基于PCA降维与BO-SVM的烤烟烟叶等级分类方法研究.pdfVIP

现代农业科技2025年第13期农业装备·智慧农业

基于PCA降维与BO-SVM的烤烟烟叶等级分类方法研究

刘新斌黄夸克11*张光辉保路伟刘晓倩211

（云南省烟草公司曲靖市公司，云南曲靖655000；1

2昆明理工大学信息工程与自动化学院，云南昆明650500）

摘要针对烤烟烟叶等级分类存在特征数据繁多、分类效率及准确率低的问题，提出了基于主成分分析

（PCA）降维与贝叶斯优化算法-支持向量机（BO-SVM）的烤烟烟叶等级分类方法。首先，利用主成分分析方法

对数据进行降维处理，剔除冗余信息；其次，构建基于支持向量机（SVM）的烤烟烟叶等级分类模型，并利用贝叶

斯优化算法（BO）优化SVM模型的超参数；最后，完成实际采集数据的应用验证和对比分析。结果表明：相较于

单一SVM模型，基于PCA降维与BO-SVM的烤烟烟叶等级分类方法准确率至少提高9.5百分点，验证了所提

方法解决烤烟烟叶等级分类问题的有效性。

关键词烤烟；烟叶等级；分类方法；主成分分析；贝叶斯优化算法；支持向量机

DOI：10.3969/j.issn.1007-5739.2025.13.039开放科学（资源服务）标识码（OSID）：

烟草作为主要的制烟原料，是我国重要的经济作法成为可能。

物之一。随着我国经济的发展和市场需求的增加，人烟叶外观质量的影响因素有很多，如成熟度、颜

们对烟草制品的要求不断提升[1]。目前，烟叶的质量检色、身份、油分、色度、结构等。过多的特征对烟叶的分

验和等级划分主要依据国家标准，通过人工感官进行类评级往往是不利的。因此，本文先采用主成分分析

评估。然而，这一过程往往存在主观性和模糊性[2]。将多个指标转化为较少的综合指标，经过线性变换和

近年来，烤烟烟叶质量评价主要采用统计分析舍弃部分信息，对高维变量空间进行降维处理，以少

方法，包括相关分析、因子分析、回归分析、主成分分数的综合变量取代原有的多维变量，再采用贝叶斯优化

析（PCA）、聚类分析、判别分析、层次分析、模糊分析、算法（Bayesianoptimization，BO）对支持向量机模型进

灰色系统理论、人工智能、神经网络等[3]。目前，国内行超参数优化，兼顾了调优效果和时间成本。之后，通

学者对烟叶化学成分与感官质量的关系进行了广过实例验证了基于PCA降维与贝叶斯优化算法-支

泛研究，使用的研究方法较多，主要有相关分析、因持向量机（BO-SVM）的烤烟烟叶等级分类模型的应用

子分析、回归分析和聚类分析，以及近年来发展的人效果，以期为卷烟工业质量评价领域提供科学方法。

工神经网络、灰色系统理论、模糊分析、支持向量机1相关算法理论简介

（supportvectormachine，SVM）等[4]。此类方法需要对

1.1主成分分析

烟叶进行化学成分分析来获取相关数据，效率较低，

主成分分析是一种降维算法，其能将多个指标转

成本较高。

换为少数几个主成分，这些主成分是原始变量的线性

烟叶外观质量和物理特性是衡量烟叶质量等级的

组合，且彼此之间互不相关，其能反映出原始数据的

重要指标，国内学者针对烤烟烟叶外观特征开展了大

大部分信息[10]。该方法通过线性变换将具有共线性

[5-9]

量研究，建立