烟草是制烟的主要原料,是卷烟产品的重要基础,也是我国重要的经济作物之一。对于其他很多国家和地区,烟草产业占有十分重要的地位。在烟草产业中,烟草品质的确定是一项基础性工作。依据国家烟草行业标准,科学合理的烟草评价体系和准确的烟草分级鉴定,是提高烟草产品质量的关键。目前对烟草质量评价指标主要有化学成分、物理性状、外观质量和内在品质等四个方面,传统的质量判定是依靠专业人员感官评吸,其判定结果受到很多因素的影响而难以统一。近年来,随着烟草化学成分分析方法不断发展,将计算机辅助感官评价引入烟草行业,从而促进烟草质量感官评估的智能化、数字化已成为发展趋势。本文主要通过对烟草相关化学成分的量化分析,提出一种新的烟草品质评价方法。主要研究内容如下:1、烟草品质评价方案。通过分析烟草化学成分,确定其与烟草内在质量的联系,以及以烟草中总糖、还原糖、总氮、烟碱、蛋白质、氧化钾、氯离子的化学成分含量作为烟草品质等级主要评价指标。采用萤火虫群算法对模糊聚类算法进行改进优化,按照化学成分的差异对多组烟草样本进行分类。在此基础上,采用AdaBoost算法对多组基分类器进行迭代计算,并修改权重,形成最终的烟草品质评价方法。2、萤火虫群优化的模糊聚类算法。利用模糊聚类分析算法,将包含复杂化学成分的烟草对象集合,按相似度高低聚合形成的多个类别。再采用离散型萤火虫群优化算法寻找权重因子,以及聚类中心向量,多轮迭代后得到最优解。提出具体算法步骤,给出了萤火虫位置的更新公式、个体间距离计算公式等。3、AdaBoost集成分类算法。利用不同烟草测试样本的聚类结果作为基分类器,再以单个基分类器的分类误差为权重,加权得到最终的烟草品质评价方案。提出AdaBoost集成分类算法具体步骤,以及权重更新公式、权重计算公式和归一化处理公式。4、烟草品质集成分类仿真与实验。提出仿真过程总体设计方案,包括仿真过程总体设计、化学成分数据库设计、算法流程图等。采用真实的烟草样本数据对萤火虫群优化模糊聚类算法,和AdaBoost集成分类算法进行仿真实验。通过实验对比的方式,对本文算法的效果进行分析。研究结果表明,采用模糊聚类、萤火虫群优化算法、AdaBoost集成分类算法等技术进行烟草品质集成分类具有现实可行性,在烟草品质评价方面比较具有实用性,烟草分类结果更加高效、准确。研究成果可以在烟草质量标准的制定、烟草质量检验等领域中起到良好的辅助作用,也可以推广到产品与化学成分和感官指标有关的相关行业。