基于葉面特征的烤煙中部葉采收成熟度量化初探

裴曉東，趙晨，武勁草，張文軍，李帆，王建文，劉優雄，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，劉優雄1，李姣姣1，李生棟4，路曉崇2*

1 中國煙草總公司長沙市公司，湖南長沙 410000；2 河南農業大學煙草學院，河南鄭州 450002；3 江蘇中煙工業有限責任公司，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】推進烤煙采收成熟度數字化判斷的實現?！痉椒ā恳栽茻?7中部煙葉為試驗材料，將采集的746個煙葉樣品按照欠熟、尚熟、適熟和過熟4個檔次進行分類，利用模糊DEMATEL分析法對烤煙的農藝特征、顏色特征以及紋理特征3方面的葉面特征指標進行權重賦予，初步得到不同成熟度烤煙的得分區域，之后采用偏最小二乘判別（PLS-DA）法簡化烤煙采收成熟度量化模型，并對該模型的魯棒性進行驗證?！窘Y果】（1）欠熟檔次的最終得分確定區域為[0.0，81.0) 分，尚熟檔次確定區域為[81.0，85.0) 分，成熟檔次確定區域為[85.0，91.0]分，過熟檔次確定區域為(91.0，100]分；（2）所構建的成熟度識別模型的正確率達到89.04%?！窘Y論】通過采集鮮煙葉的葉面特征可以對烤煙的進行成熟度量化。

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，是保障烤煙質量的前提[1-2]，國內已建立了一套比較完善的烤煙成熟采收標準[3]，但該標準是一種描述性標準，且受人為因素的影響較大，不同人在不同時間對烤煙成熟度做出的判斷亦不同，導致烤煙成熟度判斷的錯誤率上升[4]。因此，將烤煙采收成熟度的識別由經驗為主導轉變為以數字化為主導[5-6]，對推動現代煙草農業的發展有一定的促進作用。近年來一些國內外學者將圖像處理技術、神經網絡技術以及高光譜技術應用于烤煙生產以及成熟度識別中[7-11]。而圖像處理技術主要研究物體的顏色特征與紋理特征[12-14]。劉劍君等[13]對不同成熟度烤煙的RGB圖像進行研究用來計算烤煙的成熟指數，結果表明計算出的成熟度指數與人工感官識別的煙葉經驗成熟度有很好的關聯度。謝濱瑤[14]、汪睿琪[15]、林天然[16]等利用神經網絡模型實現了對鮮煙葉成熟度的判別，雖然所采用的網絡模型不同，但三人所構建模型的識別率均達到了93%以上，可知神經網絡技術在鮮煙葉的成熟度識別方面有較大的優勢[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神經網絡模型成功預測了煙葉的成熟度，使得預測值與實際值的決定系數達到了0.9855。近年來隨著光譜技術的越來越成熟，越來越多的學者將高光譜技術應用到烤煙成熟度的識別[18-19]，且取得了較好的識別效果，正確率均達到了93%以上[19-20]，最高達到了98%[21]。然而，目前關于利用圖像處理技術對不同烤煙成熟檔次指標閾值確定方面的研究鮮有報道。為此，基于傳統烤煙成熟度判斷標準（眼觀、手摸），本研究將烤煙的葉面信息分為農藝特征、顏色特征、紋理特征3方面進行綜合評判，旨在篩選出影響烤煙成熟度的代表性指標，得到基于烤煙外觀特征的不同成熟度得分區間，進而實現烤煙成熟度的量化。

1 材料與方法

1.1 試驗材料

試驗于2021—2022年在湖南省長沙市瀏陽市北盛鎮開展，產區海拔700～800 m，供試土壤為黃壤土，pH 5.48，有機質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。試驗田前茬作物為油菜，由于云煙 87作為湖南煙區的主栽品種，且各卷煙企業對中部葉的需求較多，因此以云煙87中部葉為研究對象開展相關研究。

1.2 試驗方法

隨機挑選746片采收后的烤煙中部煙葉（9～11位葉），邀請7位長期從事烤煙采烤工作的專家依據烤煙傳統的成熟采收標準[3]，對采集的樣品成熟度進行綜合判斷，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。之后采用螺旋測微儀（桂林廣陸數字測控有限公司）對不同部位烤煙的厚度進行測量，并制作長、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鏡頭。在暗箱底部鋪滿黑色棉布，并在暗箱頂部中間位置設置一個敏宏士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（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，并獲取采集的煙葉灰度共生矩陣，計算圖像的紋理能量、紋理熵、紋理慣性矩和紋理相關度4個紋理特征值。運用模糊DEMATEL分析法對烤煙外觀特征的各指標進行權重賦予，并計算相應成熟度烤煙的綜合得分區域。為進一步簡化模型，使用SIMCA 14.1軟件對影響烤煙成熟度的指標進行偏最小二乘判別（PLS-DA）分析，篩選出代表性指標，建立成熟度簡化識別模型，計算簡化后的烤煙成熟度綜合得分區域，并額外隨機選取82片烤煙進行模型魯棒性驗證。

1.2.1 圖像預處理

由于受到相機傳感器材料的屬性、電路結構、拍攝環境等因素的限制，使用相機采集的圖片大多會存在噪點和雜質[22]，因此必須通過圖像增強（濾波）來消除噪聲進而改善圖像質量。高斯濾波因其對圖像的模糊程度較小，能夠保持圖像的整體細節在圖像處理方面的應用越來越廣泛[23-24]。因此本研究選用高斯濾波對采集到的煙葉圖像進行濾波處理，經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，紋理特征體現全局特征的性質的同時，也描述了圖像或圖像區域所對應景物的表面性質。先利用HT-UBS500MCCD相機采集煙葉圖像，再用Matlab2018b軟件的圖像分析工具計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度，能量越大，紋理越細膩光滑；

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：反映圖像灰度復雜程度，其值越大，圖像溝紋越明顯；

紋理相關度：反映圖像紋理的一致性，值越大一致性越好。

計算公式：

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；表示圖像灰度級數；p表示歸一化后的灰度共生矩陣元素，-。

1.2.3 模糊DEMATEL分析實現過程

構建模糊DEMATEL模型所用的語言算子及對應的三角模糊數（表1）。

表1 語言變量及其三角模糊數的取值

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

利用表1的語言算子及對應三角模糊數，構建了各個因素對其它因素影響的三角模糊直接影響矩陣為：

然后將式（1）標準化：

通過矩陣間計算得到綜合影響矩陣：

1.2.4 各影響因素的打分結果

根據科學性和全面性的原則，以面向大范圍煙區為目的，通過系統分析，調查歸納總結，確定出影響烤煙生長發育的3類10個外觀因素，農藝特征：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)、紋理相關度(A)。聘請長期從事烤煙生產科研的專業人員3名，利用德爾菲法（Delphi Method），采用10分制（>0，≤2分無影響（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)）對確定的影響煙葉烤煙成熟度判斷的10個因素的影響程度進行打分，并將所打的分數求均值后轉換成模糊語言算子。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，而紋理特征因子對農藝特征因子與顏色特征因子有較大的影響。

表2 各影響因素打分轉化為語言算子

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

1.2.5 不同識別模型準確率的綜合評價

為保障所建立的成熟度識別模型的有效性，額外隨機選取82片烤煙中部葉（9～11葉位）作為驗證樣品，首先對所選取的驗證樣品的成熟度進行專家分類，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，然后對驗證樣品的葉面特征指標進行測量，分別利用原始模型與簡化模型計算其綜合得分，并將綜合得分依次歸入相應的成熟檔次。

2 結果與分析

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域

由于各外觀指標的中心度代表了該指標對整個成熟度評價體系的影響程度，因此以各指標中心度值與所有中心度之和的比值作為該指標對烤煙田間成熟影響的權重，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。由于各指標間的單位數值差異較大，因此將各成熟烤煙的每項外觀特征指標放在一起進行歸一化處理，再者考慮到“”與“”表征數據均為負值，為了能夠順利保障各指標的綜合評判，因此將各樣本的“”與“”值統一取倒數之后再進行歸一化處理。將各指標對應的歸一化數據與相應的指標權重進行相乘運算，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有重合的現象發生?？紤]到當前烘烤技術的不斷進步，烘烤設備的不斷更新，以及樣本選取的規模，通過咨詢業內相關專家，最終對不同成熟烤煙的得分區域進行修正，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化

為進一步簡化考驗成熟度量化模型，采用偏最小二乘判別（PLS-DA）以影響成熟度的10個指標為自變量，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，計算成熟度指標的VIP值（VIP值越大對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，由圖2可知，不同指標對烤煙成熟度均有一定的影響，其中影響影響較大（VIP>1）的4個指標分別為紋理相關度、、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的VIP值

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

2.4 簡化算法不同烤煙成熟度得分區域

通過對影響烤煙成熟度的各指標進行PLS-DA分析，可知紋理相關度、、以及的VIP值較大，可以作為評價烤煙成熟度的代表性指標，因此挑選4個指標DEMATLE分析所計算的中心度計算各指標的權重，并將不同成熟度烤煙指標數值經過歸一化后與權重加權相加得到綜合得分。由表5可知，簡化后欠熟檔次烤煙的得分區域在77.12～83.86分布，尚熟檔次烤煙的得分區域在81.37～85.05分布，適熟檔次烤煙的得分區域在85.75～89.83分布，過熟檔次烤煙的得分區域在91.14～98.44分布；同樣考慮到當前煙葉生產技術的不斷提高，故而本著最大限度提高煙葉烘烤價值的原則，對烤煙的得分區域進行修正，修正后結果為：欠熟檔次烤煙的得分區域在[0.0，81.0)分布，尚熟檔次烤煙的得分區域在[81.0，85.0)分布，適熟檔次烤煙的得分區域在[85.0，91.0]分布，過熟檔次烤煙的得分區域在(91.0，100]分布。

表5 算法簡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 模型結果驗證

由圖3、4可知，在驗證樣本中利用原始模型的結果有7個樣品識別錯誤，而利用簡化模型有9個樣品識別錯誤，因此所建立模型識別的正確率為91.46%，而簡化模型識別的正確率為89.02%。在識別錯誤的樣品中，模型所識別的成熟檔次與專家判斷的成熟檔次為相鄰成熟檔次，因此可知所構建的識別模型在對不同成熟度烤煙進行識別時，基本均能有效達到成熟度識別的目的。雖然所建立的原始模型的正確率比簡化模型的正確率高2.44%，但簡化模型所選取的指標較少，生產中能夠在很大程度降低勞動成本的同時實現烤煙成熟度的高正確率識別。

圖3 原始模型結果驗證

Fig.3 Verification results of original model

圖4 簡化模型結果驗證

Fig.4 Validation results of simplied model

3 討論

由于當前烤煙成熟度的判斷主要是從烤煙的表面形態、顏色特征以及大小長短等方面進行的考量，而表面形態為煙葉表面的凸起褶皺等信息，會受到生態環境、品種以及生長部位等因素的影響，煙葉表面的凸起褶皺會有一定的差異[3]，隨著煙葉成熟進程的不斷推進，煙葉內淀粉等大分子物質以及纖維素與果膠等物質不斷降解，煙葉開始發軟形變，葉面褶皺與凸起會發生一定的變化，因此本研究采用紋理特征值對煙葉的褶皺與凸起進行表征。故而本研究中以采后煙葉的紋理特征、顏色特征以及農藝特征等3方面的葉面信息開展研究，結果表明，就大類別而言烤煙的紋理特征>顏色特征>農藝特征，這可能是因為在某一特定產區烤煙成熟期農藝性狀基本穩定，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程與成熟的均勻性[15,26-27]，因此對烤煙成熟度的影響最大。鮮煙葉成熟度的判斷是一個對煙葉顏色、紋理、大小的綜合性判斷的結果，與路曉崇等[8]以及謝濱瑤等[15]的研究結果相比，當前的研究多是將顏色與紋理單獨割裂的進行研究，不能更好地將鮮煙葉成熟度的判斷作為一個系統進行分析，本研究則研究了紋理與顏色的對鮮煙成熟度的影響程度大小，更加接近當前煙葉的成熟采收標準的判斷流程。

本研究中建立了以煙葉的紋理特征、顏色特征以及農藝特征等外觀特征為指標的烤煙成熟度判定模型，結果表明所建立的模型驗證樣本的準確率達到了91.46%；為進一步降低勞動成本，提高模型可用性，采用PLS-DA法篩選出了紋理相關度、、以及等4個代表性成熟指標，且簡化模型驗證樣本的準確率達到了89.02%；所建立的2個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儀器成本較低，且僅需4個指標即可獲得相對較高的正確率，實用性更強。同時，通過本方法可在較短的時間內獲取較多的樣本量，進一步增加了試驗數據的可靠性。此外，本研究中各外觀特征的權重賦予是基于學者多年來不斷摸索出的生產經驗，因此本研究中所獲取的烤煙田間成熟度的判斷量化結果更接近生產實際。

本研究提出了一種鮮煙葉成熟度的判斷方法，為進一步實現該技術在生產中的推廣應用，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，經過模型計算，判斷鮮煙葉的成熟度，通過統計不同成熟檔次鮮煙葉的數量以及比例，并制定配套的烘烤工藝，進而提高煙葉的烘烤質量。但生產中鮮煙葉的厚度、顏色以及紋理會因煙葉品種[13, 15]、部 位[8,13]、栽培措施以及生態環境[28]不同而存在較大差異，本研究尚未將以上信息進行整理融合，下一步將圍繞不同烤煙品種、部位、栽培措施以及生態環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、栽培措施以及生態環境等因素納入鮮煙成熟度的量化體系中，進而提升模型的實用性和推廣價值。

4 結論

本研究中發現烤煙葉面特征信息對烤煙成熟的影響大小順序為：紋理特征>顏色特征>農藝特征。利用偏最小二乘回歸法篩選出了紋理相關度、、以及4個代表性指標可以表征成熟度。通過對4個指標進行賦權加和，并考慮到當前的生產實際，最終確定欠熟檔次的得分區域為[0.0，81.0)分，尚熟檔次確定區域為[81.0，85.0)分，成熟檔次確定區域為[85.0，91.0]分，過熟檔次確定區域為(91.0，100]分；并隨機選取驗證樣本對模型進行驗證，結果表明所建立的原始成熟度識別模型的正確率達到91.28%，簡化成熟度識別模型的正確率達到89.04%。

[1] 歐明毅，劉素參，馬坤. 不同成熟度采收對濃香型烤煙上部煙葉產值及品質的影響[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氨酶活性變化[J]. 中國煙草科學，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] 宮長榮，楊煥文，艾復清，等. 煙草調制學[M]. 北京：中國農業出版社，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別技術融合的煙葉成熟度的判別[J]. 湖南農業大學學報（自然科學版），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用[D]. 桂林：桂林電子科技大學，2022.

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

[6] 儲偉杰. 基于圖像信息的煙葉成熟度判定研究[D]. 南京：南京農業大學，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，2020.

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

[9] 孫陽，李青山，譚效磊，等. 鮮煙葉高光譜特征與顏色分析及其關系研究[J]. 中國煙草學報，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結合隨機森林的煙葉成熟度快速判別[J]. 西南農業學報，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別方法[J]. 河南農業科學，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. 基于隨機森林的煙葉紋理定量分析[J]. 湖北農業科學，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. 烘烤過程中烘烤環境對烤煙外觀特征的影響[J]. 西北農林科技大學學報（自然科學版），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. 基于數字圖像數據的烤煙成熟度指數研究[J]. 中國煙草學報，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，祝詩平，黃華. 基于BPNN和SVM的煙葉成熟度鑒別模型[J]. 中國煙草學報，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的鮮煙葉成熟度識別模型研究[J]. 中國煙草學報，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，姚爭毅，常鵬飛，等. 基于葉片圖像復合參數的煙葉成熟度判定模型[J]. 貴州農業科學，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. 基于深度學習的鮮煙成熟度與烤煙等級識別研究[D]. 重慶：西南大學，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，王紀華，等. 一種基于反射光譜的烤煙鮮煙葉成熟度測定方法[J]. 西南大學學報（自然科學版），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]. 計算機與數字工程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，王紀華，等. 不同成熟度烤煙鮮葉的高光譜響應及其判別分析[J]. 福建農林大學學報（自然科學版），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的二極管字符識別[J]. 江蘇理工學院學報，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局部對比度紅外小目標檢測算法[J]. 兵工學報，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. 采收成熟度對稻茬烤煙上部6片煙葉質量的影響[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，王松峰，等. 不同成熟度對鮮煙素質和烤后煙葉質量的影響[J]. 中國煙草科學，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. 烤煙生態環境和紋理特征的典型相關分析[J]. 昆明學院學報，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

中國煙草總公司長沙市公司資助項目“煙葉密集烘烤增容提質關鍵技術研究”（2022430100240141）

裴曉東（1979—），農藝師，碩士，主要從事烤煙烘烤研究與技術推廣工作，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]. 中國煙草學報，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