烟叶生产加工过程是烟叶最重要的品质生成阶段,是指烟叶从田间采收到直接作为卷烟原料的全过程,包括成熟采收、烘烤、分级、复烤、醇化等环节。但是,目前烟叶生产加工过程中还存在较多问题,高度依赖经验,缺乏客观的、量化的加工标准和判别方法尤为突出。因此,寻求能应用于烟叶加工过程的准确、快速、客观的判别、分析、监测等方法就显得尤为重要。作为生物样本,烟叶具有极其复杂的化学组成,其成分含量、成分间的相互关系及成分与其含量在加工过程中的动态变化等在很大程度上都是未知的,分析尚无可靠的物理或者化学规律可依,传统化学理论方法已不适应,可以采用复杂体系的分析方法——广义灰色体系理论来解析。广义灰色体系是一种在白灰黑分析体系基础上发展而来的描述分析环境复杂性的方法,可从量测变量空间入手来解决复杂的分析问题。无损分析技术作为一种快速、无损的分析方法,可得到大量的、连续的量测变量,较适合于样本量大、分析因子多、连续性强的烟叶生产加工过程。因此,本文探讨了采用广义灰色体系理论结合无损分析技术对烤烟烟叶生产加工过程中的成熟采收、密集烘烤、分级收购、打叶复烤和仓储醇化进行深入研究的可行性,以期充分发挥烟叶生产加工的作用,塑造烟叶的最协调品质特征,为深入开展烟叶生产加工量化体系的研究提供理论参考。本文的具体研究结果包括:(1)针对当前烟叶成熟采收标准过于笼统和主观的问题,分别采用近红外光谱技术(NIRS)结合模型集群分析-随机森林(MPA-RF)方法、图像识别技术结合极限学习机(ELM)方法对烟叶的成熟度进行了快速判别研究,最低判别正确率分别为90%和82%,为进一步提高判别正确率,将烟叶成熟度的近红外数据与图像数据进行了融合,再采用ELM对融合数据进行分析,使烟叶成熟度的判别正确率达到96%以上,可实现烟叶成熟度判别的定量化、科学化。(2)基于烟叶密集烘烤过程缺乏有效的实时监测手段,首先采用NIRS结合自适应进化-极限学习机(SaE-ELM)对烟叶烘烤过程中的3个关键指标(含水率、淀粉和叶绿素)的动态变化情况进行了监测;其次,提出了一种多元校正方法——变量排列集群分析-偏最小二乘(VPPA-PLS),并成功应用于烟叶烘烤过程中主要化学成分定量监测模型的建立,最后,对关键指标和主要化学成分的烘烤变化规律进行了拟合预测,可作为烟叶烘烤精准调控的参考。(3)针对烟叶人工分级指标比较模糊的问题,首先提出了一种多元分类方法——蒙托卡罗-无信息变量消除-随机森林(MC-UVE-RF),与NIRS相结合可实现烟叶的自动分组、分级,最低判别正确率达到88.46%;由于仅使用光谱技术对易混淆等级的烟叶进行判别的效果不佳,将近红外光谱技术与图像识别技术进行融合分析,ELM融合模型的识别正确率有较大提高,可达到96.67%。(4)基于打叶复烤过程中对片烟成品质量控制粗犷的现状,首先从理论上证明了不同类型近红外光谱仪器、烟叶不同物理状态之间的模型转移是可行的,在此基础上提出了一种基于小波变换和典型相关分析的模型转移(WTCCA)方法,通过其将片烟的在线近红外光谱转移到实验室烟粉模型进行预测,使单挑选线和混合挑选线上烟叶样本的烟碱、总糖、还原糖和总氮平均预测误差分别降低了42.03%、29.43%、15.63%、30.10%和8.16%、11.38%、6.66%、19.44%,提高了在线预测的精度,有利于打叶复烤的质量控制。(5)由于目前对烟叶醇化规律的研究较为滞后,因此,充分利用积累的烟叶仓储醇化温湿度及理化指标数据,以多元线性回归(MLR)为手段,对数据中隐含的关联规则进行了深入挖掘分析,模拟建立了仓库环境温湿度与箱内温湿度的时间传导模型,并通过积温积湿模型结合感官质量指标初步实现了醇化仓库的分型研究,将醇化时间大于18个月的仓库定义为慢库,反之,则称为快库,可在一定程度上辅助烟叶醇化技术的研究。