来源：期刊VIP网 时间：
作者：范鹏飞;马建伟;姚思愚;李嘉康;刘振宇;徐大勇;赵敏;堵劲松;王宗英;张雷;张二强;
单位：河南科技大学信息工程学院;中国烟草总公司郑州烟草研究院烟草工艺重点实验室;陕西中烟工业有限责任公司技术中心;郑州轻工业大学电气信息工程学院;
摘要：为降低烟叶霉变对卷烟产品品质的影响，建立了一种烟叶霉变无损检测方法。使用高光谱成像仪采集受霉变影响的烟叶高光谱图像并提取光谱数据，采用归一化（Min-Max Scaler,MMS）、标准正态变化（Standard Normal Variate,SNV）、多元散射校正（Multivariate Scattering Correction,MSC）和平滑滤波（Savitzky-Golay,SG）等7种方法，对获得的烟叶光谱数据进行预处理；利用连续投影变换（Successive Projections Algorithm,SPA）、主成分分析（Principal Component Analysis,PCA）等算法对特征波长进行选择，并运用随机森林（Random Forest,RF）、支持向量机（Support Vector Machine,SVM）等机器学习算法建立6种分类模型。将基于7种预处理方法建立的6种分类模型进行对比测试，结果表明：(1)SNV为最优光谱预处理方法，而基于SPA选择特征波长建立的RF模型性能优异，SPA-RF模型在训练集和测试集上的识别准确率分别达到98.82%和98.64%，降低了基于全波长分类模型的运算时间，对于相同等级不同产地烟叶具有良好分类结果；(2)高光谱成像技术结合SPA-RF模型可有效实现烟叶霉变情况的准确识别。该技术可为提高烟叶品质管控质量提供支持。
关键词：烟叶;高光谱成像;霉变;机器学习;特征波长;分类
基金资助：河南省科技攻关计划“基于深度学习和高光谱成像的烟叶原料霉变无损检测关键技术研究及应用”（242102220028）; 中国烟草总公司重大科技项目“面向工业需求和智能分选的烟叶分级大数据研究与构建”（110202201052）
