文献类型：期刊文章

作　　者：邱昌桂[1,2] 孔兰芬[1,2] 杨式华[1,2] 杨双艳[1,2] 刘静[1,2] 张建强[2] 袁天军[1,2] 刘泽[3]

QIU Changgui;KONG Lanfen;YANG Shihua;YANG Shuangyan;LIU Jing;ZHANG Jianqiang;YUAN Tianjun;LIU Ze(Yunnan Reascend Tobacco Technology(Group) Co.,Ltd.,Kunming 650106,China;Yunnan Comtestor Co.,Ltd.,Kunming 650106,China;Technology Center,China Tobacco Yunnan Industrial Co.,Ltd.,Kunming 650231,China)

机构地区：[1]云南瑞升烟草技术(集团)有限公司 [2]云南同创检测技术股份有限公司 [3]云南中烟工业有限责任公司技术中心,昆明市五华区红锦路181号650231

出　　处：《烟草科技》

基　　金：云南瑞升烟草技术(集团)有限公司项目"烟叶品质数字化评价技术的平台建设研究"(RS2014010)

年　　份：2019

卷　　号：52

期　　号：2

起止页码：101-108

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSCD、CSCD2019_2020、EI、IC、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为了对不同香型烤烟进行特征差异性识别,选取清香型、浓香型和中间香型3类香型的514个烟叶样品,对其中的68种致香成分进行检测,结合数据分析和模式识别技术,提出了一种基于烟草致香成分和遗传算法-支持向量机(GA-SVM)算法的烤烟香型自动识别方法,通过使用遗传算法对支持向量机进行参数优化和调整,并采用5折交叉验证的方法计算分类正确率。分别对GA-SVM算法、SVM算法和朴素贝叶斯算法的分类效果进行对比测试,结果表明:3种模式识别方法对3类香型的分类正确率分别为96.40%、78.58%和84.42%,GA-SVM算法显著优于SVM和朴素贝叶斯等传统分类算法。该方法能够为烤烟香型准确识别、烤烟产地溯源、烟叶香型风格定位提供技术支持。

关 键 词：烤烟 香型 致香成分 遗传算法  支持向量机 自动识别

分 类 号：TS411.2]