煙草香級智能集成分類方法

鄧晨曦

摘要：針對煙草化學(xué)成分與卷煙制品香級之間確定的數(shù)學(xué)模型難以建立的問題。該文提出了一種基于智能算法的煙草香級集成分類方法。對比實驗結(jié)果表明，該文算法在分類準(zhǔn)確度上具有較大的優(yōu)勢，證明了該文算法的有效性。從而為煙草的香級分類提供了可靠依據(jù)。

關(guān)鍵詞：智能算法；煙草；香級分類

中圖分類號：TP273+.21 文獻(xiàn)標(biāo)識碼：A 文章編號：1009-3044（2016）24-0006-02

Abstract： The problem of establishing the mathematical model of the cigarette chemical composition and cigarette product fragrance grade is difficult to establish. In this paper， a tobacco aroma ensemble classification method based on intelligent algorithm is proposed. Finally， the classification results are obtained by majority voting. Experimental results show that the algorithm has a large advantage in the classification accuracy， and the effectiveness of the proposed algorithm is demonstrated.. Thus it can provide the reliable basis for the tobacco aroma classification.

Key words： intelligent algorithm； tobacco； aroma classification

在人們生活水平和消費水平不斷提高的今天，優(yōu)質(zhì)和高檔香煙的市場在不斷地擴(kuò)大，就我國而言就有3.5億多煙民，所以如何提高煙葉品質(zhì)和競爭力是各個烤煙廠商迫切需要解決的問題。2015年，我國的煙草行業(yè)每年的稅收超過11000億元，大約占到國民收入10%以上。煙草品質(zhì)的高低是決定其市場競爭力，對煙草品質(zhì)的評價與分級國內(nèi)外已經(jīng)開展了不少研究[1，2]。

目前對煙草的內(nèi)在質(zhì)量評價，行業(yè)所采用的標(biāo)準(zhǔn)是靠感官評吸，具有較大的人為因素和不確定度。因此，煙草的內(nèi)在質(zhì)量評價，作為目前卷煙行業(yè)技術(shù)工作而言，是一項急需解決的問題。對于煙草內(nèi)在質(zhì)量評價體系的研究方面，目前的研究基本上是集中在常規(guī)化學(xué)成分的定性和定量分析以及部分化學(xué)成分的定性分析，對于影響煙草內(nèi)在質(zhì)量的各種化學(xué)成分的定性和定量分析以及系統(tǒng)的評價，尚未有全面的報道。由于煙葉的質(zhì)量是經(jīng)過燃燒后進(jìn)行評價的，對于煙葉中各種成分在燃燒后對內(nèi)在質(zhì)量的影響，是一個非常重要的內(nèi)容，如何建立起完善的內(nèi)在質(zhì)量評價體系，來通過化學(xué)成分的變化，對煙草包括煙葉、卷煙進(jìn)行完整和系統(tǒng)的質(zhì)量評價，是非常重要和緊迫的。如何尋找一種可行而且合理有效的方法，可否采用化學(xué)成分的含量規(guī)律和變化來判斷煙草的質(zhì)量[3]，這樣便可以克服人為的因素，對煙草行業(yè)提高產(chǎn)品質(zhì)量，會起到積極的意義。

在煙草質(zhì)量的評價體系中，煙草質(zhì)量評價涉及外觀、物理、化學(xué)、感官和煙氣等多個指標(biāo)體系，眾多的指標(biāo)增加了評價的難度。煙草的外觀、感官、煙氣等是化學(xué)成分的外在表現(xiàn)，用化學(xué)成分評價煙草質(zhì)量相對較為客觀，也含有較豐富的煙草品質(zhì)信息。特別是紅外線分析技術(shù)的發(fā)展，煙草中化學(xué)成分的測定也變得更加簡便和快速，這也正是今后煙草質(zhì)量評價的發(fā)展趨勢。目前煙草質(zhì)量評價方法主要有外觀質(zhì)量評價法、常規(guī)化學(xué)成分評價法、感官評吸評價法等[4-6]。

卷煙制品的香級是根據(jù)人受到煙草致香成分刺激后產(chǎn)生的主觀感受來制定的，這一過程具有弱隨機(jī)性。這需要計算機(jī)輔助煙草香級評定解決兩個方面的問題，一方面，傳統(tǒng)數(shù)理統(tǒng)計方法只能分析影響卷煙香級的相關(guān)因素，無法建立煙草化學(xué)成分與香級之間明確數(shù)學(xué)模型。另一方面，由于評吸專家的感受存在一定的隨機(jī)性，導(dǎo)致單一的分類方法，往往存在弱學(xué)習(xí)特性，分類結(jié)果容易受到影響，導(dǎo)致偏差。

集成學(xué)習(xí)是跨學(xué)科的綜合數(shù)據(jù)挖掘理論，近年來被越來越多的應(yīng)用到國防、金融、工業(yè)等各個方面。其本質(zhì)是利用多個版本得其學(xué)習(xí)算法結(jié)果綜合解決同一個問題，可顯著提高學(xué)習(xí)系統(tǒng)的泛化能力。針對煙草品質(zhì)評定這類復(fù)雜問題，能夠有效地提升單一弱學(xué)習(xí)算法的評估準(zhǔn)確率。

基于以上分析，本文提出了一種基于智能模糊聚類的煙草品質(zhì)集成分類方法。

1 煙香級分類原理及系統(tǒng)結(jié)構(gòu)

煙草燃燒產(chǎn)生的香味是其內(nèi)部各種化學(xué)物質(zhì)的相互作用的結(jié)果，因此煙草的香型和香味決定于各種致香成分含量及比例。而煙草化學(xué)成分極為復(fù)雜，目前已分離鑒定的就達(dá)到5000多種，這必然給計算機(jī)輔助感官評價帶來巨大的復(fù)雜度。因此需要分析決定煙草品質(zhì)的主要成分。

本文選用煙葉中總糖、還原糖、總氮、煙堿、蛋白質(zhì)、氧化鉀、氯離子的含量作為煙草品質(zhì)主要評價依據(jù)，采用多種煙草樣本以及專家評價結(jié)果建立測量集[40]，通過分類算法對樣本煙草化學(xué)成分進(jìn)行分析，來評價煙草的內(nèi)在品質(zhì)的差異性。

卷煙制品的品質(zhì)是根據(jù)人受到煙草致香成分刺激后產(chǎn)生的主觀感受來制定的，這一過程具有弱隨機(jī)性。這需要計算機(jī)輔助煙草品質(zhì)評定解決兩個方面的問題，一方面，傳統(tǒng)數(shù)理統(tǒng)計方法只能分析影響卷煙品質(zhì)的相關(guān)因素，無法建立煙草化學(xué)成分與品質(zhì)之間明確數(shù)學(xué)模型。另一方面，由于評吸專家的感受存在一定的隨機(jī)性，導(dǎo)致單一的分類模型，往往存在弱學(xué)習(xí)特性，分類結(jié)果容易受到影響，導(dǎo)致偏差。

針對這一情況。本文提出了一種基于智能優(yōu)化算法模糊聚類的煙草品質(zhì)評價方法。該方法首先以煙葉樣品的化學(xué)成分的差異性為依據(jù)，以評價結(jié)果與評吸專家的評定結(jié)果一致性為綜合目標(biāo)，利用螢火蟲群優(yōu)化算法（Glowworm Swarm Optimization，GSO）對現(xiàn)有的模糊聚類算法進(jìn)行優(yōu)化改進(jìn)，建立煙草品質(zhì)的評價方法；在此基礎(chǔ)上，利用AdaBoost將基分類器對于不同樣本集的多個分類結(jié)果進(jìn)行集成，形成最終的煙草品質(zhì)評價模型。

2 系統(tǒng)總體架構(gòu)

煙草數(shù)據(jù)庫和評價方法數(shù)據(jù)庫是本系統(tǒng)的兩大核心部分，其中煙草數(shù)據(jù)庫為系統(tǒng)提供了數(shù)據(jù)的支持，評價方法數(shù)據(jù)庫為系統(tǒng)提供了評價方法的支持。在這兩大核心部分基礎(chǔ)之上，設(shè)計了三個模塊：煙草數(shù)據(jù)管理、煙草業(yè)務(wù)處理和系統(tǒng)管理。煙草數(shù)據(jù)管理模塊是為煙草業(yè)務(wù)處理模塊提供處理數(shù)據(jù)的，主要實現(xiàn)了煙草品種與煙草化學(xué)成分的管理。煙草業(yè)務(wù)處理主要實現(xiàn)了煙草品質(zhì)的評價，還包括數(shù)據(jù)的預(yù)處理以及其他部分。系統(tǒng)管理模塊相對而言是一個比較獨立的模塊，主要實現(xiàn)了用戶、權(quán)限的管理，提供系統(tǒng)信息查詢功能。系統(tǒng)總體架構(gòu)設(shè)計如圖2所示。

3 仿真分析

為了驗證本文方法的有效性，本文首先采用真實的煙草樣本數(shù)據(jù)對基于螢火蟲群優(yōu)化模糊聚類算法，和基于AdaBoost集成分類算法進(jìn)行仿真實驗；然后采用實驗對比的方式，對本文方法的效果進(jìn)行分析。

實驗用的煙草樣本選自山東、山西、云南、四川、陜西、廣西、貴州和江西8省的130組煙葉。通過光譜分析和萃取方法，獲取各煙葉樣品中總糖、還原糖、總氮、煙堿、氧化鉀、氯離子、蛋白質(zhì)7種主要化學(xué)成分含量，并與多位評吸專家給出的品質(zhì)評定結(jié)果組成實驗樣本集。隨機(jī)抽取其中的30組樣本作為驗證樣本，其余的100組作為學(xué)習(xí)樣本。

為了說明方法的有效性，將本文算法與神經(jīng)網(wǎng)絡(luò)、模糊聚類算法進(jìn)行比較，其誤檢率對比實驗及結(jié)果如表1所示，因此在樣本條件相同的條件下，對30個煙草驗證樣本進(jìn)行分析，本文提出的分類算法的誤檢率指標(biāo)遠(yuǎn)小于其它三種缺陷辨識算法。

4 結(jié)論

本文在對決定煙草致香成分充分分析的基礎(chǔ)上，針對煙草化學(xué)成分極其復(fù)雜，傳統(tǒng)數(shù)理統(tǒng)計無法建立煙草化學(xué)成分與卷煙制品香級之間確定的集成分類方法。以及在卷煙制品香級評定過程中，評吸人具有一定的主觀隨機(jī)性，影響最終的評定結(jié)果兩個問題。提出了一種基于智能優(yōu)化算法的煙草香級集成分類方法。將本文算法與現(xiàn)有的算法進(jìn)行對比實驗，結(jié)果表明，本文算法在分類準(zhǔn)確度上具有較大的優(yōu)勢。

參考文獻(xiàn)：

[1] 姜茱，謝勝利.烤煙葉片大小與煙葉化學(xué)成分的關(guān)系研究初報[J].中國煙草，1991（2）：36-40.

[2] 韓錦峰，林木森，王瑞新.優(yōu)質(zhì)烤煙規(guī)范化栽培技術(shù)[M].鄭州：河南科學(xué)技術(shù)出版社，1990.

[3] 宮長榮，于建軍.煙草原料初加工[M].北京：中國輕工業(yè)出版社，1993.

[4] 王毅，李勝群，胡立中， 等.煙草混合均勻度評價方法的研究[J].中國煙草技術(shù)2006年年會報告集，2006：7-79.

[5] 杜文，譚新良，易建華，等.用煙葉化學(xué)成分進(jìn)行煙葉質(zhì)量評價[J].中國煙草學(xué)報，2007，13（3）：25-31.

[6] Li J L，Yin G Y，Zhang G H.Evaluation of tobacco mixing uniformity based on chemeical composition[C].Proceeding of the 31st Chinese Control Conference， 2012： 7552-7555.