综述：利用机器学习预测精品咖啡的SCA评分

《JOURNAL OF FOOD SCIENCE》：Prediction of SCA Scores in Specialty Coffee Using Machine Learning

本文推荐了一篇探讨机器学习在咖啡品质评估中应用的综述。文章核心在于利用随机森林（RF）和XGBoost（XGB）等算法，通过咖啡处理阶段（如接收、发酵、干燥等）收集的变量，对精品咖啡协会（SCA）感官评分进行回归预测。研究对比了全变量、主成分分析（PCA）和变量重要性选择三种建模策略，发现基于重要变量筛选的简化模型在保持预测性能（R2≈ 0.50, RMSE ≈ 1.05）的同时更具效率，为咖啡生产的早期质量监控和决策支持提供了实用工具。

　　

在当今全球咖啡消费市场不断扩大的背景下，精品咖啡因其独特的风味和高附加值而备受青睐。然而，其核心价值指标——由精品咖啡协会（SCA）制定的感官评分（SCA score），其传统评估方法存在主观性强、评估者间变异大、资源密集等挑战。这影响了评估效率、商业谈判的透明度以及生产者的公平回报。因此，开发能够基于客观处理数据提前预测SCA评分的分析工具，对于提升咖啡产业的竞争力和经济可持续性具有重要意义。

材料与方法：数据、模型与评估策略

本研究的数据基础来源于2019年至2023年间收集的哥伦比亚咖啡批次样本。数据集涵盖了从接收、发酵（包括带果发酵和去果肉后发酵）、去果肉、校正与洗涤、干燥（自然干燥和机械干燥）到储存的全流程加工阶段。收集的变量多达59个，经过一致性分析和异常值剔除后，最终用于建模的变量有22个，包括各阶段的pH值、糖度（Brix）、温度、水分含量、时间差（如delta_fermentacao_cc、delta_secagem_natural）、咖啡品种（variedade）、净重（peso_liquido_kg）等，共计2192条观测记录。其中，分类变量“品种”通过一种有序的目标编码策略转换为数值特征，以捕捉其与SCA评分的历史关联，同时避免信息泄漏。

研究采用了随机森林（RF）和极限梯度提升（XGBoost, XGB）这两种强大的集成学习算法进行回归预测。为了探索不同数据使用策略的效果，设定了三个建模场景：

1. 1.
   场景1（全变量模型）：使用经过清洗后的全部变量进行建模（RF_ALL, XGB_ALL）。
2. 2.
   场景2（PCA降维模型）：对预测变量进行主成分分析（PCA），依据凯泽准则（特征值>1）保留了前9个主成分（累计解释方差60.53%），并将其作为模型输入（RF_PCA, XGB_PCA）。
3. 3.
   场景3（特征选择模型）：基于场景1模型训练得出的变量重要性排名，仅选取其中最重要的7个变量进行建模（RF_IMP, XGB_IMP）。

模型性能通过均方根误差（RMSE）、平均绝对误差（MAE）和决定系数（R²）在独立测试集（占20%）上进行评估，并采用了分层K折交叉验证以保障结果稳健。

结果与讨论：变量选择胜过PCA，简约模型表现不俗

综合比较三个场景，使用全部变量的随机森林模型（RF_ALL）取得了最佳性能，其MAE为0.80，RMSE为1.03，R²为0.53。XGBoost全变量模型（XGB_ALL）表现相近，R²为0.51。这表明模型能够解释大约一半的SCA评分变异，考虑到感官评估固有的主观性，这是一个具有实际意义的预测水平。观察预测值与实测值的散点图发现，模型在评分极端值（非常高或非常低）处存在轻微低估或高估的趋势。

变量重要性分析揭示，咖啡品种（variedade）是预测SCA评分最具影响力的因素。紧随其后的关键变量包括评估月份（mes_ano_sca）、去果肉后发酵时长差值（delta_fermentacao_cc）、批次净重（peso_liquido_kg）以及自然干燥时长差值（delta_secagem_natural）等。这突出了品种遗传特性、加工处理条件（尤其是发酵环节）以及生产背景信息对最终感官品质的决定性作用。

相比之下，基于PCA降维的模型（场景2）表现最差。RF_PCA和XGB_PCA的R²分别降至0.45和0.41，RMSE则有所上升。这是因为PCA作为一种无监督方法，旨在保留数据最大方差，而非最大化对目标变量（SCA评分）的预测力，因此可能丢弃了方差小但与品质密切相关的信息。

最具实用价值的发现来自场景3（特征选择模型）。仅使用7个最重要变量构建的RF_IMP和XGB_IMP模型，其性能（R²约为0.50-0.52，RMSE约为1.05-1.06）与使用全部变量的模型几乎不相上下。这意味着，一个高度简化的模型在几乎不损失预测精度的情况下，大大提升了模型的可解释性和计算效率，更易于在生产实践中部署。

结论与展望：作为决策辅助的智能工具

本研究证实，机器学习模型能够基于咖啡加工过程中的客观数据，对SCA感官评分进行具有实用价值的预测。在维度缩减策略中，基于变量重要性的特征选择方法在性能、简洁性和可解释性上均优于主成分分析（PCA）。随机森林（RF）和XGBoost（XGB）算法表现相近，选择取决于对整体稳健性（RF）还是模型简约高效（XGB）的侧重。

需要强调的是，这些预测模型的目的并非取代专业、权威的SCA感官测评，而是作为一种强大的辅助决策工具。它们可以帮助生产者和合作社在早期加工阶段更高效地监控潜在品质趋势，减少对大量耗时耗力的感官测试的依赖，从而优化处理工艺、进行更精准的商业决策，并最终促进精品咖啡产业链的透明度与公平性。

未来的研究可以着眼于整合更直接的化学谱图数据、探索非线性降维方法、采用混合集成策略，并纳入多产区数据集，以进一步提升对咖啡感官品质这一复杂性状的预测能力，并将此范式拓展至更多农产品领域。