J]. 煙草科技, 2010 (6):22-27.

[2] 張勇剛, 宋朝鵬, 李常軍, 等. 熵權(quán)模糊綜合評價法在烤煙感官質(zhì)量評價中的應(yīng)用[J]. 中國煙草學報, 2010, 16(6):33-36.

[3] 邵惠芳, 趙昕宇, 許自成, 等. 基于Fisher判別分析的烤煙感官質(zhì)量與工業(yè)應(yīng)用價值的關(guān)系研究[J]. 中國煙草學報, 2011, 17(6):13-18.

[4] 張強, 董高峰, 李紅武, 等. 滾筒烘絲機工藝參數(shù)對烤煙感官質(zhì)量的影響[J]. 煙草科技, 2011, (11):10-13.

[5] 邵惠芳, 許自成, 李東亮, 等. 基于BP神經(jīng)網(wǎng)絡(luò)建立烤煙感官質(zhì)量的預(yù)測模型[J]. 中國煙草學報, 2011, 17(1):19-25.

[6] 閆克玉, 王光耀, 李春松. 我國烤煙質(zhì)量分析評價研究進展[J]. 鄭州輕工業(yè)學院學報(自然科學版), 2007,22(2):49-52.

[7] 劉百戰(zhàn)，冼可法. 不同部位、成熟度及顏色的云南烤煙中某些中性香味成分的分析研究[J]. 中國煙草學報, 1993,1(3):46-53.

[8] 席元肖, 宋紀真, 楊軍, 等. 不同顏色及成熟度烤煙香氣前體物及降解產(chǎn)物含量的差異分析[J]. 中國煙草學報, 2011,17(4):23-30.

[9] 梁太波, 張艷玲, 尹啟生, 等. 山東烤煙煙葉顏色量化分析及與多酚和類胡蘿卜素含量的關(guān)系[J]. 煙草科技, 2012 (4):67-71.

[10] 賀帆, 王濤, 王梅, 等. 烘烤過程中煙葉顏色變化與主要化學成分的關(guān)系[J]. 中國煙草學報, 2014, 20(6):97-102.

[11] 丁根勝, 張慶明, 巴金莎, 等. 煙葉顏色色度學指標與烤煙品質(zhì)的關(guān)系分析[J]. 中國煙草科學, 2011,32(4):14-18.

[12] SADEGHI B H M. A BP-neural network predictor model for plastic injection molding process[J]. Journal of Materials Processing Technology, 2000, 103:411-416.

[13] ZHANG F, LI P, HOU Z G, et al. sEMG-based continuous estimation of joint angles of human legs by using BP neural network[J]. Neuro Computing, 2012, 78(1):139-148.

[14] ZHANG L, WU K, ZHONG Y, et al. A new sub-pixel mapping algorithm based on a BP neural network with an observation model[J]. Neuro Computing, 2008, 71:2046-2054.

[15] WANG P, HUANG Z Y, ZHANG M Y, et al. Mechanical property prediction of strip model based on pso-BP neural network[J]. Journal of Iron & Steel Research International, 2008, 15(3):87-91.

[16] LIU Y D. Application of BP neural network on yield and inspection of agricultural products[J]. Journal of Biomathematics, 2003, 18(4):439-444.

[17] 趙昕宇,余泳昌.基于改進的BP神經(jīng)網(wǎng)絡(luò)估算太陽輻射的研究[J]. 河南農(nóng)業(yè)大學學報,2013,47(6):732-736.

[18] 國家煙草專賣局.YC/T 530—2015 烤煙 煙葉質(zhì)量風格特色感官評價方法[S].北京：中國標準出版社,2015.

[19] 邵麗,晉艷,楊宇虹,等.生態(tài)條件對不同烤煙品種煙葉產(chǎn)質(zhì)量的影響[J] .煙草科技, 2002 (10):40-45.

[20]于建軍,龐天河,任曉紅,等.烤煙中性致香物質(zhì)與評吸結(jié)果關(guān)系研究[J]. 河南農(nóng)業(yè)大學學報, 2006, 40(4):346-349.

[21] 鄧云龍,崔國民,孔光輝, 等.品種、部位和成熟度對煙葉淀粉含量及評吸質(zhì)量的影響[J]. 中國煙草科學, 2006,27(4):18-23.

[22] 張勇剛,宋朝鵬,李常軍,等.煙葉感官質(zhì)量評價研究進展[J].湖北農(nóng)業(yè)科學, 2010,49(9):2271-2274.

[23] 劉國順.煙草栽培學[M]. 北京：中國農(nóng)業(yè)出版社，2003.

[24] SUN Y J,ZHANG S, MIAO C X, et al. Improved BP neural network for transformer fault diagnosis[J]. Journal of China University of Mining & Technology, 2007, 17(7):138-142.

[25] YI J,WANG Q,ZHAO D,et al. BP neural network prediction-based variable-period sampling approach for networked control systems[J].Applied Mathematics & Computation, 2007, 185(2):976-988.

[26] WONG W E, QI Y.BP neural network-based effective fault localization [J]. International Journal of Software Engineering & Knowledge Engineering, 2011,19(4):573-597.

[27] 鄧小華,周冀衡,陳新聯(lián),等.煙葉質(zhì)量評價指標間的相關(guān)性研究[J].中國煙草學報,2008,14(2):1-8.

[28] 陸永恒.生態(tài)條件對煙葉品質(zhì)影響的研究進展[J].中國煙草科學, 2007,28(3):43-46.

[29] 鄧小華,周冀衡,趙松義,等.湖南烤煙硫含量的區(qū)域特征及其對煙葉評吸質(zhì)量的影響[J]. 應(yīng)用生態(tài)學報, 2007,18(12):2853-2859.

(責任編輯：常思敏)

Establishmentofmodelofpredictingsensoryqualityofflue-curedtobaccobasedoncolorcharacteristics

LU Xiaochong1, LI Hao2, SU Jiaen3, PEI Xiaodong4, MENG Xiangyu1, YANG Xiaoliang1, WANG Jianan1, HE Fan1, SONG Zhaopeng1

(1.College of Tobacco Science, Henan Agricultural University, Zhengzhou 45002, China; 2.Xiangcheng Municipal Tobacco Company, Xiangcheng 452670, China； 3.Dali Municipal Tobacco Company, Dali 671000, China; 4.Liuyang Municipal Tobacco Company, Liuyang 410300, China)

In order to study the effect of color characteristics on sensory quality of tobacco, a BP neural network model whose topological structure was 10-12-1, was established, whose input data was color characteristics of tobacco leaf and target data was tobacco sensory quality norm of central Henan tobacco growing areas. Next, the model was used to predict and value the sensory quality of flue-cured tobacco. The results showed that the color characteristic values and the sensory quality norm all had a well statistical characteristics and obeyed normal distribution. The difference of simulated data and target data of the BP neural network model was very little. In addition, the linear regression coefficient of the offensive odor and the irritancy reached significant level, besides, the coefficient of the aroma quantity and volatility and other 7 norms reached extremely significant level. The establishment of BP neural network model prediction model had a very good fitting effect, and the color characteristics could be used to predict and evaluate the quality of tobacco in the process of tobacco evaluated.

flue-cured tobacco; color characteristics; sensory quality; BP neural network model

2015-09-30

中國煙草總公司云南省公司資助項目(2015YN20);湖南省煙草公司長沙市公司資助項目(2013006)

路曉崇(1988-)，男，河南漯河人，碩士研究生，主要從事煙葉調(diào)制生理研究。

宋朝鵬(1978-)，男，河南鄧州人，副教授。

1000-2340(2016)04-0500-06

S 572

：A