《JOURNAL OF FOOD SCIENCE》：Prediction of SCA Scores in Specialty Coffee Using Machine Learning
編輯推薦：
本文推薦了一篇探討機器學習在咖啡品質評估中應用的綜述。文章核心在于利用隨機森林（RF）和XGBoost（XGB）等算法，通過咖啡處理階段（如接收、發酵、干燥等）收集的變量，對精品咖啡協會（SCA）感官評分進行回歸預測。研究對比了全變量、主成分分析（PCA）和變量重要性選擇三種建模策略，發現基于重要變量篩選的簡化模型在保持預測性能（R2≈ 0.50, RMSE ≈ 1.05）的同時更具效率，為咖啡生產的早期質量監控和決策支持提供了實用工具。
在當今全球咖啡消費市場不斷擴大的背景下，精品咖啡因其獨特的風味和高附加值而備受青睞。然而，其核心價值指標——由精品咖啡協會（SCA）制定的感官評分（SCA score），其傳統評估方法存在主觀性強、評估者間變異大、資源密集等挑戰。這影響了評估效率、商業談判的透明度以及生產者的公平回報。因此，開發能夠基于客觀處理數據提前預測SCA評分的分析工具，對于提升咖啡產業的競爭力和經濟可持續性具有重要意義。
材料與方法：數據、模型與評估策略
本研究的數據基礎來源于2019年至2023年間收集的哥倫比亞咖啡批次樣本。數據集涵蓋了從接收、發酵（包括帶果發酵和去果肉后發酵）、去果肉、校正與洗滌、干燥（自然干燥和機械干燥）到儲存的全流程加工階段。收集的變量多達59個，經過一致性分析和異常值剔除后，最終用于建模的變量有22個，包括各階段的pH值、糖度（Brix）、溫度、水分含量、時間差（如delta_fermentacao_cc、delta_secagem_natural）、咖啡品種（variedade）、凈重（peso_liquido_kg）等，共計2192條觀測記錄。其中，分類變量“品種”通過一種有序的目標編碼策略轉換為數值特征，以捕捉其與SCA評分的歷史關聯，同時避免信息泄漏。
研究采用了隨機森林（RF）和極限梯度提升（XGBoost, XGB）這兩種強大的集成學習算法進行回歸預測。為了探索不同數據使用策略的效果，設定了三個建模場景：
- 1.
場景1（全變量模型）：使用經過清洗后的全部變量進行建模（RF_ALL, XGB_ALL）。
- 2.
場景2（PCA降維模型）：對預測變量進行主成分分析（PCA），依據凱澤準則（特征值>1）保留了前9個主成分（累計解釋方差60.53%），并將其作為模型輸入（RF_PCA, XGB_PCA）。
- 3.
場景3（特征選擇模型）：基于場景1模型訓練得出的變量重要性排名，僅選取其中最重要的7個變量進行建模（RF_IMP, XGB_IMP）。
模型性能通過均方根誤差（RMSE）、平均絕對誤差（MAE）和決定系數（R2）在獨立測試集（占20%）上進行評估，并采用了分層K折交叉驗證以保障結果穩健。
結果與討論：變量選擇勝過PCA，簡約模型表現不俗
綜合比較三個場景，使用全部變量的隨機森林模型（RF_ALL）取得了最佳性能，其MAE為0.80，RMSE為1.03，R2為0.53。XGBoost全變量模型（XGB_ALL）表現相近，R2為0.51。這表明模型能夠解釋大約一半的SCA評分變異，考慮到感官評估固有的主觀性，這是一個具有實際意義的預測水平。觀察預測值與實測值的散點圖發現，模型在評分極端值（非常高或非常低）處存在輕微低估或高估的趨勢。
變量重要性分析揭示，咖啡品種（variedade）是預測SCA評分最具影響力的因素。緊隨其后的關鍵變量包括評估月份（mes_ano_sca）、去果肉后發酵時長差值（delta_fermentacao_cc）、批次凈重（peso_liquido_kg）以及自然干燥時長差值（delta_secagem_natural）等。這突出了品種遺傳特性、加工處理條件（尤其是發酵環節）以及生產背景信息對最終感官品質的決定性作用。
相比之下，基于PCA降維的模型（場景2）表現最差。RF_PCA和XGB_PCA的R2分別降至0.45和0.41，RMSE則有所上升。這是因為PCA作為一種無監督方法，旨在保留數據最大方差，而非最大化對目標變量（SCA評分）的預測力，因此可能丟棄了方差小但與品質密切相關的信息。
最具實用價值的發現來自場景3（特征選擇模型）。僅使用7個最重要變量構建的RF_IMP和XGB_IMP模型，其性能（R2約為0.50-0.52，RMSE約為1.05-1.06）與使用全部變量的模型幾乎不相上下。這意味著，一個高度簡化的模型在幾乎不損失預測精度的情況下，大大提升了模型的可解釋性和計算效率，更易于在生產實踐中部署。
結論與展望：作為決策輔助的智能工具
本研究證實，機器學習模型能夠基于咖啡加工過程中的客觀數據，對SCA感官評分進行具有實用價值的預測。在維度縮減策略中，基于變量重要性的特征選擇方法在性能、簡潔性和可解釋性上均優于主成分分析（PCA）。隨機森林（RF）和XGBoost（XGB）算法表現相近，選擇取決于對整體穩健性（RF）還是模型簡約高效（XGB）的側重。
需要強調的是，這些預測模型的目的并非取代專業、權威的SCA感官測評，而是作為一種強大的輔助決策工具。它們可以幫助生產者和合作社在早期加工階段更高效地監控潛在品質趨勢，減少對大量耗時耗力的感官測試的依賴，從而優化處理工藝、進行更精準的商業決策，并最終促進精品咖啡產業鏈的透明度與公平性。
未來的研究可以著眼于整合更直接的化學譜圖數據、探索非線性降維方法、采用混合集成策略，并納入多產區數據集，以進一步提升對咖啡感官品質這一復雜性狀的預測能力，并將此范式拓展至更多農產品領域。
