基于可解释机器学习的烟草叶片位置判别模型构建与化学特征解析

本研究创新性地将机器学习与可解释性技术相结合，基于近红外快速分析技术获取的70种烟草化学成分，构建了支持向量机（SVM）、反向传播神经网络（BPNN）和随机森林（RF）叶片位置判别模型，并通过粒子群优化（PSO）算法优化参数。其中SVM-混合核模型表现最优（训练集准确率98.17%，测试集96.33%），利用SHapley加性解释（SHAP）算法揭示了烟碱、新植二烯等关键成分的贡献规律，为作物位置溯源和化学特征分析提供了新范式。

　　

引言

烟草作为重要经济作物，其叶片位置（上部B/中部C/下部X）与品质密切相关。传统近红外光谱结合算法模型虽能识别叶位，但依赖降维后的主成分导致可解释性差；而基于仪器分析的化学成分检测又存在耗时耗力、化合物覆盖有限的缺陷。本研究提出融合机器学习与可解释性技术的新策略，通过近红外快速分析技术获取70种化学成分，构建高精度可解释的叶位判别模型。

材料与方法

样本制备：收集中国17省546份烟叶样本，按位置分为上中下三组，经40℃干燥、60目筛分处理，采用Antaris? II傅里叶变换近红外光谱仪（4000-10000 cm^-1）采集数据，经多元散射校正（MSC）和一阶导数预处理后，通过已建立的近红外-化学成分预测模型推导出70种成分，包括常规成分、多酚、氨基酸等，并衍生糖碱比、氮碱比等9项指标。

模型构建：采用分层抽样将数据分为训练集（80%）和测试集（20%），通过五折交叉验证优化支持向量机（SVM）、反向传播神经网络（BPNN）和随机森林（RF）参数。粒子群优化（PSO）算法以交叉验证准确率为适应度函数，关键参数包括：SVM核函数（线性/多项式/高斯/混合）、BPNN隐藏层数（1-3层）和RF树数量（50-200）。模型性能通过准确率（Acc）、召回率（R）、F1值等指标评估。

可解释性分析：采用SHAP算法解析最优模型，通过特征重要性排序、SHAP摘要图和依赖图揭示化学成分贡献。同时通过独立样本t检验（显著性水平0.0167）验证不同叶位化学成分差异。

结果

模型性能：SVM-混合核模型表现最优，训练集和测试集准确率分别达98.17%和96.33%，宏平均F1值0.9444。混淆矩阵显示仅4个样本误判，如C₁F等级烟叶因接近上部叶特征被误判。BPNN和RF模型准确率分别为94.5%和93.6%，证实SVM更适合小样本数据。

化学特征差异：t检验发现上部叶与其他位置在62项指标上存在显著差异，如上部叶新植二烯含量（25.43±6.21 μg/g）显著高于中部叶（18.79±5.34 μg/g）；中部叶的果糖-酪氨酸（Fru-Tyr）含量（1.02±0.31 mg/g）特异性高；下部叶的镁含量（0.42±0.09%）和糖碱比（12.7±3.5）显著突出。

SHAP解析：

• 上部叶判别：新植二烯（SHAP值-0.32）、草酸（+0.28）和总氮（+0.25）贡献度最高，其中总氮含量与SHAP值呈正相关（R²=0.82）。
• 中部叶判别：Fru-Tyr（+0.21）和丙氨酸（+0.18）起正向作用，而总生物碱呈现"钟形"依赖关系——含量适中时（2.5-3.5%）模型倾向判定为中部叶。
• 下部叶判别：镁离子（+0.24）和糖碱比（+0.22）是关键正向指标，而neo-绿原酸含量超过1.2 mg/g时显著提升下部叶判定概率。

讨论

研究首次系统揭示了烟草叶位判别的化学基础：上部叶以高总氮（2.85±0.43%）、芦丁（1.42±0.38 mg/g）为特征；中部叶以适中的生物碱（3.12±0.51%）和特异Amadori化合物为标志；下部叶则依赖高镁（0.42±0.09%）和糖碱比（12.7±3.5）。与传统认知一致的是，SHAP依赖图证实总生物碱呈"上部叶>中部叶>下部叶"梯度，而钾离子呈现相反趋势。研究还发现独立t检验未显着的淀粉和多酚在SHAP分析中贡献显著，表明机器学习能捕捉特征间非线性相互作用。

结论

该研究建立的SVM-混合核模型实现了烟草叶位的精准判别，SHAP算法首次量化了70种化学成分的贡献度，揭示了新植二烯、糖碱比等关键指标的判别机制。该方法突破了传统近红外模型解释性差的局限，为农产品质量溯源提供了可解释AI范本，未来可扩展至其他作物的品质分析与分级应用。