郭東鋒, 姚忠達(dá), 徐迎波, 舒俊生

?

基于化學(xué)成分的烤煙香型分類研究

郭東鋒, 姚忠達(dá), 徐迎波, 舒俊生*

(安徽中煙工業(yè)有限責(zé)任公司 技術(shù)中心, 安徽 合肥, 230088)

本研究以全國清香型、濃香型、中間香型烤煙為研究對象, 以6個區(qū)域24個C3F中部葉為分類樣本, 采用隨機森林分類算法進(jìn)行香型分類, 結(jié)果表明: 隨機森林算法對烤煙香型起到了很好的區(qū)分作用, 分類正確率達(dá)到了87.5%; 基于隨機森林分類的同時得到了分類變量在香型分類中的重要性, 煙葉常規(guī)化學(xué)成份在香型分類中的重要性從高到低依次為: 總鉀→總氮→總糖→還原糖→總氯→煙堿. 因此, 隨機森林分類可以用于烤煙的香型分類, 同時也可以用于判斷分類變量對分類目標(biāo)的重要性程度.

烤煙; 香型; 分類; 隨機森林

烤煙的香型風(fēng)格是卷煙產(chǎn)品設(shè)計時進(jìn)行煙葉原料選擇和葉組配方的基礎(chǔ)[1]. 郜強等利用吹掃捕集-GC/MS研究了國產(chǎn)烤煙香型與香氣成分之間的聯(lián)系, 建立了濃香、清香和中間香典型判別函數(shù)[2]. 詹軍等以24種中性致香物質(zhì)為指標(biāo), 采用逐步判別分析法對不同香型烤煙樣品進(jìn)行判別分析建立判別函數(shù)[3]. 李章海等以不同地區(qū)烤煙的中部葉片為材料, 采用逐步回歸的方法建立了煙葉香型指數(shù)模型[4], 同時采用煙葉香型指數(shù)的方法, 研究了我國5個不同生態(tài)尺度煙區(qū)烤煙香型風(fēng)格及相關(guān)香氣成分的變化[5]. 畢淑峰等分析了云南、河南、遼寧烤煙的多項化學(xué)成分含量, 并對烤煙進(jìn)行專家評吸香型鑒定[6]. 此外, 對于不同香型間煙葉成分的差異也有不少研究[7—21]. 隨機森林(Random forest)是Leo. Breiman[22]在2001年發(fā)明并提出的一種高效算法[23], 是一種由多棵決策樹組合而成的聯(lián)合預(yù)測模型, 天然可以作為快速且有效的多類分類模型[24-25]. 且隨機森林已經(jīng)在其它領(lǐng)域開展了很多應(yīng)用研究26—32], 但是在煙草行業(yè)中尚鮮見報道. 本研究擬以烤煙香型分類為研究目地, 以隨機森林分類算法為方法, 探索其在烤煙香型分類中的應(yīng)用, 以期為煙葉原料研究、產(chǎn)品配方設(shè)計及原料選擇提供理論依據(jù).

1 材料與方法

1.1 材料

本研究選取全國烤煙主產(chǎn)區(qū)中部煙葉(C3F)共計24份, 其中中間香7份、濃香型7份、清香型10份. 中間香型重慶3份、貴州4份, 濃香型郴州4份、皖南3份, 清香型昆明7份、文山3份.

1.2 方法

常規(guī)化學(xué)成分檢測. 化學(xué)成分分析檢測依據(jù)分別為: 按照YC/T 159-2002進(jìn)行總糖測定; 按YC/T 159-2002進(jìn)行還原糖測定; 按YC/T 160-2002進(jìn)行煙堿測定; 按YC/T 161-2002進(jìn)行總氮測定; 按YC/T 173-2003進(jìn)行總鉀測定; 按YC/T 162-2002進(jìn)行總氯測定.

感官質(zhì)量評定. 香型確定按照Y/CT 38-1998進(jìn)行. 評吸前單料煙在環(huán)境條件為溫度(22.2 ± 0.5) ℃,濕度(61.0 ± 2.0)%條件下平衡48 h以上.

表1 煙葉常規(guī)化學(xué)成分統(tǒng)計 /%

2 結(jié)果分析

24個中部葉常規(guī)化學(xué)成分統(tǒng)計結(jié)果見表1. 由表1可知, 煙堿變幅在1.3%～2.78%之間, 數(shù)據(jù)呈左偏平頂峰形態(tài), 變異系數(shù)為21.39%; 總糖變幅為23.78%～41.93%, 還原糖變幅為21.8%～34.84%, 兩糖數(shù)據(jù)均略顯左偏態(tài), 變異均在15%以下; 總氯變幅在0.05%～1.22%之間, 變異系數(shù)達(dá)到86.40%, 變異較大, 數(shù)據(jù)呈右偏態(tài)尖頂峰; 總鉀變幅在1.23%～2.65%之間, 變異系數(shù)為19.88%, 數(shù)據(jù)略呈右偏尖頂峰形態(tài); 總氮變幅在1.35%～2.02%之間, 變異系數(shù)為9.75%, 數(shù)據(jù)分布較為集中.

利用隨機森林分類算法對烤煙清、中、濃3個香型進(jìn)行分類, 首先對隨機森林分類算法進(jìn)行參數(shù)設(shè)置(表2). 森林樹的數(shù)量設(shè)置為500, 樹節(jié)點處變量設(shè)置為3個, 用全部樣本進(jìn)行訓(xùn)練, 驗證方法采用10折交叉驗證(10-fold cross).

表2 隨機森林(Random forest)分類算法參數(shù)設(shè)置

通過算法迭代, 隨著森林樹的數(shù)量增加見圖1. 樹的數(shù)量在200以內(nèi), 分類誤差波動較大, 但是整體分類誤差呈顯出減小的趨勢. 樹的數(shù)量超過200以后, 分類誤差趨于穩(wěn)定, 整體的分類誤差也趨于最小化. 由表3香型分類結(jié)果的混淆矩陣可知, 濃香型樣本沒有錯分, 分類正確率為100%; 清香型10個樣本分類正確8個, 有2個樣本錯分為中間香型; 中間香型7個樣本正確分類6個, 有1個樣本錯分為濃香型. 24個樣本基于隨機森林分類的正確率達(dá)到了87.5%, 分類結(jié)果較為理想.

表3 烤煙香型分類結(jié)果混淆矩陣

圖1 各香型分類誤差隨樹的數(shù)目變化趨勢

隨機森林的另一個優(yōu)點就是可以度量分類變量的重要性程度[22]. 由隨機森林分類輸出的烤煙煙葉常規(guī)化學(xué)成分的重要程度見表4和圖2. 由表4和圖2可以看出對烤煙香型分類化學(xué)成分的重要性從高到低依次為: 總鉀→總氮→總糖→還原糖→總氯→煙堿.

表4 烤煙香型分類中各變量的重要性 /%

圖2 香型分類中各變量重要性可視圖

表5 烤煙香型分類結(jié)果ROC檢驗

圖3 香型分類結(jié)果ROC檢驗結(jié)果及野點檢驗視圖

為了進(jìn)一步檢驗隨機森林分類的效能, 對分類結(jié)果進(jìn)行了ROC(Receiver Operating Characteristic)分析, 結(jié)果見表5及圖3. 在此以AUC指標(biāo)作為評價分類結(jié)果的依據(jù), 可以看出濃香型的分類效果最高AUC指標(biāo)為0.98, 其次為清香型AUC指標(biāo)為0.94. 對于中間香型的分類效果最低AUC指標(biāo)為0.89. 整體的分類效果AUC指標(biāo)加權(quán)均值達(dá)到了0.94, 分類結(jié)果非常理想. 同時進(jìn)行的樣本野點(Outlier)檢驗, 并未發(fā)現(xiàn)離群樣本存在, 說明基于隨機森林分類算法, 利用烤煙常規(guī)化學(xué)成分對烤煙香型進(jìn)行分類, 能夠起到很好的區(qū)分效果.

3 討論與結(jié)論

1) 基于隨機森林分類算法, 利用常規(guī)化學(xué)成分對烤煙香型分類起到了很好的分類效果, 分類正確率達(dá)到了87.5%, 整體分類效能ROC檢驗整體AUC指標(biāo)達(dá)到了0.94, 說明一方面隨機森林用于烤煙香型分類具有較高的準(zhǔn)確性, 另一方面常規(guī)化學(xué)成分可以用于烤煙香型的分類. 之所以能得出較為理想的分類結(jié)果, 一方面是因為隨機森林算法的優(yōu)越性, 另一方面是樣本的數(shù)據(jù)的準(zhǔn)確獲得.

2) 在烤煙香型分類中, 煙葉中的常規(guī)化學(xué)成分對香型判斷的重要性程度不同, 依據(jù)隨機森林算法的另一功能可以判斷出總鉀、總氮、總糖在烤煙香型分類中相對起到更為重要的作用.

本研究將隨機森林與烤煙香型分類相結(jié)合, 由于樣本僅為中部葉, 在分類研究中或有不足, 另外,對于隨機森林分類算法的研究尚不夠深入, 對于其在烤煙分類及其它方面的應(yīng)用還需要進(jìn)一步研究探索.

[1] 姜慧娟, 趙銘欽, 劉鵬飛, 等. 烤煙香型劃分及質(zhì)量特征研究進(jìn)展[J]. 浙江農(nóng)業(yè)科學(xué), 2012(12): 1628—1632.

[2] 郜強, 余苓, 陳磊, 等. 基于動態(tài)頂空成分的煙葉原料香型特征判別分析(英文)[J]. 計算機與應(yīng)用化學(xué), 2012, 29(3): 309—312.

[3] 詹軍, 張曉龍, 周芳芳, 等. 基于烤煙中性致香物質(zhì)的烤煙香型判別分析[J]. 西北農(nóng)業(yè)學(xué)報, 2012, 21(12): 80—87.

[4] 李章海, 王能如, 王東勝, 等. 烤煙香型的重要影響因子及香型指數(shù)模型的構(gòu)建初探[J]. 安徽農(nóng)業(yè)科學(xué), 2009, 37(5): 2055—2057.

[5] 李章海, 王能如, 王東勝, 等. 不同生態(tài)尺度煙區(qū)烤煙香型風(fēng)格的初步研究[J]. 中國煙草科學(xué), 2009, 30(5): 67—70.

[6] 畢淑峰, 朱顯靈, 馬成澤. 逐步判別分析在中國烤煙香型鑒定中的應(yīng)用[J]. 熱帶作物學(xué)報, 2006, 27(04): 104—107.

[7] 史躍偉, 趙杰宏, 王志紅, 等. 烤煙主要化學(xué)成分與中間香型彰顯度的相關(guān)分析[J]. 東北農(nóng)業(yè)大學(xué)學(xué)報, 2013, 44(1): 106—109.

[8] 羅勇, 陳永安, 潘文杰, 等. 氣候與土壤對烤煙香氣前體物和香型風(fēng)格的影響[J]. 貴州農(nóng)業(yè)科學(xué), 2012, 40(12): 76—79.

[9] 王瑞, 劉國順, 向必坤. 恩施州不同海拔下烤煙產(chǎn)量和質(zhì)量及香型風(fēng)格的差異性分析[J]. 中國煙草科學(xué), 2012, 33(1): 27—31.

[10] 王能如, 何寬信, 惠建權(quán), 等. 江西烤煙香氣香韻及其空間特征[J]. 中國煙草科學(xué), 2012, 32(4): 7—12.

[11] 劉金霞, 李元實, 黃飛, 等. 不同香型烤煙化學(xué)成分含量的差異研究[J]. 河南農(nóng)業(yè)科學(xué), 2012(9): 50—52.

[12] 席元肖, 宋紀(jì)真, 李鋒, 等. 不同香型烤煙香氣前體物及香味成分含量的差異分析[J]. 浙江農(nóng)業(yè)科學(xué), 2011, 11(2): 355—361.

[13] 張駿, 楊征宇, 劉新民, 等. 四川會東烤煙香型風(fēng)格特點及主導(dǎo)因子初探[J]. 中國煙草科學(xué), 2011, 32(6): 7—11.

[14] 席元肖, 魏春陽, 宋紀(jì)真, 等. 不同香型烤煙化學(xué)成分含量的差異[J]. 煙草科技, 2011(5): 29—33.

[15] 常愛霞, 瞿永生, 計玉, 等. 福建產(chǎn)區(qū)不同香型烤煙質(zhì)量特征分析[J]. 中國煙草科學(xué), 2011, 32(4): 1—5.

[16] 宗浩, 楊程, 陳剛, 等. 不同烤煙品種香型風(fēng)格與多酚類物質(zhì)含量差異分析[J]. 中國農(nóng)學(xué)通報, 2011, 27(30): 241—245.

[17] 詹軍, 劉沖, 賀帆, 等. 不同香型烤煙類胡蘿卜素降解香氣物質(zhì)與評吸質(zhì)量分析[J]. 西南農(nóng)業(yè)學(xué)報, 2011, 24(6): 2137—2142.

[18] 邵惠芳, 鄭聰, 許自成, 等. 三門峽優(yōu)質(zhì)烤煙中性香氣物質(zhì)的特點及香型風(fēng)格評價[J]. 河南農(nóng)業(yè)大學(xué)學(xué)報, 2010, 44(5): 508—512.

[19] 常愛霞, 張建平, 杜詠梅, 等. 烤煙香型相關(guān)化學(xué)成分主導(dǎo)的不同產(chǎn)區(qū)煙葉聚類分析[J]. 中國煙草學(xué)報, 2010, 16(2): 14—19.

[20] 杜詠梅, 張建平, 王樹聲, 等. 主導(dǎo)烤煙香型風(fēng)格及感官質(zhì)量差異的主要化學(xué)指標(biāo)分析[J]. 中國煙草科學(xué), 2010, 31(5): 7—12.

[21] 杜詠梅, 劉新民, 王平, 等. 宣威產(chǎn)區(qū)烤煙香型風(fēng)格及其主要化學(xué)指標(biāo)適宜區(qū)間的研究[J]. 中國煙草學(xué)報, 2010, 31(5): 13—18.

[22] 方匡南, 吳見彬, 朱建平, 等. 隨機森林方法研究綜述[J]. 統(tǒng)計與信息論壇, 2011, 26(3): 32—38.

[23] 馬景義, 謝邦昌. 用于分類的隨機森林和Bagging分類樹比較[J]. 統(tǒng)計與信息論壇, 2010, 25(10): 18—22.

[24] 黃衍, 查偉雄. 隨機森林與支持向量機分類性能比較[J]. 軟件, 2012, 33(6): 107—110.

[25] 蔡坤琪. 基于相關(guān)鑒別分析和隨機森林的人臉識別方法[J]. 安徽電子信息職業(yè)技術(shù)學(xué)院學(xué)報, 2012, 11(1): 15—18.

[26] 楊帆, 林琛, 周綺鳳, 等. 基于隨機森林的潛在近鄰算法及其在基因表達(dá)數(shù)據(jù)分類中的應(yīng)用[J]. 系統(tǒng)工程理論與實踐, 2012, 32(4): 815—825.

[27] 郭穎婕, 劉曉燕, 郭茂祖, 等. 植物抗性基因識別中的隨機森林分類方法[J]. 計算機科學(xué)與探索, 2012, 6(1): 67—77.

[28] 馬昕, 郭靜, 孫嘯. 蛋白質(zhì)中RNA-結(jié)合殘基預(yù)測的隨機森林模型[J]. 東南大學(xué)學(xué)報: 自然科學(xué)版, 2012, 42(1): 50—54.

[29] 周綺鳳, 楊小青, 周青青, 等. 基于隨機森林的建筑結(jié)構(gòu)損傷識別方法[J]. 振動、測試與診斷, 2012, 32(2): 197—201.

[30] 李貞子, 張濤, 武曉巖, 等. 隨機森林回歸分析及在代謝調(diào)控關(guān)系研究中的應(yīng)用[J]. 中國衛(wèi)生統(tǒng)計, 2012, 29(2): 158—160.

[31] 趙銅鐵鋼, 楊大文, 蔡喜明, 等. 基于隨機森林模型的長江上游枯水期徑流預(yù)報研究[J]. 水力發(fā)電學(xué)報, 2012, 31(3): 18—24.

[32] 應(yīng)維云. 隨機森林方法及其在客戶流失預(yù)測中的應(yīng)用研究[J]. 管理評論, 2012, 24(2): 140—145.

Study on the classification of flue-cured tobacco based on chemical components

GUO Dong-feng, YAO Zhong-da, XU Ying-bo, SHU Jun-sheng

(Technology Center of Anhui Cigarette Industrial Co. Ltd., Hefei 230088, China)

The observation was sampled from six areas including 24 cutter leaves in China. The targets were studied based on random forest algorithm. The results shows that the random forest algorithm classify the type of flue-cured tobacco smartly and fast, meanwhile the classification accuracy could measure up 87.5%. what’s more important, the importance of each variable could be lay out under random forest algorithm. In this case the importance of each variables indicated total K+ > total nitrogen > total sugar > reducing sugar > total chlorine > nicotine. So it proved a good algorithm to classify the type of flue-cured tobacco, besides the by-products of each variables’ importance could be got easily .

flue-cured tobacco; type; classify; random forest

10.3969/j.issn.1672-6146.2013.04.020

TS 411.1

1672-6146(2013)04-0085-05

email:shujunsheng1975@yahoo.com;

email: gdf0221@163.com.

2013-09-09

安徽中煙工業(yè)有限責(zé)任公司科技項目(20121028).

(責(zé)任編校: 江 河)