Determination of Nicotine in Tobacco by NIR Spectroscopy Enhanced with Deep Learning and Kepler Optimization Algorithm

WANG Gui-yao; LIN Meng-han²; LI Shao-peng³; ZHAN Ying⁴; ZHANG Jun⁴; PENG Yun-fa⁴; TIAN Zhen²; ZHOU Han-ping; GUO Jian-hua; SONG Ji-zhen

doi:10.12452/j.fxcsxb.250425320

您当前的位置：

首页 >

文章列表页 >

Determination of Nicotine in Tobacco by NIR Spectroscopy Enhanced with Deep Learning and Kepler Optimization Algorithm

Special Column on the 30-Year Development of Near-Infrared Spectroscopy in China | 更新时间：2025-11-05

- Determination of Nicotine in Tobacco by NIR Spectroscopy Enhanced with Deep Learning and Kepler Optimization Algorithm
- Journal of Instrumental Analysis Vol. 44, Issue 10, Pages: 2071-2078(2025)
- 作者机构：
  
  1.中国烟草总公司郑州烟草研究院，河南郑州 450000
  2.福建省三明金叶复烤有限公司，福建三明 365003
  3.江苏中烟工业有限责任公司，江苏南京 210000
  4.上海创和亿电子科技发展有限公司，上海 200092
- 作者简介：
- 基金信息：
- DOI：10.12452/j.fxcsxb.250425320
  CLC： O657.3;TS41.1
- Received：25 April 2025，
  
  Revised：2025-06-16，
  
  Accepted：01 July 2025，
  
  Published：15 October 2025
- 稿件说明：
移动端阅览
王桂瑶,林梦涵,李少鹏,詹映,张军,彭云发,田震,周汉平,郭建华,宋纪真.深度学习与开普勒优化算法结合近红外光谱测定烟草烟碱含量[J].分析测试学报,2025,44(10):2071-2078.

WANG Gui-yao,LIN Meng-han²,LI Shao-peng³,ZHAN Ying⁴,ZHANG Jun⁴,PENG Yun-fa⁴,TIAN Zhen²,ZHOU Han-ping,GUO Jian-hua,SONG Ji-zhen.Determination of Nicotine in Tobacco by NIR Spectroscopy Enhanced with Deep Learning and Kepler Optimization Algorithm[J].Journal of Instrumental Analysis,2025,44(10):2071-2078.
王桂瑶,林梦涵,李少鹏,詹映,张军,彭云发,田震,周汉平,郭建华,宋纪真.深度学习与开普勒优化算法结合近红外光谱测定烟草烟碱含量[J].分析测试学报,2025,44(10):2071-2078. DOI： 10.12452/j.fxcsxb.250425320.

WANG Gui-yao,LIN Meng-han²,LI Shao-peng³,ZHAN Ying⁴,ZHANG Jun⁴,PENG Yun-fa⁴,TIAN Zhen²,ZHOU Han-ping,GUO Jian-hua,SONG Ji-zhen.Determination of Nicotine in Tobacco by NIR Spectroscopy Enhanced with Deep Learning and Kepler Optimization Algorithm[J].Journal of Instrumental Analysis,2025,44(10):2071-2078. DOI： 10.12452/j.fxcsxb.250425320.

摘要

为提升近红外光谱对烟叶烟碱含量的定量分析精度，提出了一种融合开普勒优化算法（KOA）、卷积神经网络（CNN）、门控循环单元（GRU）和多头自注意力机制（MultiAttention）的深度学习模型。首先对1 790份烟叶样本的近红外光谱进行Savitzky-Golay一阶导数预处理，通过CNN提取光谱多尺度特征，利用GRU捕捉波长点间的时序依赖关系，并引入MultiAttention实现特征动态加权；同时，采用KOA算法优化模型超参数（学习率、卷积核个数、隐藏层节点数），通过调控轨道周期（

）、初始引力强度（

₀）和衰减系数（

），解决传统模型易陷入局部最优和收敛慢的问题。实验结果表明，当

=1、

₀=0.05、

=8时，模型预测烟碱含量的拟合优度（

²）为0.980，均方根误差（RMSE）为0.069，平均绝对误差（MAE）为0.049，较偏最小二乘法（PLS）、卷积神经网络回归（CNNR）等对比模型的精度显著提升。研究表明，该模型通过特征提取-时序建模-全局优化的一体化框架，有效提升了近红外光谱定量分析的鲁棒性与泛化能力，为烟叶化学成分的快速精准检测提供了新方法。

Abstract

This study aims to improve the quantitative analysis accuracy of nicotine content in tobacco leav

es using near-infrared（NIR） spectroscopy by proposing a deep learning model integrating the Kepler optimization algorithm（KOA），convolutional neural network（CNN），gated recurrent unit（GRU），and multi-head self-attention mechanism（MultiAttention）. First，the NIR spectra of 1 790 tobacco leaf samples were preprocessed using the Savitzky-Golay first derivative method. The CNN was employed to extract multi-scale spectral features，the GRU was used to capture the sequential dependencies between wavelength points，and the MultiAttention mechanism was introduced to dynamically weight features. Additionally，the KOA algorithm was applied to optimize the model's hyperparameters （learning rate，number of convolutional kernels，and hidden layer nodes）. By adjusting the orbital period factor（

），initial gravitational strength（

₀），and decay coefficient（

），the model addressed the issues of traditional models being prone to local optima and slow convergence. Experimental results showed that when

=1，

₀=0.05，and

=8，the model achieved a goodness-of-fit（

²） of 0.980，root mean square error（RMSE） of 0.069，and mean absolute error（MAE） of 0.049 for nicotine content prediction，significantly outperforming comparative models such as partial least squares（PLS） and convolutional neural network regression（CNNR）. The study demonstrates that this model，through an integrated framework of feature extraction-sequential modeling-global optimization，effectively enhances the robustness and generalization ability of NIR spectral quantitative analysis，providing a new method for rapid and accurate detection of chemical components in tobacco leaves.

关键词

Keywords

references

Zhang X B ， Xu Z Q ， Zhong Y J ， Zhu H F ， Li Z ， Zhang J ， Zhan Y ， Peng Y F ， Liu J G . J. Instrum. Anal. （张晓兵，徐志强，钟永健，朱宏福，李峥，张军，詹映，彭云发，刘建国. 分析测试学报）， 2024 ， 43 （ 5 ）： 792 - 797 .

Wu J Z ， Shi Y D ， Huang H ， Li X R . J. Instrum. Anal. （吴继忠，时艺丹，黄慧，厉小润. 分析测试学报）， 2023 ， 42 （ 9 ）： 1112 - 1118 .

Chu X L ， Chen P ， Li J Y ， Liu D ， Xu Y P . J. Instrum. Anal. （褚小立，陈瀑，李敬岩，刘丹，许育鹏. 分析测试学报）， 2020 ， 39 （ 10 ）： 1181 - 1188 .

Zong Q Q ， Ding X Q ， Han F ， Gong H L ， Zhang L . Comput. Digital Eng. （宗倩倩，丁香乾，韩凤，宫会丽，张磊. 计算机与数字工程）， 2019 ， 47 （ 2 ）： 275 - 280 .

Wang C ， Wu X H ， Li L Q ， Wang Y S ， Li Z W . Spectrosc. Spectral Anal. （王璨，武新慧，李恋卿，王玉顺，李志伟. 光谱学与光谱分析）， 2018 ， 38 （ 1 ）： 36 - 41 .

Liu Z Y ， Zhang C H ， Jiang J K ， Shen B G ， Ding Y F ， Zhang L L ， Zhu C . Spectrosc. Spectral Anal. （刘宗溢，张彩虹，蒋健康，沈斌国，丁艳菲，张雷蕾，朱诚. 光谱学与光谱分析）， 2024 ， 44 （ 4 ）： 1018 - 1024 .

Xu S Y ， Liu Z Y ， Huang Y ， Zeng Y ， Bie Z L ， Dong W J . Trans. Chin. Soc. Agric. Mach .（徐胜勇，刘政义，黄远，曾雨，别之龙，董万静. 农业机械学报）， 2024 ， 55 （ 8 ）： 243 - 252 .

Jiang H ， Wang Y G ， Chen J ， Huang X Y . Acta Opt . Sin. （江灏，王尤刚，陈静，黄新宇. 光学学报）， 2020 ， 40 （ 7 ）： 12 - 19 .

Li H ， Zhao Q ， Cui C Z ， Fan D W ， Zhang C K ， Shi Y C ， Wang Y . Spectrosc. Spectral Anal. （李浩，赵青，崔辰州，樊东卫，张成奎，史艳翠，王嫄. 光谱学与光谱分析）， 2024 ， 44 （ 6 ）： 1668 - 1675 .

Miao J F ， Tang B ， Chen Q ， Long Z R ， Ye B Q ， Zhou Y ， Zhang J F ， Zhao M F ， Zhou M . J. Atmos. Environ. Opt . （缪俊锋，汤斌，陈庆，龙邹荣，叶彬强，周彦，张金富，赵明富，周密. 大气与环境光学学报）， 2024 ， 19 （ 1 ）： 73 - 84 .

Wu J G ， Wang H ， Zhang L ， Yang L S ， Peng J J ， Gong M C . Environ. Sci. （吴建高，汪泓，张磊，杨隆珊，彭俊杰，龚明冲 . 环境科学）， 2025 ， 46 （ 4 ）： 2313 - 2324 .

Guan X M ， Cui H B . Sci. Technol. Eng. （管雪梅，崔宏博. 科学技术与工程）， 2024 ， 24 （ 28 ）： 12268 - 12276 .

He S D ， Li J ， Hu C J ， Wang J Q ， Zhang Y Y ， Gao Z Y ， Du Z H ， Cao Y . J. Gun Launch & Control（何淑典，李杰，胡陈君，王镜淇，张元园，高正阳，杜增辉，曹宇 . 火炮发射与控制学报）， 2025 ， 46 （ 3 ）： 18 - 24 .

Wang M Y ， Ma X J ， Ge L J ， Zhou S H ， Xu Z W ， Wu H ， Ren X D . J . Inner Mongolia Agric. Univ. ： Nat. Sci. Ed .

王明洋，马学军，葛丽娟，周守航，徐志伟，吴昊，任晓丹 . 内蒙古农业大学学报：自然科学版）， 2025 ， 46 （ 4 ）： 65 - 73 .

YC/T 468 - 2021 . Determination of Total Alkaloids in Tobacco and Tobacco Products-Continuous Flow （Potassium Thiocyanate） Method. Tobacco Industry Standard of the People's Republic of China（烟草及烟草制品　总植物碱的测定　连续流动（硫氰酸钾）法. 中华人民共和国烟草行业标准） .

Views

130

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

A Study on Non-destructive Detection of GABA Content in Cherry Tomatoes Based on Deep Learning

Building of a Fast Near-infrared Spectroscopy Quantitative Model for Jitong Ning Tablet Alcohol Precipitation Supernatant Multi-component Ingredients

30 Years of Near Infrared Spectroscopy Analysis Technology in China—Review，Commentary，and Future Prospects

Related Author

LI Shao-peng³

WANG Ya-dong

JIA Jun-wei

TAN Wei-jun

LEI Meng

ZHANG Yao

TIAN Yu

HUANG Yan-fa

Related Institution

Shanxi Tiandi Wangpo Coal Industry Co.，Ltd

Tiandi（Changzhou） Automation Co.，Ltd

School of Information and Control Engineering，China University of Mining and Technology

Ningxia Modern Protected Horticulture Engineering Technology Research Center

Institute of Food Testing in Ningxia

Address：100 Xianlie Middle Road, Guangzhou Postal code：510070
Tel：020-87684776,37656606 Fax：020-87684776 Email：fxcsxb@china.com
Technical support is provided by Beijing Founder electronics co., LTD 粤ICP备12017312号-3 京公网安备11010802024621
It is recommended to read the content of this site in Chrome&IE9+. Please switch to extreme mode in browser 360.
Cookies We use cookies to help provide and enhance our service and tailor content. By continuing, you agree to the use of cookies.
Total Visits：751162 Visits Today：451

⁰