【摘要】【目的】为探究烟叶常规化学成分与各单项外观质量评价指标之间的关系,为外观质量评价的智能精准化发展提供科学依据。【方法】对选取的2017年湖南烟区具有代表性的初烤烟叶样品进行常规化学成分的测量及外观质量评定,通过因子分析法对作为BP神经网络输入变量的常规化学成分进行筛选,分别构建拓扑结构为7-10-1的各单项外观质量指标预测模型。【结果】所选烟叶样品的常规化学成分含量和外观质量得分的统计分析符合正态分布,网络模型对样本的训练结果表明:各个单项外观质量评价指标预测模型中,网络模拟值与实际目标值之间的误差区间在0～0.5范围内的比例均达到60%以上,误差区间在0～1.0范围内的样本比例均达到90%以上,其中成熟度和色度的决定系数达到显著水平;颜色、身份、油分、叶片结构的决定系数达到极显著水平。【结论】基于烟叶常规化学成分含量,利用BP神经网络构建的各项外观质量指标预测模型具有较高的精准性。