基于LS-SVM的烤烟烟叶产地判别

　　摘要：为了探索一种快速有效的烤烟烟叶产地鉴别方法，利用近红外光谱技术结合最小二乘支持向量机（ＬＳ－ＳＶＭ）对烤烟烟叶的产地进行了判别。选择云南、湖北、河南三地不同等级烤烟烟叶作为研究对象，对原始光谱数据进行平滑和附加散射校正（ＭＳＣ）预处理后再进行主成分分析，选择４～１２个主成分作为输入变量进行ＬＳ－ＳＶＭ建模。结果显示，该ＬＳ－ＳＶＭ模型预测效果较好，预测相关系数ｒｐ≥０．９９０ ７，预测标准误差（ＳＥＰ）和预测均方根误差（ＲＭＳＥＰ）分别为１．７５５ １和１．７３７ ３，优于偏最小二乘回归（ＰＬＳ）的预测结果，基于ＬＳ－ＳＶＭ的近红外光谱技术能够很好地对烟叶产地进行判别。
　　关键词：烟叶；产地判别；近红外光谱；最小二乘支持向量机
　　中图分类号：ＴＮ２１９ 文献标识码：Ａ 文章编号：0439－８114（２０12）03－0583-03
　　
　　Ｉｄｅｎｔｉｆｉｃａｔｉｏｎ ｏｆ Ｐｒｏｄｕｃｉｎｇ Ａｒｅａ ｏｆ Ｔｏｂａｃｃｏ Ｌｅａｆ Bａｓｅｄ ｏｎ ＬＳ－ＳＶＭ
　　
　　ＺＨＡＮＧ Ｙｉｎｇ１ａ，１ｂ，ＨＥ Ｌｉ－ｙｕａｎ１ｂ，ＹＥ Ｙｉｎｇ－ｚｅ１ｃ，ＷＵ Ｚｈａｏ－ｈｕｉ２
　　（ａ． Ｃｏｌｌｅｇｅ ｏｆ Ｓｃｉｅｎｃｅ； ｂ． Ｃｏｌｌｅｇｅ ｏｆ Ｒｅｓｏｕｒｃｅｓ ａｎｄ Ｅｎｖｉｒｏｎｍｅｎｔ； ｃ． Ｎｅｔｗｏｒｋ Ｃｅｎｔｅｒ， １．Ｈｕａzｈｏｎｇ Ａｇｒｉｃｕｌｔｕｒａｌ Ｕｎｉｖｅｒｓｉｔｙ， Ｗｕｈａｎ ４３００７０， Ｃｈｉｎａ； ２． Ｔｏｂａｃｃｏ Ｒｅｓｅａｒｃｈ Ｃｅｎｔｅｒ ｏｆ Ｈｅｎａｎ Ａｃａｄｅｍｙ ｏｆ Ａｇｒｉｃｕｌｔｕｒａｌ Ｓｃｉｅｎｃｅｓ， Ｘｕｃｈａｎｇ ４６１０００， Ｈｅｎａｎ， Ｃｈｉｎａ）
　　
　　Ａｂｓｔｒａｃｔ： In ｏｒｄｅｒ ｔｏ ｅｘｐｌｏｒｅ ａ ｆａｓｔ ａｎｄ ｅｆｆｉｃｉｅｎｔ ｍｅｔｈｏｄ ｗｈｉｃｈ ｄｅｔｅｒｍｉｎｅｓ ｔｈｅ ｐｒｏｄｕｃｉｎｇ ａｒｅａ ｏｆ ｔｏｂａｃｃｏ ｌｅａｆ， ｎｅａｒ－ｉｎｆｒａｒｅｄ ｒｅｆｌｅｃｔａｎｃｅ ｓｐｅｃｔｒｏｓｃｏｐｙ ｗｉｔｈ ｌｅａｓｔ ｓｑｕａｒｅｓ－ｓｕｐｐｏｒｔ ｖｅｃｔｏｒ ｍａｃｈｉｎｅｓ （ＬＳ－ＳＶＭ） ｗａｓ ａｐｐｌｉｅｄ ｔｏ ｄｅｔｅｒｍｉｎｅ ｐｒｏｄｕｃｉｎｇ ａｒｅａ ｏｆ ｔｏｂａｃｃｏ ｌｅａｆ． Ｔｈｒｅｅ ｐｒｏｄｕｃｉｎｇ ａｒｅａｓ ｉｎｃｌｕｄｉｎｇ Ｙｕｎｎａｎ， Ｈｕｂｅｉ ａｎｄ Ｈｅｎａｎ ｗｅｒｅ ｓｅｌｅｃｔｅｄ ａｓ ｔｈｅ ｒｅｓｅａｒｃｈ ｏｂｊｅｃｔｓ． Ａｓ ｔｈｅ ｐｒｅｔｒｅａｔｍｅｎｔｓ ｏｆ ｔｈｅ ｏｐｔｉｍａｌ ｓｍｏｏｔｈｉｎｇ ｗａｙ， ｍｏｖｉｎｇ ａｖｅｒａｇｅ ｗｉｔｈ ｔｈｒｅｅ ｓｅｇｍｅｎｔｓ ａｎｄ ｍｕｌｔｉｐｌｉｃａｔｉｏｎ ｓｃａｔｔｅｒ ｃｏｒｒｅｃｔｉｏｎ （ＭＳＣ） ｗｅｒｅ ａｐｐｌｉｅｄ ｔｏ ｒｅｄｕｃｅ ｔｈｅ ｎｏｉｓｅ ｏｆ ｔｈｅ ｓｐｅｃｔｒａ． Ａｆｔｅｒ ｔｈｅ ｐｒｉｎｃｉｐｌｅ ｃｏｍｐｏｎｅｎｔ ａｎａｌｙｓｉｓ， ４ ｔｏ １２ ｐｒｉｎｃｉｐａｌ ｃｏｍｐｏｎｅｎｔｓ （ＰＣｓ） ｗｅｒｅ ｃｈｏｓｅｎ ａｓ ｔｈｅ ｉｎｐｕｔｓ ｏｆ ＬＳ－ＳＶＭ ｍｏｄｅｌｓ． Ｔｈｅ Ｒｅｓｕｌｔｓ ｓｈｏｗ ｔｈａｔ ｔｈｅ ｐｒｅｄｉｃｔｉｏｎ ｐｅｒｆｏｒｍａｎｃｅ ｏｆ ｔｈｅ ＬＳ－ＳＶＭ ｍｏｄｅｌ ｗｉｔｈ １２ ＰＣｓ ｉｓ ｂｅｔｔｅｒ ｔｈａｎ ｐａｒｔｉａｌ ｌｅａｓｔ ｓｑｕａｒｅ（ＰＬＳ） ｍｏｄｅｌ． Ｉｔｓ ｃｏｒｒｅｌａｔｉｏｎ ｃｏｅｆｆｉｃｉｅｎｔ ｏｆ ｐｒｅｄｉｃｔｉｏｎ ｓｅｔ （ｒｐ） ｉｓ ０．９９０ ７， ｓｔａｎｄａｒｄ ｅｒｒｏｒ ｏｆ ｐｒｅｄｉｃｔｉｏｎ （ＳＥＰ） ｉｓ １．７５５ １， ａｎｄ ｒｏｏｔ ｍｅａｎ ｓｑｕａｒｅ ｅｒｒｏｒ ｏｆ ｐｒｅｄｉｃｔｉｏｎ （ＲＭＳＥＰ） ｉｓ １．７３７ ３． Ｉｔ ｉｓ ｃｏｎｃｌｕｄｅｄ ｔｈａｔ ＮＩＲ ｓｐｅｃｔｒｏｓｃｏｐｙ ｗｉｔｈ ＬＳ－ＳＶＭ ｉｓ ａ ｆｅａｓｉｂｌｅ ｍｅｔｈｏｄ ｔｏ ｄｅｔｅｒｍｉｎｅ ｔｈｅ ｐｒｏｄｕｃｉｎｇ ａｒｅａ ｏｆ ｔｏｂａｃｃｏ ｌｅａｆ．
　　Ｋｅｙ ｗｏｒｄｓ： ｔｏｂａｃｃｏ ｌｅａｆ； oｒｉｇｉｎ ｄｉｓｃｒｉｍｉｎａｎｔ； ＮＩＲ ｓｐｅｃｔｒｏｓｃｏｐｙ； ｌｅａｓｔ ｓｑｕａｒｅｓ－ｓｕｐｐｏｒｔ ｖｅｃｔｏｒ ｍａｃｈｉｎｅｓ （ＬＳ－ＳＶＭ）
　　
　　烟草是我国重要的经济作物，烟叶的品质与遗传因素、栽培措施、调制技术和产地环境等密切相关。其中，产地环境（海拔、温湿度、气候条件等）对烟叶品质的影响极为明显，也是构成不同品牌卷烟特有风格的基础，但不同产地的烟叶特征迄今难以量化描述。目前，对烤烟烟叶产地的判别除依赖感官评定外，需要对其化学成分进行分析，判别过程费时、费力。因此，研究一种能够快速、准确地对烤烟烟叶产地进行判别的方法非常必要。
　　Ｍａｈａ等［１］采用神经元网络方法对美国本土及国外１ ０００多个烟叶样品的近红外光谱（ＮＩＲｓ）信息进行分析，对本国烟叶取得了很好的模式识别结果。国内研究人员曾采用ＮＩＲ法预测了烟草根、茎、叶中的蛋白质、总糖、总氮、总植物碱等［２，３］，采用主成分分析的马氏距离法判别烟叶产地归属，获得了较佳的识别准确率［４］。但上述研究均需要对烟叶进行切丝过筛，属于有损检测且费时费力。用ＮＩＲ法专门针对收购环节进行完整烟叶品质分析预测烟叶产地尚无研究报道。试验采用近红外波段（８６７～２５８ ９ ｎｍ）进行光谱扫描，应用最小二乘支持向量机（ＬＳ－ＳＶＭ），建立了ＬＳ－ＳＶＭ判别分析组合模型，实现了烤烟烟叶产地的快速准确判别。
　　１ 材料与方法
　　１．１ 仪器及参数
　　试验使用光谱检测设备是Ｏｃｅａｎ Ｏｐｔｉｃｓ公司的ＮＩＲ２５６－２．５光纤光谱仪，配套的ＱＢＩＦ６００－ＶＩＳ－ＢＸ白金级Ｙ形分叉光导纤维探头，仪器光谱采样间隔６ ｎｍ，测定波长８６７～２ ５８９ ｎｍ，光纤探测器与样品垂直，暗室温度１８～２２ ℃，相对湿度２２％～２５％，以１４．５ Ｖ、５０Ｗ卤素灯为惟一光源，光源与样品夹角４５°。开机预热１ ｈ后进行光谱扫描，采样方式是漫反射，采样软件是机器自带的Ｓｐｅｃｔｒａ Ｓｕｉｔｅ。分析软件采用ＡＳＤ Ｖｉｅｗ Ｓｐｅｃ Ｐｒｏ、Ｕｎｓｃｒａｍｂｌｅ Ｖ９和ＤＰＳ（Ｄａｔａ Ｐｒｏｃｅｓｓｉｏｎ Ｓｙｓｔｅｍ ｆｏｒ Ｐｒａｃｔｉｃａｌ Ｓｔａｔｉｓｔｉｃｓ）。积分时间设置为２５０ ｍｍ，平滑度设置为９，平均次数为３，即对每个样品自动扫描３次取平均值。
　　１．２ 样本制备
　　收集了２０１０年１０月云南、河南、湖北三省的烟草公司提供的已由专家人工定级的烟叶。为保证试验结果的代表性，每个产地烟叶按７个分组每组１～４个等级随机选择９０个样本。根据文献［５］报道，直接将烟叶样品平铺置于载物台上，采用漫反射模式采集近红外光谱，光谱扫描稳定后进行数据采集。保存３条光谱曲线，以其平均光谱作为最终的反射光谱。从全部２７０个样本中，每个产地随机选择３０个共９０个样本作为预测集，剩余的１８０个样本作为建模集。

相关热词搜索：烤烟 判别 烟叶 产地 LS