基于时序聚类的国产雪茄烟叶堆垛发酵温度变化特征分析
为解决国产雪茄烟叶堆垛发酵过程调控依赖人工经验、缺乏量化指标的问题，对烟叶堆垛垛芯温度的时序变化规律进行分析。
文献来源
李林林，赵东鹏，潘勇，等. 基于时序聚类的国产雪茄烟叶堆垛发酵温度变化特征分析［J］. 烟草科技，2026，59（10）：41-51.
Li Linlin, Zhao Dongpeng, Pan Yong, et al. Analysis on change characteristics of piled fermentation temperature of cigar tobacco leaves based on time series clustering［J］. Tobacco Science & Technology, 2026, 59(10): 41-51.
DOI: 10.16135/j.issn1002‒0861.2025.0666
原文链接：
文章作者
李林林1，赵东鹏2，潘勇1，谭再钰1，施友志1，王俊松1，易华1，胡红云3，王剑*1
1. 湖北中烟工业有限责任公司，武汉市东西湖金山大道1355号 430040
2. 三峡大学计算机与信息学院，湖北省宜昌市西陵区大学路8号 443002
3. 华中科技大学能源与动力工程学院，武汉市洪山区珞喻路1037号 430074
文章摘要
为解决国产雪茄烟叶堆垛发酵过程调控依赖人工经验、缺乏量化指标的问题，对烟叶堆垛垛芯温度的时序变化规律进行分析。以45个国产雪茄烟叶堆垛为研究对象，监测其垛芯温度序列，并采用动态时间规整算法（DTW）度量温度序列间的相似性，结合k-means++聚类算法进行温度时序聚类分析。通过分析各温度变化模式的动态特征，构建了融合温度变化模式、滑动24 h温差、温度阈值及发酵时长的多因素决策框架。
结果表明：①在烟叶堆垛发酵过程中，垛芯温度呈现出5种不同特征的温度变化模式，分别为低温稳定型、平稳升温型、快速升温型、高温稳定型和中温波动型。②对于低温稳定型模式，发酵时长超过120 h且垛芯温度低于30 ℃时建议翻垛；对于平稳升温型模式，发酵时长超过168 h且垛芯温度低于35 ℃时建议翻垛；对于快速升温或高温稳定型模式，垛芯温度超过45 ℃或滑动24 h温差≤0 ℃时，触发翻垛预警；对于中温波动型模式，在全周期累计发酵时长超过30 d、当前阶段发酵时长超168 h及滑动24 h温差≤0 ℃时，可判定发酵结束并出库。③采用决策框架方法辅助翻垛能够提前预判发酵终点，减少各发酵阶段末期的恒温或降温时间，提高发酵效率。该研究为雪茄烟叶堆垛翻垛与出库操作提供了精准量化的决策依据，并为雪茄烟叶发酵过程的数字化调控与标准化生产提供了技术支撑。
文章背景
堆垛发酵是塑造雪茄烟叶风味与品质的核心环节，通过合理堆置与适时翻垛，依靠微生物代谢和酶促反应驱动复杂的物质转化。微生物群落的多样性及代谢活性对烟叶化学成分转化及最终感官品质的形成具有决定性影响。对于雪茄烟叶堆垛发酵，垛芯温度、发酵时长等均是反映整体发酵进程的核心参数。前人研究表明，垛芯温度、发酵时长、初始含水率等共同影响雪茄烟叶发酵效果，其中垛芯温度与发酵时长的协同作用对烟叶质量的影响尤为显著。
雪茄烟叶发酵受原料差异和环境影响，发酵温度变化复杂且难以进行标准化处理，生产过程高度依赖人工经验操作；化学检测和感官评吸无法实时反映发酵状态，导致工艺参数调整滞后。如何从温度时序数据中提取可量化的规律并建立实时决策指标，是对发酵过程进行数字化与精准化调控的关键。
烟叶堆垛发酵中，微生物代谢产生的生物热导致垛芯温度较高且相对稳定，其温度时序曲线能够反映整体发酵进程。因此，本研究中采用动态时间规整（Dynamic time warping，DTW）算法度量不等长、非对齐温度序列间的相似性，并结合k-means++聚类算法对国产雪茄烟叶堆垛发酵过程中的垛芯温度时序变化模式进行识别与归类，以揭示不同温度模式与发酵阶段的关联规律，进而构建一个融合温度变化模式、滑动24 h温差、绝对温度阈值及发酵时长的多因素决策框架，旨在为翻垛和出库操作提供相对精准、量化的指标，并为国产雪茄烟叶发酵工艺的标准化与智能化提供技术支撑。
文章概述
选取湖北（2个烟叶品种）、云南（4个烟叶品种）、四川（1个烟叶品种）和海南（2个烟叶品种）4个主要雪茄原料产区的烟叶（烟叶部位包含上部烟叶和中部烟叶），烟叶堆垛规格均为1.5 m×1.5 m×1.5 m，每垛烟叶质量约为600 kg，共45个烟叶堆垛，具体信息见表1。
表1 烟叶堆垛信息及分布
Tab. 1 Information and distribution of cigar tobacco piles
（个）
聚类簇内误差平方和（SSE）随k值的变化见图1。可知，随着k值的增加，SSEDTW呈单调递减趋势。当k≥5时，曲线出现明显拐点，且曲线的下降幅度显著减缓，表明将k设为5时，可在保证模型解释力的同时，避免过度复杂，能够较好地平衡簇内相似性与簇间差异性。
图1 基于DTW距离的簇内误差平方和（SSE）随聚类簇数的变化
Fig. 1 Changes in sum of squared error （SSE） with cluster count based on DTW distance
对41个烟叶堆垛各次独立发酵过程的垛芯温度序列进行聚类分析，结果见图2。可知，发酵过程中烟叶堆垛呈现出5种不同特征的温度变化模式，分别为低温稳定型（图2a）、平稳升温型（图2b）、快速升温型（图2c）、高温稳定型（初始温度较高，升温后趋于稳定，图2d）和中温波动型（在中温区存在一定的波动，呈降温趋势，图2e），表明发酵过程中烟叶堆垛的温度时序变化具有独特的时序特征，证实了聚类分析的有效性。
a. 低温稳定型 b. 平稳升温型 c. 快速升温型 d. 高温稳定型 e. 中温波动型
图2 各聚类簇烟叶堆垛发酵温度随发酵时间的变化
Fig. 2 Changes in piled fermentation temperature with time across clusters
在堆垛过程中，不同温度变化模式对应的发酵阶段数量分布见图3。可知，A与B聚类簇的温度变化模式主要集中于发酵前期（第1~3次堆垛），C聚类簇的温度变化模式主要集中于发酵中期（第2~4次堆垛），D与E聚类簇的温度变化模式主要集中于发酵后期（第3~5次堆垛）。该规律初步表明温度变化模式与发酵进程存在一定的关联。
45个烟叶堆垛共有198个不同的发酵阶段。
图3 各聚类簇烟叶堆垛发酵过程数量分布
Fig. 3 Piled fermentation process count across clusters
以滑动24 h温差作为聚类簇的代表性指标，对5类温度变化模式的差异进行分析，结果见图4。
A聚类簇温度的波动范围为24.8~26.8 ℃，具有较小的温度变动幅度；滑动24 h温差的平均值、最大值和最小值均接近于0，表明该模式下垛芯温度具有较高的稳定性。
B聚类簇温度的波动范围为26.5~29.7 ℃，较A聚类簇有所提升；滑动24 h温差的平均值、最大值和最小值较A聚类簇有小幅度增加，整体表现为温和且持续的升温趋势。
C聚类簇温度的波动范围为26.8~39.2 ℃，升温速率显著加快，温度极差达12.4 ℃，温度变化最显著；滑动24 h温差平均值和最大值均明显高于其他聚类簇，表现出强劲的升温趋势。
D聚类簇温度的波动范围为33.0~39.3 ℃，温度曲线在达到较高温度后趋于稳定或略有波动（图2d），该聚类簇温度的最小值、最大值及平均值均维持在较高水平，但其极差较C聚类簇有所减小，表明其在高温区间的波动性较小。
E聚类簇温度的波动范围为29.6~33.3 ℃；滑动24 h温差平均值为负数，整体呈现缓慢的降温趋势。
a. 垛芯温度 b. 平均滑动24 h温差
图4 各簇类温度评价指标对比
Fig. 4 Temperature evaluation indicators across clusters
为深入揭示各温度变化模式的动态特征，对距离聚类簇质心最近的典型温度曲线及其对应的滑动24 h温差曲线进行分析，结果见图5。
A聚类簇典型发酵过程时长为193 h，垛芯温度从25.1 ℃缓慢升至26.3 ℃，整体趋势极为平缓，无明显峰值且波动极小；滑动24 h温差最大值为0.3 ℃，最小值为0 ℃，波动较小。
B聚类簇典型发酵过程时长为193 h，垛芯温度从26.5 ℃升至29.7 ℃，呈平稳上升趋势；滑动24 h温差最大值为0.6 ℃，最小值为0.2 ℃，平均值约为0.4 ℃，并在0.2~0.6 ℃区间保持稳定，表明发酵过程持续稳定进行。
C聚类簇典型发酵过程时长为192 h，垛芯温度由24.1 ℃快速升高至38.4 ℃；滑动24 h温差最大值为3.8 ℃、最小值为0 ℃，平均值约为1.7 ℃。
D聚类簇典型发酵过程时长为169 h，垛芯温度从32.6 ℃升至39.7 ℃；滑动24 h温差平均值约为1.0 ℃，从2 ℃左右开始波动，发酵60 h后开始下降，垛芯温度上升速率减缓。
E聚类簇典型发酵过程时长为217 h，发酵0~30 h，垛芯温度从31.1 ℃升至31.5 ℃后逐渐下降，即经历了小幅度波动；滑动24 h温差平均值约为‒0.3 ℃，发酵30 h后，滑动24 h温差均为负值，呈现持续降温趋势，表明发酵处于极低强度状态，烟叶具备出库条件。
a. 垛芯温度 b. 滑动24 h温差
图5 各聚类簇质心特征温度与滑动24 h温差曲线
Fig. 5 Centroid characteristic temperatures and sliding 24-hour temperature difference curves across clusters
4个烟叶堆垛在整个发酵过程中与5个聚类簇质心的DTW距离变化见图6。可知，各垛芯温度序列与不同聚类簇之间的DTW距离差异显著，类间区分度高，表明该方法在实际发酵场景中能够有效匹配并识别对应的温度变化模式，从而为翻垛与出库时机的科学决策提供可靠依据。
纵轴1~6代表第1~6次堆垛发酵过程，横轴A~E代表五个聚类簇的质心。
图6 发酵过程与各聚类质心的DTW距离
Fig. 6 DTW distances between fermentation processes and cluster centroids
4个雪茄烟叶堆垛的完整发酵周期均超过1200 h，其垛芯温度及滑动24 h温差见图7。可知，Ⅰ号烟叶堆垛依次经历了低温稳定（A聚类簇）、平稳升温（B聚类簇）、两次快速升温（C聚类簇）、高温稳定（D聚类簇）及中温波动（E聚类簇）模式，最终出库；Ⅱ号烟叶堆垛的发酵模式序列与Ⅰ号相似，但减少了一次快速升温（C聚类簇）过程；Ⅲ号烟叶堆垛未出现典型的低温稳定（A聚类簇）模式，起始即为两次平稳升温（B聚类簇）模式，随后经历两次快速升温（C聚类簇）、一次高温稳定（D聚类簇）模式，最终以中温波动（E聚类簇）模式结束；与Ⅲ号烟叶堆垛相比，Ⅳ号烟叶堆垛发酵历程缺少了一次高温稳定（D聚类簇）阶段。
a、b为Ⅰ号烟叶堆垛，c、d为Ⅱ号烟叶堆垛，e、f为Ⅲ号烟叶堆垛，g、h为Ⅳ号烟叶堆垛。
图7 烟叶堆垛发酵温度和滑动24 h温差随发酵时间的变化
Fig. 7 Changes in piled fermentation temperature and sliding 24-hour temperature difference with fermentation time
为验证融合了时序聚类与滑动24 h温差等特征的决策框架在辅助翻垛决策中的有效性，及其对不同产地、品种和部位烟叶堆垛的适用性，采用人工经验翻垛与基于决策框架辅助翻垛两种方式，对4组对照烟叶堆垛（表2）的发酵过程进行对比分析。每组对照组之间仅翻垛方法不同，其他因素（包括烟叶产地、品种和部位等）均保持一致，以确保实验结果的可比性与可靠性。
表2 烟叶堆垛信息①
Tab. 2 Tobacco pile information
注：①“a1-a2”“b1-b2”“c1-c2”和“d1-d2”为4个横向对照组，每组内除了翻垛方法不同，其他参数均保持一致；“a1-b1-c1-d1”和“a2-b2-c2-d2”为2个纵向对照组，涵盖不同产地、品种和部位的烟叶。
各烟叶堆垛发酵温度随时间的变化见图8。由图8b1和图8b2可知，在烟叶堆垛的第3次和第4次堆垛发酵末期，依赖人工翻垛经验进行翻垛时，降温时长分别为84 和91 h，而采用决策框架方法进行翻垛时，降温时长分别降至25和8 h，表明采用决策框架方法辅助翻垛能够提前预判发酵终点，减少各发酵阶段末期的恒温或降温时间，提高发酵效率，在实际生产中对提升发酵效率与质量具有更明显的优势。
由图8a2~8d2可知，4个不同烟叶堆垛中归属同一模式的曲线变化趋势相似，且A~E 5个聚类簇之间的差异明显，不同聚类簇的温度曲线重叠区间较小；除图8d2第3个发酵周期因引入中途补水外在操作而导致局部温度短暂下降外，相同聚类簇的曲线温度分布和变化趋势的一致性较好。表明在面对不同产地、品种和部位的烟叶堆垛时，通过决策框架方法能够有效识别各发酵阶段的温度变化趋势和实际发酵模式，具有较强的适应性和鲁棒性。
a1~d1为采用人工经验翻垛，a2~d2为基于决策框架辅助翻垛。
图8 不同对照组烟叶堆垛温度变化趋势对比
Fig. 8 Temperature change tendencies of tobacco piles across different control groups
该研究得到湖北中烟工业有限责任公司科技项目“雪茄烟叶堆垛发酵过程数字化表征及调控技术研究”（2022JSYL3SX2C054）的支持。
本文节选自《烟草科技》2026年第10期《基于时序聚类的国产雪茄烟叶堆垛发酵温度变化特征分析》一文。