来源：期刊VIP网 时间：
作者：王志诚;王松峰;王洪梅;王爱华;王栋;谢良文;胡继涛;顾会战;
单位：中国农业科学院烟草研究所农业农村部烟草生物学与加工重点实验室;中国农业科学院研究生院;四川省烟草公司广元市公司;中国烟草总公司四川省公司烟草科学研究所;
摘要：【背景和目的】为实现无损且准确预测烘烤过程中的烟叶含水率，探讨有效的图像特征与近红外光谱特征融合方式。【方法】首先，采集烟叶烘烤过程中的图像与光谱信息，采用过滤式方法对图像特征进行筛选，使用标准正态变量变换、基于温度项的二阶校正对原始光谱进行预处理，再利用i PLS(interval PLS)方法选取22个特征波段；接着，通过串联和外积乘法两种策略融合图像特征与近红外光谱特征，并基于递归特征消除法提取融合特征；最后，分别建立基于单一特征和融合特征的反向传播神经网络（back-propagation,BP）、支持向量回归（support vector regression,SVR）、极限学习机（extreme learning machine,ELM）、随机森林（random forest,RF）、长短时记忆神经网络（long short-term memory,LSTM）、一维卷积神经网络（one-dimensional convolutional neural network,1DCNN）预测模型。【结果】串联融合特征模型在预测准确率与精度方面比外积乘法融合特征模型、单一特征模型更胜一筹。5种串联融合特征模型测试集上的R~2在0.855～0.926,RMSE在0.0690～0.0993,RPD在2.665～3.894，性能显著优于图像特征模型及近红外光谱特征模型。【结论】图像特征与近红外光谱特征的串联融合有助于提高烟叶在烘烤过程中含水率预测模型的准确性与精度，为实现烟叶含水率准确、快速且无损预测提供重要参考依据。
关键词：图像特征;;近红外光谱特征;;串联融合;;外积乘法融合;;烘烤过程;;烟叶含水率
基金资助：中国农业科学院科技创新工程（ASTIP-TRIC03）;; 中国烟草总公司科技重点项目“基于图像精准识别的烟叶智能烘烤关键技术研究与应用”（110202102007）;中国烟草总公司四川省公司科技项目“特色品种川烟200规模化定制化开发研究与应用”（SCYC202406）
