来源：期刊VIP网 时间：
作者：刘涛;丁美宙;张二强;杨心安;杨雨要;邓国栋;朱文魁;
单位：中国烟草总公司郑州烟草研究院;河南中烟工业有限责任公司技术中心;陕西中烟工业有限责任公司技术中心;
摘要：为了准确识别烟草配方中叶丝与梗丝的掺配比例，基于太赫兹光谱检测技术，结合机器学习方法，对不同掺配比例的烟丝样品进行光谱特性分析以及分类识别方法研究。在0～2.0 THz的频带宽度范围内，对不同掺配比例的烟丝混合物料进行吸收光谱分析。建立了逻辑回归（Logistic regression,LR）、随机森林（Random Forest,RF）、最邻近（K-Nearest Neighbor,KNN）和支持向量机（Support Vector Machines,SVM）4种分类模型，并验证了上述模型对不同梗丝含量样品的分类效果。结果表明，基于吸收系数建立的支持向量机分类模型综合效果最好，在2%～10%的低配比例烟丝样品中，模型经过内部验证精度达到91.19%，外部验证的识别率达到80.56%；在10%～50%的高配比例烟丝样品中，模型经过内部验证精度达到92.27%，外部验证的识别率达到86.25%。基于吸收系数的机器学习方法可用于检测不同梗丝质量占比的烟丝识别，为检测生产中烟丝的掺配均匀性提供参考。
关键词：太赫兹光谱;分类模型;支持向量机;烟丝掺配;逻辑回归
基金资助：中国烟草总公司重点研发项目“烟草气固两相流工业过程仿真关键技术研发及应用”（110202102042）;中国烟草总公司重大科技项目“雪茄烟特色工艺技术研究”[110202101063(XJ-12)]
