裴曉東，趙晨，武勁草，張文軍，李帆，王建文，劉優(yōu)雄，李姣姣，李生棟，路曉崇*

基于葉面特征的烤煙中部葉采收成熟度量化初探

裴曉東1，趙晨2，武勁草3，張文軍1，李帆1，王建文1，劉優(yōu)雄1，李姣姣1，李生棟4，路曉崇2*

1 中國(guó)煙草總公司長(zhǎng)沙市公司，湖南長(zhǎng)沙 410000；2 河南農(nóng)業(yè)大學(xué)煙草學(xué)院，河南鄭州 450002；3 江蘇中煙工業(yè)有限責(zé)任公司，江蘇南京 210019；4 云南省煙草公司曲靖市公司，云南曲靖 655000

【目的】推進(jìn)烤煙采收成熟度數(shù)字化判斷的實(shí)現(xiàn)。【方法】以云煙87中部煙葉為試驗(yàn)材料，將采集的746個(gè)煙葉樣品按照欠熟、尚熟、適熟和過熟4個(gè)檔次進(jìn)行分類，利用模糊DEMATEL分析法對(duì)烤煙的農(nóng)藝特征、顏色特征以及紋理特征3方面的葉面特征指標(biāo)進(jìn)行權(quán)重賦予，初步得到不同成熟度烤煙的得分區(qū)域，之后采用偏最小二乘判別（PLS-DA）法簡(jiǎn)化烤煙采收成熟度量化模型，并對(duì)該模型的魯棒性進(jìn)行驗(yàn)證?！窘Y(jié)果】（1）欠熟檔次的最終得分確定區(qū)域?yàn)閇0.0，81.0) 分，尚熟檔次確定區(qū)域?yàn)閇81.0，85.0) 分，成熟檔次確定區(qū)域?yàn)閇85.0，91.0]分，過熟檔次確定區(qū)域?yàn)?91.0，100]分；（2）所構(gòu)建的成熟度識(shí)別模型的正確率達(dá)到89.04%。【結(jié)論】通過采集鮮煙葉的葉面特征可以對(duì)烤煙的進(jìn)行成熟度量化。

烤煙；成熟度量化；模糊DEMATEL分析；偏最小二乘判別

烤煙采收成熟度的正確分類是烘烤工藝制定的基石，是保障烤煙質(zhì)量的前提[1-2]，國(guó)內(nèi)已建立了一套比較完善的烤煙成熟采收標(biāo)準(zhǔn)[3]，但該標(biāo)準(zhǔn)是一種描述性標(biāo)準(zhǔn)，且受人為因素的影響較大，不同人在不同時(shí)間對(duì)烤煙成熟度做出的判斷亦不同，導(dǎo)致烤煙成熟度判斷的錯(cuò)誤率上升[4]。因此，將烤煙采收成熟度的識(shí)別由經(jīng)驗(yàn)為主導(dǎo)轉(zhuǎn)變?yōu)橐詳?shù)字化為主導(dǎo)[5-6]，對(duì)推動(dòng)現(xiàn)代煙草農(nóng)業(yè)的發(fā)展有一定的促進(jìn)作用。近年來一些國(guó)內(nèi)外學(xué)者將圖像處理技術(shù)、神經(jīng)網(wǎng)絡(luò)技術(shù)以及高光譜技術(shù)應(yīng)用于烤煙生產(chǎn)以及成熟度識(shí)別中[7-11]。而圖像處理技術(shù)主要研究物體的顏色特征與紋理特征[12-14]。劉劍君等[13]對(duì)不同成熟度烤煙的RGB圖像進(jìn)行研究用來計(jì)算烤煙的成熟指數(shù)，結(jié)果表明計(jì)算出的成熟度指數(shù)與人工感官識(shí)別的煙葉經(jīng)驗(yàn)成熟度有很好的關(guān)聯(lián)度。謝濱瑤[14]、汪睿琪[15]、林天然[16]等利用神經(jīng)網(wǎng)絡(luò)模型實(shí)現(xiàn)了對(duì)鮮煙葉成熟度的判別，雖然所采用的網(wǎng)絡(luò)模型不同，但三人所構(gòu)建模型的識(shí)別率均達(dá)到了93%以上，可知神經(jīng)網(wǎng)絡(luò)技術(shù)在鮮煙葉的成熟度識(shí)別方面有較大的優(yōu)勢(shì)[17]。路曉崇等[8]利用鮮煙葉的顏色特征與紋理特征通過建立BP神經(jīng)網(wǎng)絡(luò)模型成功預(yù)測(cè)了煙葉的成熟度，使得預(yù)測(cè)值與實(shí)際值的決定系數(shù)達(dá)到了0.9855。近年來隨著光譜技術(shù)的越來越成熟，越來越多的學(xué)者將高光譜技術(shù)應(yīng)用到烤煙成熟度的識(shí)別[18-19]，且取得了較好的識(shí)別效果，正確率均達(dá)到了93%以上[19-20]，最高達(dá)到了98%[21]。然而，目前關(guān)于利用圖像處理技術(shù)對(duì)不同烤煙成熟檔次指標(biāo)閾值確定方面的研究鮮有報(bào)道。為此，基于傳統(tǒng)烤煙成熟度判斷標(biāo)準(zhǔn)（眼觀、手摸），本研究將烤煙的葉面信息分為農(nóng)藝特征、顏色特征、紋理特征3方面進(jìn)行綜合評(píng)判，旨在篩選出影響烤煙成熟度的代表性指標(biāo)，得到基于烤煙外觀特征的不同成熟度得分區(qū)間，進(jìn)而實(shí)現(xiàn)烤煙成熟度的量化。

1 材料與方法

1.1 試驗(yàn)材料

試驗(yàn)于2021—2022年在湖南省長(zhǎng)沙市瀏陽(yáng)市北盛鎮(zhèn)開展，產(chǎn)區(qū)海拔700～800 m，供試土壤為黃壤土，pH 5.48，有機(jī)質(zhì)11.45 g/kg，全氮0.72 g/kg，堿解氮55.00 mg/kg，速效磷15.01 mg/kg，速效鉀160.00 mg/kg。試驗(yàn)田前茬作物為油菜，由于云煙 87作為湖南煙區(qū)的主栽品種，且各卷煙企業(yè)對(duì)中部葉的需求較多，因此以云煙87中部葉為研究對(duì)象開展相關(guān)研究。

1.2 試驗(yàn)方法

隨機(jī)挑選746片采收后的烤煙中部煙葉（9～11位葉），邀請(qǐng)7位長(zhǎng)期從事烤煙采烤工作的專家依據(jù)烤煙傳統(tǒng)的成熟采收標(biāo)準(zhǔn)[3]，對(duì)采集的樣品成熟度進(jìn)行綜合判斷，其中欠熟檔次煙葉103片，尚熟檔次煙葉228片，適熟檔次煙葉332片，過熟檔次煙葉83片。之后采用螺旋測(cè)微儀（桂林廣陸數(shù)字測(cè)控有限公司）對(duì)不同部位烤煙的厚度進(jìn)行測(cè)量，并制作長(zhǎng)、寬、高分別為100、50和70 cm的暗箱，暗箱頂部開直徑10 cm的圓孔用于放置相機(jī)鏡頭。在暗箱底部鋪滿黑色棉布，并在暗箱頂部中間位置設(shè)置一個(gè)敏宏士A200370LED光源（深圳市敏宏士科技有限公司）。供試煙葉平放于黑布上，使用高攝HT-UBS500MCCD相機(jī)（深圳市華騰威視科技有限公司）采集圖像，利用Matlab2018b軟件的圖像分析工具箱測(cè)不同成熟度烤煙的(亮度)、(紅色度)、(黃色度)、(飽和度)、(色相角)等顏色參數(shù)，并獲取采集的煙葉灰度共生矩陣，計(jì)算圖像的紋理能量、紋理熵、紋理慣性矩和紋理相關(guān)度4個(gè)紋理特征值。運(yùn)用模糊DEMATEL分析法對(duì)烤煙外觀特征的各指標(biāo)進(jìn)行權(quán)重賦予，并計(jì)算相應(yīng)成熟度烤煙的綜合得分區(qū)域。為進(jìn)一步簡(jiǎn)化模型，使用SIMCA 14.1軟件對(duì)影響烤煙成熟度的指標(biāo)進(jìn)行偏最小二乘判別（PLS-DA）分析，篩選出代表性指標(biāo)，建立成熟度簡(jiǎn)化識(shí)別模型，計(jì)算簡(jiǎn)化后的烤煙成熟度綜合得分區(qū)域，并額外隨機(jī)選取82片烤煙進(jìn)行模型魯棒性驗(yàn)證。

1.2.1 圖像預(yù)處理

由于受到相機(jī)傳感器材料的屬性、電路結(jié)構(gòu)、拍攝環(huán)境等因素的限制，使用相機(jī)采集的圖片大多會(huì)存在噪點(diǎn)和雜質(zhì)[22]，因此必須通過圖像增強(qiáng)（濾波）來消除噪聲進(jìn)而改善圖像質(zhì)量。高斯濾波因其對(duì)圖像的模糊程度較小，能夠保持圖像的整體細(xì)節(jié)在圖像處理方面的應(yīng)用越來越廣泛[23-24]。因此本研究選用高斯濾波對(duì)采集到的煙葉圖像進(jìn)行濾波處理，經(jīng)濾波后噪聲基本得到消除，圖像更加平滑。

1.2.2 圖像紋理特征值的計(jì)算

煙葉圖像特征包括顏色特征、紋理特征以及形狀特征，紋理特征體現(xiàn)全局特征的性質(zhì)的同時(shí)，也描述了圖像或圖像區(qū)域所對(duì)應(yīng)景物的表面性質(zhì)。先利用HT-UBS500MCCD相機(jī)采集煙葉圖像，再用Matlab2018b軟件的圖像分析工具計(jì)算圖像的灰度共生矩陣（GLCM）[25]選并得到 0°、45°、90°以及135°的紋理能量、紋理熵、紋理慣性矩、紋理相關(guān)度，分別求其均值和方差作為圖像紋理特征。

紋理能量：反映圖像灰度的分布程度與紋理粗細(xì)度，能量越大，紋理越細(xì)膩光滑；

紋理熵：反映圖像中紋理的非均勻程度或混亂程度，值越大混亂度越高；

紋理慣性矩：反映圖像灰度復(fù)雜程度，其值越大，圖像溝紋越明顯；

紋理相關(guān)度：反映圖像紋理的一致性，值越大一致性越好。

計(jì)算公式：

式中：表示灰度共生矩陣所有元素的均值；表示灰度共生矩陣所有元素的方差；表示圖像灰度級(jí)數(shù)；p表示歸一化后的灰度共生矩陣元素，-。

1.2.3 模糊DEMATEL分析實(shí)現(xiàn)過程

構(gòu)建模糊DEMATEL模型所用的語(yǔ)言算子及對(duì)應(yīng)的三角模糊數(shù)（表1）。

表1 語(yǔ)言變量及其三角模糊數(shù)的取值

Tab.1 The value of language variables and their triangular fuzzy numbers

利用表1的語(yǔ)言算子及對(duì)應(yīng)三角模糊數(shù)，構(gòu)建了各個(gè)因素對(duì)其它因素影響的三角模糊直接影響矩陣為：

然后將式（1）標(biāo)準(zhǔn)化：

通過矩陣間計(jì)算得到綜合影響矩陣：

1.2.4 各影響因素的打分結(jié)果

根據(jù)科學(xué)性和全面性的原則，以面向大范圍煙區(qū)為目的，通過系統(tǒng)分析，調(diào)查歸納總結(jié)，確定出影響烤煙生長(zhǎng)發(fā)育的3類10個(gè)外觀因素，農(nóng)藝特征：葉片厚度(A)；顏色特征：L*(A)a*(A)、b*(A)C*(A)H*(A)；紋理特征：紋理能量(A)、紋理熵(A)、紋理慣性矩(A)、紋理相關(guān)度(A)。聘請(qǐng)長(zhǎng)期從事烤煙生產(chǎn)科研的專業(yè)人員3名，利用德爾菲法（Delphi Method），采用10分制（>0，≤2分無(wú)影響（NO）；>2，≤4分影響小(VL)；>4，≤6分影響較小(L)；>6，≤8分影響較大(H)；>8，≤10分影響非常大(VL)）對(duì)確定的影響煙葉烤煙成熟度判斷的10個(gè)因素的影響程度進(jìn)行打分，并將所打的分?jǐn)?shù)求均值后轉(zhuǎn)換成模糊語(yǔ)言算子。由表2可知，不同的影響因素間有不同程度的直接影響，其中煙葉的顏色特征因子間存在較大的影響，而紋理特征因子對(duì)農(nóng)藝特征因子與顏色特征因子有較大的影響。

表2 各影響因素打分轉(zhuǎn)化為語(yǔ)言算子

Tab.2 Conversion of scores for each influencing factor into language operators

1.2.5 不同識(shí)別模型準(zhǔn)確率的綜合評(píng)價(jià)

為保障所建立的成熟度識(shí)別模型的有效性，額外隨機(jī)選取82片烤煙中部葉（9～11葉位）作為驗(yàn)證樣品，首先對(duì)所選取的驗(yàn)證樣品的成熟度進(jìn)行專家分類，其中欠熟檔次用“1”表示，尚熟檔次用“2”表示，適熟檔次用“3”表示，過熟檔次用“4”表示，然后對(duì)驗(yàn)證樣品的葉面特征指標(biāo)進(jìn)行測(cè)量，分別利用原始模型與簡(jiǎn)化模型計(jì)算其綜合得分，并將綜合得分依次歸入相應(yīng)的成熟檔次。

2 結(jié)果與分析

2.1 影響烤煙采收成熟度判別的各因素模糊DEMATEL分析

利用DEMATEL算法計(jì)算各影響因素的中心度和原因度（表3）。

表3 DEMATEL分析的中心度與原因度

Tab.3 The centrality and causality of DEMATEL analysis

2.2 不同成熟度烤煙得分區(qū)域

由于各外觀指標(biāo)的中心度代表了該指標(biāo)對(duì)整個(gè)成熟度評(píng)價(jià)體系的影響程度，因此以各指標(biāo)中心度值與所有中心度之和的比值作為該指標(biāo)對(duì)烤煙田間成熟影響的權(quán)重，由表4可知，不同成熟度的鮮煙葉的外觀特征有一定的差異。由于各指標(biāo)間的單位數(shù)值差異較大，因此將各成熟烤煙的每項(xiàng)外觀特征指標(biāo)放在一起進(jìn)行歸一化處理，再者考慮到“”與“”表征數(shù)據(jù)均為負(fù)值，為了能夠順利保障各指標(biāo)的綜合評(píng)判，因此將各樣本的“”與“”值統(tǒng)一取倒數(shù)之后再進(jìn)行歸一化處理。將各指標(biāo)對(duì)應(yīng)的歸一化數(shù)據(jù)與相應(yīng)的指標(biāo)權(quán)重進(jìn)行相乘運(yùn)算，之后將所有得分乘以100，得到各成熟檔次的綜合得分，可知欠熟檔次的得分在64.75～71.57分之間，尚熟檔次的得分在69.77～74.23分之間，適熟檔次在75.34～82.01分之間，過熟檔次在80.26～87.45分之間，可知不同成熟檔次的綜合得分在一定范圍內(nèi)有重合的現(xiàn)象發(fā)生。考慮到當(dāng)前烘烤技術(shù)的不斷進(jìn)步，烘烤設(shè)備的不斷更新，以及樣本選取的規(guī)模，通過咨詢業(yè)內(nèi)相關(guān)專家，最終對(duì)不同成熟烤煙的得分區(qū)域進(jìn)行修正，將欠熟檔次的最終得分確定在[0.0，70.0）分，尚熟檔次確定在[70.0，79.0)分，成熟檔次確定在[79.0，90.0]分，過熟檔次確定在(90.0，100]分。

表4 烤煙中部葉的成熟度得分

Tab.4 Maturity score of the middle leaves of flue-cured tobacco

2.3 烤煙成熟度判斷的算法簡(jiǎn)化

為進(jìn)一步簡(jiǎn)化考驗(yàn)成熟度量化模型，采用偏最小二乘判別（PLS-DA）以影響成熟度的10個(gè)指標(biāo)為自變量，成熟度（欠熟檔次用“1”表示，尚熟檔次用“2”表示，適熟檔次用“3”表示，過熟檔次用“4”表示）為因變量建立PLS-DA模型，計(jì)算成熟度指標(biāo)的VIP值（VIP值越大對(duì)烤煙成熟度的影響越大），篩選出影響烤煙成熟度的主要指標(biāo)，由圖2可知，不同指標(biāo)對(duì)烤煙成熟度均有一定的影響，其中影響影響較大（VIP>1）的4個(gè)指標(biāo)分別為紋理相關(guān)度、、以及，其VIP值分別為1.083、1064、1.052、1.035。

圖2 各影響烤煙成熟度指標(biāo)的VIP值

Fig. 2 VIP values of maturity indexes of flue cured tobacco

2.4 簡(jiǎn)化算法不同烤煙成熟度得分區(qū)域

通過對(duì)影響烤煙成熟度的各指標(biāo)進(jìn)行PLS-DA分析，可知紋理相關(guān)度、、以及的VIP值較大，可以作為評(píng)價(jià)烤煙成熟度的代表性指標(biāo)，因此挑選4個(gè)指標(biāo)DEMATLE分析所計(jì)算的中心度計(jì)算各指標(biāo)的權(quán)重，并將不同成熟度烤煙指標(biāo)數(shù)值經(jīng)過歸一化后與權(quán)重加權(quán)相加得到綜合得分。由表5可知，簡(jiǎn)化后欠熟檔次烤煙的得分區(qū)域在77.12～83.86分布，尚熟檔次烤煙的得分區(qū)域在81.37～85.05分布，適熟檔次烤煙的得分區(qū)域在85.75～89.83分布，過熟檔次烤煙的得分區(qū)域在91.14～98.44分布；同樣考慮到當(dāng)前煙葉生產(chǎn)技術(shù)的不斷提高，故而本著最大限度提高煙葉烘烤價(jià)值的原則，對(duì)烤煙的得分區(qū)域進(jìn)行修正，修正后結(jié)果為：欠熟檔次烤煙的得分區(qū)域在[0.0，81.0)分布，尚熟檔次烤煙的得分區(qū)域在[81.0，85.0)分布，適熟檔次烤煙的得分區(qū)域在[85.0，91.0]分布，過熟檔次烤煙的得分區(qū)域在(91.0，100]分布。

表5 算法簡(jiǎn)化后烤煙中部葉的成熟度得分

Tab.5 Maturity score of the middle leaves of flue-cured tobacco after algorithm simplication

2.5 模型結(jié)果驗(yàn)證

由圖3、4可知，在驗(yàn)證樣本中利用原始模型的結(jié)果有7個(gè)樣品識(shí)別錯(cuò)誤，而利用簡(jiǎn)化模型有9個(gè)樣品識(shí)別錯(cuò)誤，因此所建立模型識(shí)別的正確率為91.46%，而簡(jiǎn)化模型識(shí)別的正確率為89.02%。在識(shí)別錯(cuò)誤的樣品中，模型所識(shí)別的成熟檔次與專家判斷的成熟檔次為相鄰成熟檔次，因此可知所構(gòu)建的識(shí)別模型在對(duì)不同成熟度烤煙進(jìn)行識(shí)別時(shí)，基本均能有效達(dá)到成熟度識(shí)別的目的。雖然所建立的原始模型的正確率比簡(jiǎn)化模型的正確率高2.44%，但簡(jiǎn)化模型所選取的指標(biāo)較少，生產(chǎn)中能夠在很大程度降低勞動(dòng)成本的同時(shí)實(shí)現(xiàn)烤煙成熟度的高正確率識(shí)別。

圖3 原始模型結(jié)果驗(yàn)證

Fig.3 Verification results of original model

圖4 簡(jiǎn)化模型結(jié)果驗(yàn)證

Fig.4 Validation results of simplied model

3 討論

由于當(dāng)前烤煙成熟度的判斷主要是從烤煙的表面形態(tài)、顏色特征以及大小長(zhǎng)短等方面進(jìn)行的考量，而表面形態(tài)為煙葉表面的凸起褶皺等信息，會(huì)受到生態(tài)環(huán)境、品種以及生長(zhǎng)部位等因素的影響，煙葉表面的凸起褶皺會(huì)有一定的差異[3]，隨著煙葉成熟進(jìn)程的不斷推進(jìn)，煙葉內(nèi)淀粉等大分子物質(zhì)以及纖維素與果膠等物質(zhì)不斷降解，煙葉開始發(fā)軟形變，葉面褶皺與凸起會(huì)發(fā)生一定的變化，因此本研究采用紋理特征值對(duì)煙葉的褶皺與凸起進(jìn)行表征。故而本研究中以采后煙葉的紋理特征、顏色特征以及農(nóng)藝特征等3方面的葉面信息開展研究，結(jié)果表明，就大類別而言烤煙的紋理特征>顏色特征>農(nóng)藝特征，這可能是因?yàn)樵谀骋惶囟óa(chǎn)區(qū)烤煙成熟期農(nóng)藝性狀基本穩(wěn)定，而紋理特征主要解釋了烤煙表面的起伏褶皺情況，這一特征直接影響烤煙的成熟進(jìn)程與成熟的均勻性[15,26-27]，因此對(duì)烤煙成熟度的影響最大。鮮煙葉成熟度的判斷是一個(gè)對(duì)煙葉顏色、紋理、大小的綜合性判斷的結(jié)果，與路曉崇等[8]以及謝濱瑤等[15]的研究結(jié)果相比，當(dāng)前的研究多是將顏色與紋理單獨(dú)割裂的進(jìn)行研究，不能更好地將鮮煙葉成熟度的判斷作為一個(gè)系統(tǒng)進(jìn)行分析，本研究則研究了紋理與顏色的對(duì)鮮煙成熟度的影響程度大小，更加接近當(dāng)前煙葉的成熟采收標(biāo)準(zhǔn)的判斷流程。

本研究中建立了以煙葉的紋理特征、顏色特征以及農(nóng)藝特征等外觀特征為指標(biāo)的烤煙成熟度判定模型，結(jié)果表明所建立的模型驗(yàn)證樣本的準(zhǔn)確率達(dá)到了91.46%；為進(jìn)一步降低勞動(dòng)成本，提高模型可用性，采用PLS-DA法篩選出了紋理相關(guān)度、、以及等4個(gè)代表性成熟指標(biāo)，且簡(jiǎn)化模型驗(yàn)證樣本的準(zhǔn)確率達(dá)到了89.02%；所建立的2個(gè)模型的正確率雖然與李佛琳[19]（97%）、CHEN Yi[22]（97.3%）以及謝濱瑤等[15]（97.53%）的相比偏低，但本研究方法所需試驗(yàn)儀器成本較低，且僅需4個(gè)指標(biāo)即可獲得相對(duì)較高的正確率，實(shí)用性更強(qiáng)。同時(shí)，通過本方法可在較短的時(shí)間內(nèi)獲取較多的樣本量，進(jìn)一步增加了試驗(yàn)數(shù)據(jù)的可靠性。此外，本研究中各外觀特征的權(quán)重賦予是基于學(xué)者多年來不斷摸索出的生產(chǎn)經(jīng)驗(yàn)，因此本研究中所獲取的烤煙田間成熟度的判斷量化結(jié)果更接近生產(chǎn)實(shí)際。

本研究提出了一種鮮煙葉成熟度的判斷方法，為進(jìn)一步實(shí)現(xiàn)該技術(shù)在生產(chǎn)中的推廣應(yīng)用，可將采后煙葉放置在特定的裝置上，批量通過攝像頭采集鮮煙葉圖像，經(jīng)過模型計(jì)算，判斷鮮煙葉的成熟度，通過統(tǒng)計(jì)不同成熟檔次鮮煙葉的數(shù)量以及比例，并制定配套的烘烤工藝，進(jìn)而提高煙葉的烘烤質(zhì)量。但生產(chǎn)中鮮煙葉的厚度、顏色以及紋理會(huì)因煙葉品種[13, 15]、部 位[8,13]、栽培措施以及生態(tài)環(huán)境[28]不同而存在較大差異，本研究尚未將以上信息進(jìn)行整理融合，下一步將圍繞不同烤煙品種、部位、栽培措施以及生態(tài)環(huán)境下的不同成熟度鮮煙葉顏色特征與紋理特征的差異開展研究，將品種、部位、栽培措施以及生態(tài)環(huán)境等因素納入鮮煙成熟度的量化體系中，進(jìn)而提升模型的實(shí)用性和推廣價(jià)值。

4 結(jié)論

本研究中發(fā)現(xiàn)烤煙葉面特征信息對(duì)烤煙成熟的影響大小順序?yàn)椋杭y理特征>顏色特征>農(nóng)藝特征。利用偏最小二乘回歸法篩選出了紋理相關(guān)度、、以及4個(gè)代表性指標(biāo)可以表征成熟度。通過對(duì)4個(gè)指標(biāo)進(jìn)行賦權(quán)加和，并考慮到當(dāng)前的生產(chǎn)實(shí)際，最終確定欠熟檔次的得分區(qū)域?yàn)閇0.0，81.0)分，尚熟檔次確定區(qū)域?yàn)閇81.0，85.0)分，成熟檔次確定區(qū)域?yàn)閇85.0，91.0]分，過熟檔次確定區(qū)域?yàn)?91.0，100]分；并隨機(jī)選取驗(yàn)證樣本對(duì)模型進(jìn)行驗(yàn)證，結(jié)果表明所建立的原始成熟度識(shí)別模型的正確率達(dá)到91.28%，簡(jiǎn)化成熟度識(shí)別模型的正確率達(dá)到89.04%。

[1] 歐明毅，劉素參，馬坤. 不同成熟度采收對(duì)濃香型烤煙上部煙葉產(chǎn)值及品質(zhì)的影響[J]. 作物研究，2018, 32(1): 42-46.

OU Mingyi, LIU Sucan, MA Kun. Effect of different harvest maturity on yield and quality of upper tobacco leaves with full aroma style[J]. Crop Research, 2018, 32(1): 42-46.

[2] 陳頤，鄭竹山，王建兵，等. 不同成熟度烤煙烘烤過程中游離氨基酸及轉(zhuǎn)氨酶活性變化[J]. 中國(guó)煙草科學(xué)，2019, 40(3): 75-83.

CHEN Yi, ZHENG Zhushan, WANG Jianbing, et al. Study on changes of free amino acids and transaminase activities in tobacco leaves with different maturity during flue-curing process[J]. Chinese Tobacco Science, 2019, 40(3): 75-83.

[3] 宮長(zhǎng)榮，楊煥文，艾復(fù)清，等. 煙草調(diào)制學(xué)[M]. 北京：中國(guó)農(nóng)業(yè)出版社，2003.

GONG Changrong, YANG Huanwen, AI Fuqing, et al. Tobacco curing[M]. Beijing: Chinese Agricultural Press, 2003.

[4] 楊睿，賓俊，蘇家恩，等. 基于近紅外光譜與圖像識(shí)別技術(shù)融合的煙葉成熟度的判別[J]. 湖南農(nóng)業(yè)大學(xué)學(xué)報(bào)（自然科學(xué)版），2021, 47(4): 406-411.

YANG Rui, BIN Jun, SU Jiaen, et al. Identification of tobacco leaf maturity based on the fusion of near infrared spectroscopy and image recognition[J]. Journal of Hunan Agricultural University (Natural Sciences), 2021, 47(4): 406-411．

[5] 陸振山. 基于 ResNet 的煙葉成熟度判定研究與應(yīng)用[D]. 桂林：桂林電子科技大學(xué)，2022.

LU Zhenshan. Research and application of tobacco maturity determination based on ResNet[D]. Guilin: Guilin University of Electronic Technolgy, 2022.

[6] 儲(chǔ)偉杰. 基于圖像信息的煙葉成熟度判定研究[D]. 南京：南京農(nóng)業(yè)大學(xué)，2020

CHU Weijie. Study on tobacco leaf maturity determination based on image information[D]. Nanjing: Nanjing Agricultural University, 2020.

[7] 路曉崇，楊超，王松峰，等. 基于圖像分析技術(shù)的烤煙上部葉采收成熟度判別[J]. 煙草科技，2021, 54(5): 31-37.

LU Xiaochong, YANG Chao, WANG Songfeng, et al. Harvest maturity discrimination of upper leaves of flue-cured tobacco based on image analysis technology[J]. Tobacco Science and Technology, 2021, 54(5): 31-37.

[8] 謝濱瑤. 基于圖像處理的煙葉成熟度鑒別方法[D]. 重慶：西南大學(xué)，2020.

XIE Binyao. Tobacco leaf maturity identification method based on image processing [D]. Chongqing: Southwest University,2020.

[9] 孫陽(yáng)，李青山，譚效磊，等. 鮮煙葉高光譜特征與顏色分析及其關(guān)系研究[J]. 中國(guó)煙草學(xué)報(bào)，2018,24(4):55-64.

SUN Yang, LI Qingshan, TAN Xiaolei, et al. Research on hyperspectral characteristics and color analysis of fresh tobacco leaves and their Relationship[J]. Acta Tabacaria Sinica, 2018, 24(4):55-64.

[10] 王承偉，賓俊，范偉，等. 基于近紅外光譜技術(shù)結(jié)合隨機(jī)森林的煙葉成熟度快速判別[J]. 西南農(nóng)業(yè)學(xué)報(bào)，2017,30(4):931-936.

WANG Chengwei, BIN Jun, FAN Wei, et al. Rapid identification of tobacco leaf maturity based on near-infrared spectroscopy combined with random forest[J]. Southwest China Journal of Agricultural Sciences,2017,30(4):931-936.

[11] 趙晨，趙浩斌，路曉崇，等. 基于輪廓紋理特征和線性判別分析的鮮煙葉部位識(shí)別方法[J]. 河南農(nóng)業(yè)科學(xué)，2022,51(10):161-168.

ZHAO Chen, ZHAO Haobin, LU Xiaochong, et al. Green tobacco position identification method based on contourtexture features and LDA[J]. Journal of Henan Agricultural Sciences,2022,51(10): 161-168.

[12] 李嘉康，陶智麟，徐波，等. 基于隨機(jī)森林的煙葉紋理定量分析[J]. 湖北農(nóng)業(yè)科學(xué)，2022,61(14):155-159.

LI Jiakang, TAO Zhilin, XU Bo, et al. Quantitative analysis of tobacco texture based on random forest[J].Hubei Agricultural Sciences,2022,61(14):155-159.

[13] 宋朝鵬，路曉崇，裴曉東，等. 烘烤過程中烘烤環(huán)境對(duì)烤煙外觀特征的影響[J]. 西北農(nóng)林科技大學(xué)學(xué)報(bào)（自然科學(xué)版），2017, 45(4):71-78.

SONG Zhaopeng, LU Xiaochong, PEI Xiaodong, et al. The influence of curing environment on tobacco morphology feature in curing process[J]. Journal of Northwest A&F University (Naturel Science Edition), 2017,45(4):71-78.

[14] 劉劍君，楊鐵釗，朱寶川，等. 基于數(shù)字圖像數(shù)據(jù)的烤煙成熟度指數(shù)研究[J]. 中國(guó)煙草學(xué)報(bào)，2013, 19(3): 61-66.

LIU Jianjun, YANG Tiezhao, ZHU Baochuan, et al. Study on maturity index of flue-cured tobacco leaves based on digital image processing technique[J]. Acta Tabacaria Sinica, 2013, 19(3): 61-66.

[15] 謝濱瑤，祝詩(shī)平，黃華. 基于BPNN和SVM的煙葉成熟度鑒別模型[J]. 中國(guó)煙草學(xué)報(bào)，2019, 25(1): 45-50.

XIE Binyao, ZHU Shiping, HUANG Hua. Model for identification of tobacco leaf maturity based on BPNN and SVM[J]. Acta Tabacaria Sinica, 2019, 25(1): 45-50.

[16] 汪睿琪，張炳輝，顧鋼，等. 基于YOLOv5的鮮煙葉成熟度識(shí)別模型研究[J]. 中國(guó)煙草學(xué)報(bào)，2023, 29(2):46-55.

WANG Ruiqi, ZHANG Binghui, GU Gang, et al. Recognition model of tobacco fresh leaf maturity based on YOLOv5[J]. Acta Tabacaria Sinica, 2023, 29(2):46-55.

[17] 林天然，姚爭(zhēng)毅，常鵬飛，等. 基于葉片圖像復(fù)合參數(shù)的煙葉成熟度判定模型[J]. 貴州農(nóng)業(yè)科學(xué)，2022, 50(8): 134-141.

LIN Tianran, YAO Zhengyi, CHANG Pengfei, et al. Judgment model of tobacco maturity based on leaf image composite parameters[J]. Guizhou Agricultural Sciences, 2022, 50(8): 134-141.

[18] 李俊賢. 基于深度學(xué)習(xí)的鮮煙成熟度與烤煙等級(jí)識(shí)別研究[D]. 重慶：西南大學(xué)，2022.

LI Junxian. Recognition of fresh tobacco maturity and flue-cured tobacco grade based on deep learning[D]. Chongqing: Southwest University,2022.

[19] 李佛琳，趙春江，王紀(jì)華，等. 一種基于反射光譜的烤煙鮮煙葉成熟度測(cè)定方法[J]. 西南大學(xué)學(xué)報(bào)（自然科學(xué)版），2008, 30(10): 51-55.

LI Folin, ZHAO Chunjiang, WANG Jihua, et al. A reflection spectrum-based method for determining the maturity grades of fresh flue-cured tobacco leaves[J]. Journal of Southwest University (Natural Science Edition), 2008, 30(10): 51-55.

[20] 劉紅蕓，吳雪梅，張富貴，等. 基于PLS-DA煙葉成熟度判別模型研究[J]. 計(jì)算機(jī)與數(shù)字工程2022.50(9): 2083-2088.

LIU Hongyun, WU Xuemei, ZHANG Fugui, et al. Research on Discriminate Model of Tobacco Leaves Maturity Based on PLS- DA[J].Computer & Digital Engineering, 2022.50(9):2083-2088.

[21] 李佛琳，趙春江，王紀(jì)華，等. 不同成熟度烤煙鮮葉的高光譜響應(yīng)及其判別分析[J]. 福建農(nóng)林大學(xué)學(xué)報(bào)（自然科學(xué)版），2008, 37(6): 565-569.

LI Folin, ZHAO Chunjiang, WANG Jihua, et al. Spectral characteristic of flue-cured Virginia tobacco leaves of different maturity grades and spectra discriminant classification[J]. Journal of Fujian Agriculture and Forestry University (Natural Science Edition), 2008, 37(6): 565-569.

[22] CHENYi,BINJun, ZOUCongming, et al. Discrimination of fresh tobacco leaves with different maturity levels by near-infrared (NIR) spectroscopy and deep learning. J. Anal. Methods Chem. 2021, 2021, 9912589.

[23] LU Xiaochong, ZHAO Chen, QIN Yanqing, et al. The Application of hyperspectral images in the classification of fresh leaves’ maturity for flue-curing tobacco. Processes 2023, 11:1249.

[24] 黃飛宏，李興成，王凱，等. 基于灰度共生矩陣紋理特征和MLP的二極管字符識(shí)別[J]. 江蘇理工學(xué)院學(xué)報(bào)，2023, 29(2): 64-71.

HUANG Feihong, LI Xingcheng, WANG Kai, et al. Diode character recognition based on gray level co-occurrence matrix texture feature and MLP[J]. Journal of Jiangsu University of Science and Technology,2023, 29(2): 64-71.

[25] 馬鵬閣，魏宏光，孫俊靈，等. 基于高斯-拉普拉斯濾波的增強(qiáng)局部對(duì)比度紅外小目標(biāo)檢測(cè)算法[J]. 兵工學(xué)報(bào)，2023,44(4): 1041-1049.

MA Pengge, WEI Hongguang, SUN Junling, et al. Infrared Small target detection algorithm with enhanced Local contrast based on Gauss-Laplacian filtering[J]. Acta Armamentarii,2023,44(4): 1041-1049.

[26] 李齊霖，金江華，李旭，等. 采收成熟度對(duì)稻茬烤煙上部6片煙葉質(zhì)量的影響[J]. 作物研究，2023,37(1):41-48.

LI Qilin, JIN Jianghua, LI Xu, et al. Effect of harvesting maturity on the quality of the upper six leaves of rice crop flue-cured tobacco[J]. Crop Research,2023,37(1):41-48.

[27] 劉輝，祖慶學(xué)，王松峰，等. 不同成熟度對(duì)鮮煙素質(zhì)和烤后煙葉質(zhì)量的影響[J]. 中國(guó)煙草科學(xué)，2020,41(2):66-71,78.

LIU Hui, ZU Qingxue, WANG Songfeng, et al. Effect of different maturity on the quality features of fresh and cured tobacco[J]. Chinese Tobacco Science, 2020, 41(2): 66-71,78.

[28] 王廷賢，鄭小雨，張廣東，等. 烤煙生態(tài)環(huán)境和紋理特征的典型相關(guān)分析[J]. 昆明學(xué)院學(xué)報(bào)，2019,41(6):18-23.

WANG Yanxian, ZHENG Xiaoyu, ZHANG Guangdong, et al. Typical correlation analysis between flue-cured tobacco ecological environment and texture characteristics[J]. Journal of Kunming University, 2019,41(6):18-23.

A preliminary investigation on the quantification of the harvesting maturity of flue-cured tobacco middle leaf based on leaf surface characteristics

PEI Xiaodong1, ZHAO Chen2, WU Jincao3, ZHANG Wenjun1, LI Fan1, WANG Jianwen1, LIU Youxiong1, LI Jiaojiao1, LI Shengdong4, LU Xiaochong2*

1 Changsha City Corporation of China National Tobacco Corporation, Changsha Hunan 410000, China;2 College of Tobacco, Henan Agricultural University, Zhengzhou, Henan 450002, China;3 Jiangsu China Tobacco Industry Company Limited, Nanjing, Jiangsu 210019, China;4 Qujing City Corporation of Yunnan Province Tobacco Company, Qujing, Yunnan 655000, China

This study aims to promote the realization of digital judgment of flue-cured tobacco harvesting maturity.746 tobacco samples collected from the central part of Yunnan Tobacco 87 were classified according to four grades: under-ripe, still-ripe, moderately ripe and over-ripe, and the fuzzy DEMATEL analysis method was used to assign weights to the leaf surface characteristics of flue-cured tobacco in three aspects: agronomic characteristics, color characteristics and texture characteristics. After that, the partial least squares discriminant (PLS-DA) method was used to simplify the quantification model of the harvesting maturity of the flue-cured tobacco, and the robustness of the model was verified.The results showed that: (1) the final score for the under-ripe grade was determined as [0.0, 81.0), and the final score for the under-ripe grade was determined as [0.0, 81.0). (2) The final scores of under-ripe grades were determined as [0.0, 81.0), under-ripe grades as [81.0, 85.0), under-ripe grades as [85.0, 91.0], and over-ripe grades as (91.0, 100]; (3) The results of the optimized maturity recognition model had a correct rate of 89.04%.The maturity of flue-cured tobacco was quantified by collecting the leaf surface characteristics of fresh tobacco leaves.

flue-cured tobacco; maturity quantification; Fuzzy DEMATEL analysis; partial least-squares discrimination analysis

. Email：luxiaochong@126.com

中國(guó)煙草總公司長(zhǎng)沙市公司資助項(xiàng)目“煙葉密集烘烤增容提質(zhì)關(guān)鍵技術(shù)研究”（2022430100240141）

裴曉東（1979—），農(nóng)藝師，碩士，主要從事烤煙烘烤研究與技術(shù)推廣工作，Tel：13765422275，Email：buwangchuxin12@163.com

路曉崇（1988—），Tel：13069578686，Email：luxiaochong@126.com

2023-06-02；

2023-10-24

裴曉東，趙晨，武勁草，等. 基于葉面特征的烤煙中部葉采收成熟度量化初探[J]. 中國(guó)煙草學(xué)報(bào)，2024，30（1）. PEI Xiaodong, ZHAO Chen, WU Jincao, et al. A preliminary investigation on the quantification of the harvesting maturity of flue-cured tobacco middle leaf based on leaf surface characteristics[J]. Acta Tabacaria Sinica, 2024, 30(1). doi:10.16472/j.chinatobacco.2023.074