基于隨機森林和邏輯回歸分類模型的煙葉精選品控指標篩選

張莉 紀銘陽 胡宗玉

摘要：為進一步提高細支煙原料的工業適用性及精選效率，選取福建省三明市寧化縣的翠碧一號原煙進行外觀分類及質量評價。針對細支煙原料需求，通過對各類別煙葉樣品的外觀質量指標和感官質量指標進行關聯分析，應用隨機森林和邏輯回歸分類模型確定煙葉精選外觀品控指標（身份、色度），應用證據權重確定外觀指標要求（身份：中等-稍厚，色度：強-濃），模型準確率達82.69%。結果表明，采用模型確定的外觀敏感性指標，精選效率大幅提升，選出的煙葉工業適用性也明顯提高。

關鍵詞：細支煙;烤煙;精選;隨機森林;邏輯回歸;證據權重;品控指標;外觀質量;感官質量

中圖分類號： TS47 ?文獻標志碼： A ?文章編號：1002-1302（2020）03-0214-04

我國煙草種植以散戶為主，煙葉等級質量受人工影響較大，工商交接煙葉等級合格率不高的現象一直存在，工業企業采購的煙葉等級合格率不高，可用性降低，嚴重影響卷煙產品配方的穩定性[1-2]。精選不僅可以提高煙葉等級合格率，而且有效剔除青雜、霉變煙和非煙物質，全面提高煙葉資源利用率[3]。

目前，國內外針對煙葉質量的研究主要側重于烤煙外觀質量與化學成分的關系[4-7]，外觀質量與感官質量指標間的關系[8-9]，外觀質量指標的檢測和量化[10-12]，對于基于品牌需求的精選外觀品控指標篩選及量化尚未見報道。因此，本研究基于細支煙原料需求，應用隨機森林和邏輯回歸分類模型對煙葉精選品控指標進行篩選，并基于證據權重輔助確定指標量化區間，為優化提升煙葉原料的均質性和工業適用性提供參考。

1 材料與方法

1.1 試驗材料

選自2015—2017年連續3年福建省三明市寧化縣的翠碧一號初烤煙C2F。

1.2 評價方法

1.2.1 外觀質量評價 由高級技師和技師共6人組成外觀評價小組，根據GB 2635—1992《烤煙》品質因素規定，對樣品進行細分，3年共制84個煙葉樣品。按照表1外觀評價指標及標準對各類樣品外觀指標進行量化。

1.2.2 感官質量評價 由國家級評委和省級評委8人組成評吸小組，按照YC/T 530—2015《烤煙 煙葉質量風格特色感官評價方法》對樣品進行感官評吸及指標量化，并對每類樣品是否符合品牌細支煙原料需求給予判定，判定一致率低于80%的進行復評。符合品牌細支煙配方需求的類別樣品記為0，不符合品牌細支煙配方需求的類別樣品記為1。

1.3 數據處理與分析

采用Excel 2007進行證據權重運算;采用R i386 3.1.1進行描述統計和相關分析，構建隨機森林、邏輯回歸分類器。

2 結果與分析

2.1 烤煙煙葉外觀及感官質量特征指標統計分布

由表2可知，樣品外觀與感官評價指標在不同樣品間存在較為廣泛的變異，其中外觀評價指標的變異明顯大于感官評價指標。

2.2 烤煙煙葉外觀質量特征與感官質量特征指標的相關分析

數據特征可采用線性相關分析考察外觀質量各指標與感官質量指標的相關關系，結果（表3）表明，不僅樣品外觀特征指標與其感官特征指標間存在顯著或極顯著相關關系，各外觀特征指標間也存在顯著或極顯著相關關系，這反映了各變量間潛在的共同的信息維度。成熟度與所有感官指標呈顯著或極顯著相關關系;身份與煙氣濃度、勁頭、香氣特性均呈極顯著相關關系;油分與香氣特性、煙氣特性、口感特性均呈極顯著相關關系;色度與香氣特性、煙氣特性、口感特性呈極顯著相關關系。

2.3 精選外觀品控指標重要性排序

隨機森林算法評估所有變量的重要性，無需顧慮變量的多元共線性問題[13]。由圖1可知，隨機森林規模在400左右時，誤差率已趨于平穩。為進一步增強平穩性，將隨機森林規模設置為450，建立并運行隨機森林分類模型，輸出結果顯示：OOB分類錯誤率為25%，即基于隨機森林建立的分類模型預測正確率可達75%，分類結果混淆矩陣顯示判別分析的錯誤率（表4）。

基于基尼指數的自變量相對重要性見表5。基尼系數越大，說明該變量對工業適用性的分類重要性越高，因此，基于細支煙的精選外觀品控指標重要性排序為身份>色度>顏色>成熟度>油分>葉片結構。

2.4 精選重點外觀品控指標的篩選及其閾值的確定

變量間的自相關將導致邏輯分類模型無法進行有效擬合，選擇逐步進入法應用邏輯分類模型，基于AIC值最小原則進行變量篩選，模型輸出結果見表6。

引入10折交叉驗證分層隨機抽樣進行對比，模型分類準確率為76.5%，將外觀變量進行降維后，篩選出的指標為身份和色度，結合隨機森林模型得出的指標相對重要性排序，最終確定的重點外觀品控指標為身份和色度。

對篩選后的指標進行分箱，計算證據權重（WOE）值，結果見表7、表8。

由表7、表8可知，樣品外觀質量同時滿足身份在（5，7]和色度（6，9]時，可較大程度選出符合細支煙需要的煙葉原料類別。根據變量篩選、分箱后，對原始數據進行回判，所得混淆矩陣見表9。由混淆矩陣結果可知，根據最終確定的重點品控指標及范圍，分類正確率為82.69%。

為盡可能減少錯分樣本，更為貼合實際地指導生產，對錯分樣本進行歸納，最終確定基于細支煙原料需求的精選方式為：在嚴控副組和下部煙葉的基礎上，重點把控身份和色度指標，確保上選煙葉身份在中等至稍厚區間，同時色度在強至濃區間，可確保選上煙葉趨于完全符合分類預期。

2.5 生產驗證

將400 000 kg的C2F原煙隨機分成2份，200 000 kg 用于常規精選（精選出符合國標C2F等級的煙葉），200 000 kg用于基于細支煙需求的分類模型精選。生產試驗結果（表10）表明，分類模型精選J1類上選率為41.52%，遠高于常規精選J類的17.63%，提高了1.35倍，有效提高了該等級煙葉的整體工業適用性。

由表11可知，分類模型精選試驗J1類煙葉和常規精選的J類煙葉相比，煙氣濃度、透發性較好，香氣量微有減少，香氣質和煙氣特性（細膩程度、柔和程度、圓潤感）微有下降，雜氣略有增加，整體感官質量較符合細支煙原料“高濃度、高香氣、高透發”的需求預期。

3 結論與討論

原煙精選是卷煙工業配方工作前移的必備項目，相關的研究多集中在精選的作用及過程管理上。本研究基于細支煙原料“高香氣、高濃度、高透發”的需求，采用隨機森林、邏輯分類模型和證據權重從眾多質量評價指標中篩選出身份和色度2個重點外觀品控指標，通過證據權重計算其閾值為身份（中等-稍厚）和色度（強-濃），分類模型準確率達82.69%。研究結果在生產中的指導作用顯著，從技術上簡化了品控指標，降低了操作難度，有效提高了精選效率;精選出的煙葉和品牌需求契合度更高，有效提高了煙葉工業適用性。

工業適用性分類一般發生在正組煙葉等級中，各類別煙葉樣品間成熟度的波動幅度較小且操作難度較大。煙葉身份與煙氣濃度呈極顯著正相關關系，且樣品間身份波動幅度較大，生產中易識別。色度則包含煙葉顏色的均勻程度和光澤度，與顏色和油分呈極顯著相關關系。因此，本研究基于細支煙的精選外觀品控指標重要性排序為身份>色度>顏色>成熟度>油分>葉片結構，該排序僅僅說明6個分級因素對樣品工業適用性分類的敏感性，這與傳統認為成熟度、油分決定煙葉品質的觀點并不沖突。

參考文獻：

[1]許洪慶，王玉平，李 淳. 等級合格率對復烤煙葉質量影響研究初報[J]. 耕作與栽培，2010（2）：17-18，20.

[2]楊尚明，韓中波，徐 鵬，等. 煙葉散葉收購方式對等級質量的影響[J]. 現代農業科技，2013（6）：307-309，312.

[3]闞宏偉，胡亞杰，張紀利. 加強原煙精選提高煙葉等級質量[J]. 天津農業科學，2016，22（7）：98-101.

[4]陳慶園，陳 雪，袁有波. 初烤煙葉外觀質量與主要化學成分關系的研究[J]. 中國煙草科學，2008，29（1）：30-32.

[5]湯朝起，劉 偉，潘紅源，等. 烤煙外觀質量的評價延伸指標與內在品質的關系[J]. 煙草科技，2011（9）：71-74.

[6]孫 平，程 森，竇玉青，等. 四川會東初烤煙葉外觀質量與主要化學成分關系研究[J]. 中國煙草科學，2013，34（1）：29-33.

[7]唐 宇，程 森，竇玉青，等. 云南宣威初烤煙葉外觀質量性狀與內在品質的關系[J]. 煙草科技，2011（3）：72-76.

[8]羅萬麟，李永棟，路曉崇，等. 紅花大金元外觀質量與感官質量的典型相關分析[J]. 山東農業科學，2016，48（7）：35-38.

[9]閆洪洋，閆洪喜，吉松毅，等. 河南烤煙外觀質量與感官質量的相關性[J]. 煙草科技，2012（7）：17-23

[10]蔡憲杰，王信民，尹啟生.烤煙外觀質量指標量化分析初探[J]. 煙草科技，2004（6）：37-39，42.

[11]蔡憲杰，王信民，尹啟生. 成熟度與煙葉質量的量化關系研究[J]. 中國煙草學報，2005，11（4）：42-46.

[12]鄧小華，周冀衡，楊虹琦，等. 湖南烤煙外觀質量量化評價體系的構建與實證分析[J]. 中國農業科學，2007，40（9）：2036-2044.

[13]李欣海. 隨機森林模型在分類與回歸分析中的應用[J]. 應用昆蟲學報，2013，50（4）：1190-1197.