翟乃琦，云利军，叶志霞，王一博，李亚召

(云南师范大学信息学院，云南 昆明 650000)

1 引言

我国作为烟草大国，每年因烟叶霉变问题导致了巨大的经济损失。因此，及时有效地预防烟叶霉变具有重要的研究意义。烟叶本身含有较多的营养物质，为霉菌在生长繁殖过程中提供了必要的物质条件，同时仓储环境的温度和湿度等外部因素会影响霉菌在烟草中的繁殖[1]。防止烟叶霉变的关键在于通过实时监测仓储环境的变化，对烟叶霉变实现提前预警，从而减少经济损失[2 - 4]。

传统人工检测烟叶霉变的方法主要分为2种：一是通过感官进行评测，二是通过镜检鉴别方式检测[5]。传统的检测方法不仅耗时且经济成本较高。随着物联网技术和人工智能的发展，通常应用电子鼻技术来检测烟叶的霉变状态[6，7]，如利用电子鼻来检测烟气从而判断卷烟的品牌[8]，还可用于区分白肋烟的成熟度[9]。模式识别算法多采用机器学习的方法(如采用人工神经网络)对卷烟品牌进行区分[10]。

在机器学习方法中，BP(Back Propogation)神经网络作为一种自适应的多层前馈网络，具有自组织、自学习和联想等特征。程龙等[11，12]将影响烟叶霉变的各个因素作为网络输入，通过训练得到与霉变状态相关的非线性映射关系，进而预测烟叶霉变情况。运用BP神经网络虽解决了不少应用问题，但网络自身伴有局部极小化、收敛速度慢等问题，影响了网络的部分性能。针对这些问题，王荣等[13，14]使用粒子群优化算法解决局部最优问题或通过多种算法综合的方式提高预测准确率。……