基于LS-SVM的烤煙煙葉產(chǎn)地判別

　　摘要：為了探索一種快速有效的烤煙煙葉產(chǎn)地鑒別方法，利用近紅外光譜技術(shù)結(jié)合最小二乘支持向量機(jī)（ＬＳ－ＳＶＭ）對(duì)烤煙煙葉的產(chǎn)地進(jìn)行了判別。選擇云南、湖北、河南三地不同等級(jí)烤煙煙葉作為研究對(duì)象，對(duì)原始光譜數(shù)據(jù)進(jìn)行平滑和附加散射校正（ＭＳＣ）預(yù)處理后再進(jìn)行主成分分析，選擇４～１２個(gè)主成分作為輸入變量進(jìn)行ＬＳ－ＳＶＭ建模。結(jié)果顯示，該ＬＳ－ＳＶＭ模型預(yù)測(cè)效果較好，預(yù)測(cè)相關(guān)系數(shù)ｒｐ≥０．９９０ ７，預(yù)測(cè)標(biāo)準(zhǔn)誤差（ＳＥＰ）和預(yù)測(cè)均方根誤差（ＲＭＳＥＰ）分別為１．７５５ １和１．７３７ ３，優(yōu)于偏最小二乘回歸（ＰＬＳ）的預(yù)測(cè)結(jié)果，基于ＬＳ－ＳＶＭ的近紅外光譜技術(shù)能夠很好地對(duì)煙葉產(chǎn)地進(jìn)行判別。
　　關(guān)鍵詞：煙葉；產(chǎn)地判別；近紅外光譜；最小二乘支持向量機(jī)
　　中圖分類號(hào)：ＴＮ２１９ 文獻(xiàn)標(biāo)識(shí)碼：Ａ 文章編號(hào)：0439－８114（２０12）03－0583-03
　　
　�。桑洌澹睿簦椋妫椋悖幔簦椋铮� ｏｆ Ｐｒｏｄｕｃｉｎｇ Ａｒｅａ ｏｆ Ｔｏｂａｃｃｏ Ｌｅａｆ Bａｓｅｄ ｏｎ ＬＳ－ＳＶＭ
　　
　�。冢龋粒危� Ｙｉｎｇ１ａ，１ｂ，ＨＥ Ｌｉ－ｙｕａｎ１ｂ，ＹＥ Ｙｉｎｇ－ｚｅ１ｃ，ＷＵ Ｚｈａｏ－ｈｕｉ２
　�。ǎ幔� 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）
　　
　�。粒猓螅簦颍幔悖簦� 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．
　�。耍澹� ｗｏｒｄｓ： ｔｏｂａｃｃｏ ｌｅａｆ； oｒｉｇｉｎ ｄｉｓｃｒｉｍｉｎａｎｔ； ＮＩＲ ｓｐｅｃｔｒｏｓｃｏｐｙ； ｌｅａｓｔ ｓｑｕａｒｅｓ－ｓｕｐｐｏｒｔ ｖｅｃｔｏｒ ｍａｃｈｉｎｅｓ （ＬＳ－ＳＶＭ）
　　
　　煙草是我國重要的經(jīng)濟(jì)作物，煙葉的品質(zhì)與遺傳因素、栽培措施、調(diào)制技術(shù)和產(chǎn)地環(huán)境等密切相關(guān)。其中，產(chǎn)地環(huán)境（海拔、溫濕度、氣候條件等）對(duì)煙葉品質(zhì)的影響極為明顯，也是構(gòu)成不同品牌卷煙特有風(fēng)格的基礎(chǔ)，但不同產(chǎn)地的煙葉特征迄今難以量化描述。目前，對(duì)烤煙煙葉產(chǎn)地的判別除依賴感官評(píng)定外，需要對(duì)其化學(xué)成分進(jìn)行分析，判別過程費(fèi)時(shí)、費(fèi)力。因此，研究一種能夠快速、準(zhǔn)確地對(duì)烤煙煙葉產(chǎn)地進(jìn)行判別的方法非常必要。
　�。停幔瑁岬龋郏保莶捎蒙窠�(jīng)元網(wǎng)絡(luò)方法對(duì)美國本土及國外１ ０００多個(gè)煙葉樣品的近紅外光譜（ＮＩＲｓ）信息進(jìn)行分析，對(duì)本國煙葉取得了很好的模式識(shí)別結(jié)果。國內(nèi)研究人員曾采用ＮＩＲ法預(yù)測(cè)了煙草根、莖、葉中的蛋白質(zhì)、總糖、總氮、總植物堿等［２，３］，采用主成分分析的馬氏距離法判別煙葉產(chǎn)地歸屬，獲得了較佳的識(shí)別準(zhǔn)確率［４］。但上述研究均需要對(duì)煙葉進(jìn)行切絲過篩，屬于有損檢測(cè)且費(fèi)時(shí)費(fèi)力。用ＮＩＲ法專門針對(duì)收購環(huán)節(jié)進(jìn)行完整煙葉品質(zhì)分析預(yù)測(cè)煙葉產(chǎn)地尚無研究報(bào)道。試驗(yàn)采用近紅外波段（８６７～２５８ ９ ｎｍ）進(jìn)行光譜掃描，應(yīng)用最小二乘支持向量機(jī)（ＬＳ－ＳＶＭ），建立了ＬＳ－ＳＶＭ判別分析組合模型，實(shí)現(xiàn)了烤煙煙葉產(chǎn)地的快速準(zhǔn)確判別。
　�。� 材料與方法
　�。保�１ 儀器及參數(shù)
　　試驗(yàn)使用光譜檢測(cè)設(shè)備是Ｏｃｅａｎ Ｏｐｔｉｃｓ公司的ＮＩＲ２５６－２．５光纖光譜儀，配套的ＱＢＩＦ６００－ＶＩＳ－ＢＸ白金級(jí)Ｙ形分叉光導(dǎo)纖維探頭，儀器光譜采樣間隔６ ｎｍ，測(cè)定波長８６７～２ ５８９ ｎｍ，光纖探測(cè)器與樣品垂直，暗室溫度１８～２２ ℃，相對(duì)濕度２２％～２５％，以１４．５ Ｖ、５０Ｗ鹵素?zé)魹槲┮还庠�，光源與樣品夾角４５°。開機(jī)預(yù)熱１ ｈ后進(jìn)行光譜掃描，采樣方式是漫反射，采樣軟件是機(jī)器自帶的Ｓｐｅｃｔｒａ Ｓｕｉｔｅ。分析軟件采用ＡＳＤ Ｖｉｅｗ Ｓｐｅｃ Ｐｒｏ、Ｕｎｓｃｒａｍｂｌｅ Ｖ９和ＤＰＳ（Ｄａｔａ Ｐｒｏｃｅｓｓｉｏｎ Ｓｙｓｔｅｍ ｆｏｒ Ｐｒａｃｔｉｃａｌ Ｓｔａｔｉｓｔｉｃｓ）。積分時(shí)間設(shè)置為２５０ ｍｍ，平滑度設(shè)置為９，平均次數(shù)為３，即對(duì)每個(gè)樣品自動(dòng)掃描３次取平均值。
　�。保�２ 樣本制備
　　收集了２０１０年１０月云南、河南、湖北三省的煙草公司提供的已由專家人工定級(jí)的煙葉。為保證試驗(yàn)結(jié)果的代表性，每個(gè)產(chǎn)地?zé)熑~按７個(gè)分組每組１～４個(gè)等級(jí)隨機(jī)選擇９０個(gè)樣本。根據(jù)文獻(xiàn)［５］報(bào)道，直接將煙葉樣品平鋪置于載物臺(tái)上，采用漫反射模式采集近紅外光譜，光譜掃描穩(wěn)定后進(jìn)行數(shù)據(jù)采集。保存３條光譜曲線，以其平均光譜作為最終的反射光譜。從全部２７０個(gè)樣本中，每個(gè)產(chǎn)地隨機(jī)選擇３０個(gè)共９０個(gè)樣本作為預(yù)測(cè)集，剩余的１８０個(gè)樣本作為建模集。

相關(guān)熱詞搜索：烤煙 判別 煙葉 產(chǎn)地 LS