来源：期刊VIP网 时间：
作者：陶发展;杨栋;洪伟龄;苏子淇;付主木;林志平;
单位：河南科技大学信息工程学院;福建中烟工业有限责任公司;中国烟草总公司郑州烟草研究院烟草工艺重点实验室;
摘要：针对烟丝中梗签分类识别检测问题，利用高光谱成像技术，结合机器学习方法对烟丝中掺杂的梗签进行分类快速识别。首先，基于短波近红外高光谱成像技术，采用标准正态变化(SNV)对烟丝和梗签光谱数据进行预处理，消除光谱散射和漫反射的影响，减少检测干扰信息。然后，利用连续投影算法(SPA)进行特征波长选择，融合极端梯度提升(XGBoost)算法，提出了1种基于XGboost算法的烟丝中梗签分类模型。最后，采用Mean-shift均值漂移算法和形态学梯度算法相结合的方式作为后处理方法，对模型的分类结果进行后处理，实现烟丝中梗签的快速智能检测。结果表明：建立的SNV-SPA-XGBoost分类模型，训练集和测试集准确率分别达到100%和99.32%,经后处理后对A_1(1.0～1.5 cm)、A_2(0.5～1.0 cm)、A_3(<0.5 cm)梗签检测准确率分别达100%、95.50%和86%。
关键词：高光谱成像;;机器学习;;梗签;;连续投影算法;;XGBoost;;分类
基金资助：国家自然科学基金项目(62371182);; 河南省高校科技创新人才计划项目(23HASTIT021);; 河南省科技研发计划联合基金(225200810007,222103810036);; 中国烟草总公司科技项目(110202202010)
