97.96% 测试准确率
利用近红外光谱与化学分析结合机器学习，可快速准确鉴别烟叶地理来源，并识别关键化学成分标记。
Ranran, Kou · Wang, Cong · Ran, Wan · Fu, Yufeng · Zhao, Le · 郭军伟 · Wang, Hongbo · 杨松 · 聂聪
Frontiers in Chemistry 2026
SVM混合核模型在测试集上达到97.96%的准确率，宏平均召回率、精确率和F1分数分别为0.9836、0.9806和0.9821，能够可靠区分不同产地的烟叶。
利用PFI算法识别并排序了影响产地判别的前20个关键化学成分，其中前十位包括果糖-天冬酰胺、琥珀酸、芦丁等，为产地溯源提供了明确的化学标记。
比较了支持向量机、反向传播神经网络和随机森林三种判别模型，可根据实际需求选择最适合的模型进行产地判别。