2023, Vol. 50文章信息
引用本文 |
基金项目
- 广东中烟科技项目（粤烟工科任〔2021〕-008号）
作者简介
- 关罗浩（1987—），男，农艺师，研究方向为烟草生理，E-mail：542242706@qq.com.
文章历史
- 收稿日期：2023-06-07
2. 云南烟叶复烤有限责任公司，云南 曲靖 655700;
3. 麦克马斯特大学，安大略 汉密尔顿 L8S4L8
2. Yunnan Tobacco Redrying Co. Ltd, Qujing 655700, China;
3. McMaster University, Hamilton L8S4L8, Canada
【研究意义】烟叶力学特性反映烟叶的内在品质与耐加工性，与打叶复烤生产的出片率密切相关[1]。根据烟叶力学特性对打叶复烤工艺和设备参数进行调整，可获得更优的片烟分布[2]，减少烟叶损耗，提高经济效益。目前，烟叶力学特性的研究主要集中于拉力[3]、剪切力[4]、穿透力[5]、柔软性[6]及粘附力[7]等方面。其中，烟叶拉力是指烟叶承受外部拉伸的力，是反映叶片内部细胞组织结构紧密性的重要指标之一，与烟叶等级密切相关[8]。对烟叶拉力特性进行研究可为烟叶打叶复烤参数设置提供参考，进一步提高烟叶加工的经济效益。【前人研究进展】烟草行业中，通常使用质构仪研究烟叶的力学特性[9]。张玉海等[10-13]和连长伟等[14]较早采用质构仪系统全面地测定烟叶的拉力、粘附力和剪切力等力学特性，并研究了不同含水率对烟叶力学特性的影响，为烟叶加工提供指导。徐波等[15]采用质构仪测定不同产地‘翠碧1号’及其不同部位的烟叶拉力，通过对比发现，2014年‘翠碧1号’上部烟叶的拉力低于云南、河南其他品种烟叶，2016年‘翠碧1号’上部烟叶的拉力高于四川和贵州其他品种烟叶，且拉力较大的烟叶韧性更强。王浩雅等[16]采用相对标准偏差法评价所采用的测试参数设置对再造烟叶抗张强度结果稳定性的影响，分析确定夹距20 mm、拉伸速率200 mm/min是测定烟叶抗张强度的最优参数。Henry等[17]研究发现，烟叶的拉伸性能与测量时的加载速度和含水率相关。目前，利用质构仪测定烟叶拉力为烟叶评价提供了理论依据，但在质构仪测定烟叶拉力的研究中，尚未建立标准的测试方法或统一的测试参数，且由于烟叶为农产品，存在非均一性，导致测定结果存在波动性大、变异系数大等问题。因此，有必要分析影响拉力测定结果稳定性的参数，以完善质构仪测定烟叶拉力的方法。【本研究切入点】本研究采用Box-Behnken原理设计质构仪测定烟叶拉力的三因素三水平参数，以烟叶拉力的变异系数作为响应值，用响应面法分析设定的参数对结果变异系数的影响，进一步获得影响变异系数的主要参数，优化测定参数；利用优化的参数研究烟叶含水率对烟叶拉力的影响，并进一步构建含水率X-拉力Y的反向传播算法（Back propagation，BP）神经网络预测模型[18]。【拟解决的关键问题】本研究利用质构仪测定烟叶拉力，通过响应面法优化测定参数，减小拉力测定的变异系数，提高结果的稳定性，完善烟叶拉力测定方法；测定不同含水率下烟叶的拉力，研究含水率对烟叶拉力的影响，并建立BP神经网络预测模型，为烟叶拉力的评价及预测提供参考。
1 材料与方法 1.1 试验材料选取2020年云南普洱、红河和景东3个产区不同等级的6个初烤烟叶作为原料，品种均为‘云烟87’，分别记为普洱C3F、红河C3F、景东C3F、景东C2F、景东C1F和景东B1F。
试验主要仪器有TA.XTPlus质构仪（CT3 4500，英国Stable Micro System公司）、恒温恒湿试验箱（GDHS-80A，上海冉绘实业有限公司）。
1.2 试验方法1.2.1 样品处理 取叶面完整、无明显灰尘且无斑点的烟叶作为测试样品，切除叶尖和叶端，保留中间部分，用裁刀裁出一定尺寸烟叶样品，将其放置于50 ℃恒温恒湿箱中48 h，调节湿度以控制样品含水率。
1.2.2 响应面法优化测定参数 采用BoxBehnken原理设计质构仪测定烟叶拉力的三因素三水平参数，包括样品宽度、质构仪触发力和测试速率（即质构仪夹具的拉伸速度），具体设置见表 1。将每种烟叶20个样品拉力的变异系数作为响应值，利用Design-Expert 8.0对结果进行分析，建立数学回归模型，利用响应面法分析主要影响参数，优化试验参数。供试烟叶样品于温度50 ℃、湿度70% 下处理48 h。
|
1.2.3 不同含水率对烟叶拉力的影响 将烟叶放入50 ℃恒温恒湿箱中，设置不同湿度（50%~90%），处理2 h以控制烟叶含水率。烟叶经过不同湿度条件处理后，可使含水率平衡在12%~26% 之间。取出样品后，采用响应面法优化后的参数，使用质构仪测定烟叶拉力，并计算烟叶的抗张强度S1。
|
式中，S1为抗张强度（N/mm），F1为拉力（N），L1为样品宽度（mm）。
1.2.4 BP神经网络预测模型的构建 使用Matlab 2016b软件构建烟叶含水率X-拉力Y的BP神经网络预测模型，调用newff函数进行算法编程求解，分别选用purelin函数和train函数作为传递函数和训练函数。Matlab 2016b软件的设置步骤：（1）读取含水率X-拉力Y数据；（2）随机打乱数据，并设置训练数据和预测数据；（3）输入层、隐含层、输出层节点数量设置；（4）训练样本数据使用Mapminmax函数进行归一化处理；（5）BP神经网络构建；（6）网络参数设置（训练次数为1 000次，学习速率为0.01，训练目标最小误差为0.00001）；（7）BP神经网络训练；（8）测试样本归一化；（9）BP神经网络预测；（10）预测结果反归一化与误差计算；（11）验证集的真实值与预测值误差比较。
以160组烟叶样品的含水率作为网络输入值，以不同含水率的烟叶拉力作为网络输出值，隐含层层数N根据以下公式决定。当隐含层单元数为7时，训练效果最好，因此设置隐含层层数为7。在总样本中随机选择70% 作为训练样本，其余30% 样本用于检验预测模型的精准度。
|
式中，N为隐含层层数，n为输入层数量，m为输出层数量，α为经验值（[1,10]之间的常数）。
使用均方误差（MSE）、均方根误差（RMSE）、平均绝对误差（MAE）和平均绝对百分比误差（MAPE）4个误差指标[19]评价预测模型的精度。当MSE＜0.5、RMSE＜0.5、MAE＜0.5、MAPE＜20% 时，表示模型误差范围合格。
2 结果与分析 2.1 响应面优化烟叶拉力测定参数采用Box-Behnken原理设计的质构仪三因素三水平参数测定烟叶拉力，结果（表 2）显示，烟叶拉力的变异系数在9.40%~36.60% 之间，变异系数大、波动性较大。对表 2的数据进行多元回归拟合，得到变异系数Y的回归方程：
|
拉力测定参数的响应面模型方差分析结果（表 3）显示，响应值受样品宽度影响极显著（P＜0.01）、受拉伸速率影响显著（P＜0.05），而受触发力影响不显著。根据表 3剔除不显著项，得到修正后的回归方程：Y=36.08-7.550A11+5.927A13+0.4445A112。结合表 3结果可知优化的回归模型P ≤ 0.01，说明该模型可信度高，失拟项不显著，表明拟合度高。模型相关系数R2为0.8960，精确度CV为19.29%，说明实测值与预测值之间偏差较小。
|
根据拟合的多元回归方程绘制各因素交互等高线图与3D响应面图。根据图中响应面变化情况和等高线的排列形状、疏密程度，可判断样品宽度、触发力和测试速率对烟叶拉力变异系数的交互作用。由图 1、图 2的等高线可知，在中心位置A11=10 mm、A12=0.30 N和A11=10 mm、A13=1.0 mm/s处的等高线稀疏，而图 3的触发力与测试速率等高线坡度较缓，说明三者交互作用并不显著，这与方差分析结果一致。
|
| 图 1 样品宽度和触发力对烟叶拉力变异系数影响的等高线和3D响应面图 Fig. 1 Contour plot and 3D response surface diagram on the effects of sample width and trigger force on coefficient of variation of tobacco leaves tensile force |
|
| 图 2 样品宽度和测试速率对烟叶拉力变异系数影响的等高线和3D响应面图 Fig. 2 Contour plot and 3D response surface diagram on the effects of sample width and test rate on coefficient of variation of tobacco leaves tensile force |
|
| 图 3 测试速率和触发力对烟叶拉力变异系数影响的等高线和3D响应面图 Fig. 3 Contour plot and 3D response surface diagram on the effects of test rate and trigger force on coefficient of variation of tobacco leaves tensile force |
图 1和图 2的3D响应面为马鞍型曲面，说明在一定范围内烟叶拉力变异系数随着样品宽度的增大，呈现先减小后增大的变化，这是由于样品宽度较小时拉力值较小，结果波动较大。样品宽度增大，样品中的叶脉数量增多，对烟叶拉力的影响增大，导致拉力测定误差增大。随着测试速率的增大，变异系数呈线性增加，这是由于测试速率增大后，烟叶在未拉伸到最大形变时即发生断裂，导致不能反映烟叶真实的拉力。图 3的触发力与测试速率的3D响应面为一个向下倾斜的平面，说明触发力的变化对烟叶拉力变异系数的影响不明显。
通过响应面法分析，获得拉力测定的最优参数组合，即样品宽度为10 mm、测试速率为0.5mm/s、触发力为0.1 N。采用优化后的参数测定烟叶拉力，结果变异系数由26.7% 显著下降为13.8%，测定结果的稳定性明显提高。
2.2 含水率对烟叶拉力的影响采用响应面法优化得到的最优参数组合测定不同含水率烟叶的拉力，结果（图 4）显示，红河C3F与景东C3F烟叶的抗张强度平均值大于0.3 N/mm，大于其他4种烟叶，说明景东C3F与红河C3F烟叶的韧性较好，具有更好的拉伸和延展性，其他4种烟叶韧性较差。
|
| 图 4 不同含水率对烟叶抗张强度的影响 Fig. 4 Effect of different moisture content on the tensile strength of tobacco leaves |
随着含水率的增加，烟叶的抗张强度整体呈现先增大后减小的趋势。6种烟叶在抗张强度达到最大值时，含水率不相同。红河C3F、普洱C3F、景东C1F、景东C3F、景东C2F、景东B1F抗张强度最大时的含水率分别是20.64%、18.47%、18.46%、18.41%、16.36%、14.03%，最大抗张强度分别是0.447、0.310、0.288、0.456、0.354、0.304 N/mm。可见，初烤烟叶经过润湿后，随着烟叶韧性变化，抗张强度也随着变化，随含水率的增加而提高，但过多的水分反而使抗张强度下降。
综上，不同地区、等级的‘云烟87’烟叶的拉力差异显著，并随含水率的增大表现出先增大后减小的变化。
2.3 BP神经网络预测模型的建立及精度评价以红河C3F烟叶的拉力结果作为样本（样本数160个），构建烟叶含水率X-拉力Y的BP神经网络预测模型，将模型预测值与真实值进行对比。图 5以模型的预测值为纵坐标、真实值为横坐标，实线为y=x，各个模型预测值与真实值之间关于y=x的决定系数R2为0.9208，表明大部分数据点分布在对角线附近，预测值与真实值吻合度高。
|
| 图 5 模型预测值与真实值对比结果 Fig. 5 Comparison of model predicted values with actual values |
对所建立的模型预测误差进行检验，均方误差MSE为0.04761，均方根误差RMSE为0.2182，平均绝对误差MAE为0.1590，平均绝对百分比误差MAPE为6.11%，说明该模型的预测误差值较小，误差区间集中在较小范围内，精度较高，具有较好的预测结果。
3 讨论通过响应面法分析烟叶拉力测定参数对结果稳定性的影响，发现样品宽度影响极显著，拉伸速率影响显著，而触发力影响不显著；这与Henry等[17]研究发现的结果，即加载速度对烟叶拉力测定有影响的结论一致。各因素在所选取的水平范围内，对烟叶拉力变异系数的影响由大到小依次为样品宽度＞测试速率＞触发力；获得的最优参数组合为：样品宽度10 mm，测试速率0.5 mm/s，触发力0.1 N。采用优化后的参数测定烟叶拉力，结果变异系数为13.8%，小于优化前的26.7%，下降幅度大于王浩雅等[16]的优化法，数据稳定性明显提高。李平等[20]以100 mm×10 mm的长方形作为烟叶样品尺寸，测定下、中、上部位烟叶抗张强度，相对标准偏差在17.44%~31.7% 之间，波动范围大于本研究所优化后的结果，可见响应面法对烟叶拉力测定参数的优化适用、有效。
6种初烤烟叶经过润湿后，由于韧性增加，抗张强度提高；但过多的水分反而会使烟叶结构变得松散，导致抗张强度下降，烟叶拉力随含水率的增加呈现先增加后减小的趋势。烟叶的柔韧性较好时，拉力较大，在加工过程中的耐打性也较好，加工性能最佳[21]。本研究中6种烟叶达最大拉力值时的含水率在14.03%~20.64% 范围。现行的《烟叶打叶复烤工艺规范》提出，上等烟、中等烟、下等烟二次热风润叶含水率最低要求分别为17%、18%、19%。而张玉海等[10]研究四川会理等5个产区烟叶的力学特性，提出18%~21% 是最佳的打叶水分范围；而研究涡阳等产区复烤厂加工条件时提出16%~18% 是适宜的打叶水分范围[14]，可见不同产地、等级的烟叶最佳含水率范围存在一定差异。因此，需根据烟叶的抗张强度等力学性能结果，选择合适的含水率，以获得最佳的加工性能。此外，烟叶的拉力等力学特性还与烟叶的生长环境、内在化学成分等相关[3-4, 7, 22-24]，因此有必要对其关联性进一步研究。
本研究构建的烟叶含水率X-拉力Y的BP神经网络预测模型，均方误差、均方根误差、平均绝对误差、平均绝对百分比误差均较小，模型的预测误差值较小，精度较高，具有较好的预测结果，将可用于对烟叶拉力的预测。张勇刚等[25]利用BP神经网络模型评价烟叶化学品质，张广普等[26]采用神经网络预测烟叶含水量，可见将BP神经网络模型应用于烟叶性质预测的研究逐渐增加。本研究将其用于烟叶含水率X-拉力Y的预测，拓宽了BP神经网络在烟叶研究中的应用，可为研究烟叶各种性质间复杂的关系提供解决思路。
4 结论本研究采用响应面法分析发现，烟叶样品宽度对烟叶拉力测定结果的稳定性影响极显著，拉伸速率影响次之，最优参数组合为样品宽度10 mm、测试速率0.5 mm/s、触发力0.1 N，优化后的烟叶拉力结果变异系数显著降低，由26.7% 下降为13.8%，测试结果的稳定性大幅提高。烟叶的抗张强度随含水率的增大呈现先增大后减小的变化；景东C3F含水率为18.41% 时，抗张强度最大、为0.456 N/mm；不同地区、等级烟叶的拉力差异显著；可根据含水率-拉力的变化规律，选择合适的含水率，使烟叶的耐加工性最佳。本研究构建的烟叶含水率X-拉力Y BP神经网络预测模型的预测值与真实值吻合度较高，均方误差MSE为0.04761，均方根误差RMSE为0.2182，精度标准合格，模型可信程度高，可应用于对烟叶拉力的预测。
| [1] |
娄元菲, 杨雨波, 欧明毅, 张亚恒, 张力元, 潘俊闽, 张玉海. 不同地区主栽烤烟品种的力学与打叶特性分析[J]. 贵州农业科学, 2019, 47(1): 131-134. DOI:10.3969/j.issn.1001-3601.2019.01.027 LOU Y F, YANG Y B, OU M Y, ZHANG Y H, ZHANG L Y, PAN J M, ZHANG Y H. Analysis of mechanical and threshing properties about main flue-cured tobacco varieties in partial areas[J]. Guizhou Agricultural Sciences, 2019, 47(1): 131-134. DOI:10.3969/j.issn.1001-3601.2019.01.027 |
| [2] |
雷云康, 桂冬, 汪文斌, 苟春苗, 任正云, 余雯. 提升打叶复烤烟叶出片率的思考与建议[J]. 农产品加工, 2021(9): 100-102. DOI:10.16693/j.cnki.1671-9646(X).2021.05.025 LEI Y K, GUI D, WANG W B, GOU C M, REN Z Y, YU W. Thoughts and suggestions on increasing the strips yield of tobacco threshing[J]. Farm Products Processing, 2021(9): 100-102. DOI:10.16693/j.cnki.1671-9646(X).2021.05.025 |
| [3] |
孙永波, 孙彦敏, 刘书武, 周婷, 念江稳, 罗辉, 王媛, 张永辉, 年夫照. 几种因素对烤烟不同部位抗拉力的影响[J]. 安徽农业科学, 2021, 49(6): 46-48, 53. DOI:10.3969/j.issn.0517-6611.2021.06.013 SUN Y B, SUN Y M, LIU S W, ZHOU T, NIAN J W, LUO H, WANG Y, ZHANG Y H, NIAN F Z. Effects of several factors on the tensile resistance of different parts of flue-cured tobacco[J]. Anhui Agricultural Sciences, 2021, 49(6): 46-48, 53. DOI:10.3969/j.issn.0517-6611.2021.06.013 |
| [4] |
张世芬, 张德康, 孙武, 张东东, 秦言敏, 耿红梅, 余仕东, 王改丽, 张军刚, 韩家宝. 不同香型风格烤烟力学特性对烟叶外观质量的影响[J]. 河南农业科学, 2021, 50(2): 58-65. DOI:10.15933/j.cnki.1004-3268.2021.02.007 ZHANG S F, ZHANG D K, SUN W, ZHANG D D, QIN Y M, GENG H M, YU S D, WANG G L, ZHANG J G, HAN J B. Effect of mechanics characteristics of different flavor styles on appearance quality of flue-cured tobacco[J]. Journal of Henan Agricultural Sciences, 2021, 50(2): 58-65. DOI:10.15933/j.cnki.1004-3268.2021.02.007 |
| [5] |
李晓, 陈科冰, 韩明, 梁淼, 马雨佳, 纪晓楠. 基于质构仪穿刺模式的烟叶脆性定量评价方法[J]. 烟草科技, 2021, 54(6): 83-91. DOI:10.16135/j.issn1002-0861.2020.0649 LI X, CHEN K B, HAN M, LIANG M, MA Y J, JI X N. A quantitative evaluation method for tobacco leaf brittleness based on puncture mode of texture analyzer[J]. Tobacco Science & Technology, 2021, 54(6): 83-91. DOI:10.16135/j.issn1002-0861.2020.0649 |
| [6] |
沈进, 宋成剑, 胡梦岩. 基于质构仪的造纸法再造烟叶柔软度评价方法[J]. 烟草科技, 2020, 53(7): 87-91. DOI:10.16135/j.issn1002-0861.2019.0470 SHEN J, SONG C J, HU M Y. A method for evaluating softness of reconstituted tobacco by paper-making process based on texture analyzer[J]. Tobacco Science & Technology, 2020, 53(7): 87-91. DOI:10.16135/j.issn1002-0861.2019.0470 |
| [7] |
喻奇伟, 堵劲松, 陈雪, 梁伟, 申玉军, 杜洪武, 张玉海, 张友杰. 贵州毕节3个主栽烤烟品种力学特性分析[J]. 湖南农业科学, 2018(4): 78-80, 84. DOI:10.16498/j.cnki.hnnykx.2018.004.022 YU Q W, DU J S, CHEN X, LIANG W, SHEN Y J, DU H W, ZHANG Y H, ZHANG Y J. Analysis on mechanical properties of three flue-cured tobacco cultivars in Bijie tobacco growing area[J]. Hunan Agricultural Sciences, 2018(4): 78-80, 84. DOI:10.16498/j.cnki.hnnykx.2018.004.022 |
| [8] |
王浩雅, 王理珉, 张强, 孙力, 田丽梅, 任一鹏. 烟叶颜色指标与其他物理指标的相关研究[J]. 广东农业科学, 2011, 38(11): 41-44. DOI:10.16768/j.issn.1004-874X.2011.11.057 WANG H Y, WANG L M, ZHANG Q, SUN L, TIAN L M, REN Y P. Correlation analysis of tobacco color and other physical indicators[J]. Guangdong Agricultural Sciences, 2011, 38(11): 41-44. DOI:10.16768/j.issn.1004-874X.2011.11.057 |
| [9] |
李晓, 陈科冰, 韩明, 马雨佳, 纪晓楠, 楚晗. 质构仪在烟叶力学特性检测中的应用进展[J]. 轻工学报, 2021, 36(3): 63-69. LI X, CHEN K B, HAN M, MA Y J, JI X N, CHU H. Application progress of texture analyzer in the determination of tobacco leaf mechanical properties[J]. Journal of Light Industry, 2021, 36(3): 63-69. |
| [10] |
张玉海, 邓国栋, 冯春珍, 堵劲松, 徐大勇, 王兵, 申玉军. 含水率对烟叶力学特性的影响[J]. 烟草科技, 2013(1): 10-12, 24. DOI:10.3969/j.issn.1002-0861.2013.01.002 ZHANG Y H, DENG G D, FENG C Z, DU J S, XU D Y, WANG B, SHEN Y J. Effects of moisture content in tobacco leaf on its mechanical properties[J]. Tobacco Science & Technology, 2013(1): 10-12, 24. DOI:10.3969/j.issn.1002-0861.2013.01.002 |
| [11] |
张玉海, 伍政文, 杜阅光, 刘志勇, 位辉琴, 席年生, 贾涛, 邓国栋. 烟叶粘附力的影响因素及其对烟叶回透率的影响[J]. 烟草科技, 2014(5): 17-19. DOI:10.3969/j.issn.1002-0861.2014.05.004 ZHANG Y H, WU Z W, DU Y G, LIU Z Y, WEI H Q, XI N S, JIA T, DENG G D. Factors influencing adhesive force and ordering efficiency of tobacco leaves[J]. Tobacco Science & Technology, 2014(5): 17-19. DOI:10.3969/j.issn.1002-0861.2014.05.004 |
| [12] |
张玉海, 席年生, 王岩, 常纪恒, 姚光明, 刘朝贤, 徐大勇, 张彩云, 邓国栋. 造纸法再造烟叶与烟叶部分物理特性指标的对比分析[J]. 烟草科技, 2015, 48(8): 72-75, 87. DOI:10.16135/j.issn1002-0861.20150814 ZHANG Y H, XI N S, WANG Y, CHANG J H, YAO G M, LIU C X, XU D Y, ZHANG C Y, DENG G D. Comparison of physical characteristics between paper-making process reconstituted tobacco and tobacco leaf[J]. Tobacco Science & Technology, 2015, 48(8): 72-75, 87. DOI:10.16135/j.issn1002-0861.20150814 |
| [13] |
张玉海, 胡宗玉, 卢敏瑞, 姜焕元, 周良明, 林梦涵, 刘友俊, 许强, 位辉琴. 基于烟叶力学特性的打叶水分适宜性分析及应用[J]. 安徽农业科学, 2022, 50(6): 164-167, 185. DOI:10.3969/j.issn.0517-6611.2022.06.039 ZHANG Y H, HU Z Y, LU M R, JIANG H Y, ZHOU L M, LIN M H, LIU Y J, XU Q, WEI H Q. Analysis and application of water suitability for threshing based on mechanical properties of tobacco leaves[J]. Journal of Anhui Agricultural Sciences, 2022, 50(6): 164-167, 185. DOI:10.3969/j.issn.0517-6611.2022.06.039 |
| [14] |
连长伟, 张腾健, 卢敏瑞, 王芳, 徐大勇, 徐清泉, 张晓兵, 龚涛, 刘晶晶, 彭健, 杨全, 吴杭亮, 张玉海. 不同润叶强度对打叶复烤在制品质量及能源消耗的影响[J]. 安徽农业科学, 2020, 48(15): 194-196. DOI:10.3969/j.issn.0517-6611.2020.15.055 LIAN C W, ZHANG T J, LU M R, WANG F, XU D Y, XU Q Q, ZHANG X B, GONG T, LIU J J, PENG J, YANG Q, WU H L, ZHANG Y H. Effects of different moistening strength on the quality and energy consumption of products in the threshing and redrying process[J]. Journal of Anhui Agricultural Sciences, 2020, 48(15): 194-196. DOI:10.3969/j.issn.0517-6611.2020.15.055 |
| [15] |
徐波, 姜焕元, 范明登, 陈义强, 王锐亮, 堵劲松, 张玉海. 基于翠碧1号品种烟叶典型力学特性的打叶复烤加工技术及应用[J]. 烟草科技, 2020, 53(7): 80-86, 106. DOI:10.16135/j.issn1002-0861.2019.0336 XU B, JIANG H Y, FAN M D, CHEN Y Q, WANG R L, DU J S, ZHANG Y H. Threshing and redrying technology based on typical mechanical characteristics of tobacco leaves of cv. CB-1[J]. Tobacco Science & Technology, 2020, 53(7): 80-86, 106. DOI:10.16135/j.issn1002-0861.2019.0336 |
| [16] |
王浩雅, 向海英, 刘晶, 王建, 邱晔, 张群芳, 马金晶. 造纸法再造烟叶抗张强度测定方法的研究[J]. 现代科学仪器, 2013(2): 133-136. WANG H Y, XIANG H Y, LIU J, WANG J, QIU Y, ZHANG Q F, MA J J. Study on determination method for tensile strength of paper-process reconstituted tobacco[J]. Modern Scientific Instruments, 2013(2): 133-136. |
| [17] |
HENRY Z A, ZHANG H B, SU B Y, ONKS D O. Elastic properties of the tobacco leaf[J]. Journal of Agricultural Engineering Research, 2000, 76(1): 101-110. DOI:10.1006/jaer.2000.0536 |
| [18] |
李萍, 曾令可, 税安泽, 金雪莉, 刘艳春, 王慧. 基于MATLAB的BP神经网络预测系统的设计[J]. 计算机应用与软件, 2008, 25(4): 3. DOI:10.3969/j.issn.1000-386X.2008.04.056 LI P, ZENG L K, SHUI A Z, JIN X L, LIU Y C, WANG H. Design of forecast system of Back Propagation neural network based on MATLAB[J]. Computer Applications and Software, 2008, 25(4): 3. DOI:10.3969/j.issn.1000-386X.2008.04.056 |
| [19] |
YANG H, LIU C B, YAN L, YAN L Y, REN L. Design of decision tree structure with improved BPNN nodes for high-accuracy locomotion mode recognition using a single IMU[J]. Sensors, 2021, 21(2): 526. DOI:10.3390/s21020526 |
| [20] |
李平, 邱晔, 刘鲁娟, 谭明华, 李艳艳, 王金宏. 一种测定烟叶样品抗张强度的方法[P]. 中国: CN202111662685.2, 2021.12.31. LI P, QIU Y, LIU L J, TAN M H, LI Y Y, WANG J H. A method for determining the tensile strength of tobacco samples[P]. China: CN202111662685.2, 2021.12.31. |
| [21] |
于建军, 宫长荣. 烟草原料初加工[M]. 北京: 中国农业出版社, 2009. YU J J, GONG C R. Primary processing of tobacco raw materials[M]. Beijing: Chinese Agriculture Press, 2009. |
| [22] |
杨欣, 胡男君, 关罗浩, 冀浩, 王初亮, 谢晋, 李超. 云南新烟区烟叶主要化学成分特征及其与评吸质量的关系[J]. 广东农业科学, 2020, 47(1): 23-31. DOI:10.16768/j.issn.1004-874X.2020.01.004 YANG X, HU N J, GUAN L H, JI H, WANG C L, XIE J, LI C. Characteristics of main chemical components in flue-cured tobacco leaves from new tobacco growing areas of yunnan and relationships with smoking quality[J]. Guangdong Agricultural Sciences, 2020, 47(1): 23-31. DOI:10.16768/j.issn.1004-874X.2020.01.004 |
| [23] |
王念磊, 汤朝起, 秦言敏, 焦绍赫, 沈晗, 张海伟, 潘建国, 何宽信. 施氮量、基肥施用方式对烤烟产质及烟气焦碱比的影响[J]. 广东农业科学, 2022, 49(5): 65-74. DOI:10.16768/j.issn.1004-874X.2022.05.008 WANG N L, TANG C Q, QIN Y M, JIAO S H, SHEN H, ZHANG H W, PAN J G, HE K X. Effects of nitrogen and basal fertilizer application method on flue-cured tobacco yield and ratio of tar to nicotine in flue gas[J]. Guangdong Agricultural Sciences, 2022, 49(5): 65-74. DOI:10.16768/j.issn.1004-874X.2022.05.008 |
| [24] |
王晓园, 黄瑞寅, 谢旭明, 曾海亮, 陈钦, 安玉兴, 罗莎莎, 武春屹, 李宙文. 广东梅州烟区土壤与烟叶化学成分特征评价及其相关性分析[J]. 广东农业科学, 2023, 50(6): 62-72. DOI:10.16768/j.issn.1004-874X.2023.06.008 WANG X Y, HUANG R Y, XIE X M, ZENG H L, CHEN Q, AN Y X, LUO S S, WU C Y, LI Z W. Evaluation and correlation analysis of soil nutrients and chemical constituents of tobacco leaves in Meizhou tobacco production area of Guangdong[J]. Guangdong Agricultural Sciences, 2023, 50(6): 62-72. DOI:10.16768/j.issn.1004-874X.2023.06.008 |
| [25] |
张勇刚, 任志广, 徐志强, 刘建国, 张晓兵, 刘化冰, 夏琛, 程昌合. 离差最大化结合BP神经网络评价烟叶化学品质[J]. 作物杂志, 2023(1): 190-195. DOI:10.16035/j.issn.1001-7283.2023.01.028 ZHANG Y G, REN Z G, XU Z Q, LIU J G, ZHANG X B, LIU H B, XIA C, CHENG C H. Chemical quality evaluation of flue-cured tobacco based on maximization of deviation and bp neural network[J]. Crops, 2023(1): 190-195. DOI:10.16035/j.issn.1001-7283.2023.01.028 |
| [26] |
张广普, 李峥, 黄广华, 徐志强, 钟永健, 赵程虹. 基于BP神经网络的烘烤变黄期烟叶含水量预测[J]. 天津农业科学, 2021, 27(10): 62-67, 73. DOI:10.3969/j.issn.1006-6500.2021.10.014 ZHANG G P, LI Z, HUANG G H, XU Z Q, ZHONG Y J, ZHAO C H. Prediction of moisture content of tobacco leaves in yellowing stage based on back propagation artificial neural network[J]. Tianjin Agricultural Sciences, 2021, 27(10): 62-67, 73. DOI:10.3969/j.issn.1006-6500.2021.10.014 |
(责任编辑 崔建勋)