【目的】 解决烟叶感官质量评价中存在的主观性强、数据获取困难等问题,实现基于数字化分析对烟叶感官质量的精准定量预测。【方法】 以河南、湖南、云南和贵州4个典型风格产区的264份烟叶为研究对象,开展化学成分检测与感官质量评价,经化学指标间相关性分析剔除冗余后,采用基于随机森林的交叉验证递归特征消除方法(RFECV-RF)对各感官指标筛选最优特征子集,再分别采用极端梯度提升(XGBoost)、分类梯度提升(CatBoost)和轻量级梯度提升机(LightGBM)3种经典梯度提升(Boosting)算法,经五折交叉验证优化超参数后建立9项感官指标预测模型。【结果】 1) 化学指标相关性分析剔除总糖、糖碱比、钾氯比和棕榈酸4项化学成分指标,保留总糖、还原糖、烟碱等25项化学成分指标用于后续建模。2) RFECV-RF特征筛选选取各感官指标对应的最佳特征组,明确总氮、还原糖、钾和烟碱是影响烟叶感官质量的关键化学成分,其交叉验证的均方根误差(RMSE)均低于全特征集模型,有效降低模型复杂度,显著提升预测精度。3)最优算法下各感官指标决定系数(R²)为0.711 3~0.894 0,RMSE为0.084 5~0.140 4,平均绝对百分比误差(MAPE)为1.06%~1.70%,均取得了良好且稳定的预测效果。【结论】 本文预测模型框架可实现烟叶感官质量高精度的量化预测,为卷烟产品数字化配方设计与品质控制提供参考。