基于近红外光谱的烤烟油分识别研究

摘要：

[目的]对烤烟油分等级进行科学预测,实现不同油分档次烤烟的快速光谱鉴别.[方法]对代表性植烟县的299份全叶位覆盖的不同油分档次云烟87烟叶样本进行近红外光谱采集,利用一阶导数(D1)、归一化(NOR)、小波变换(WAVE)、标准正态化(SNV)和多元散射校正(MSC)共5种方法对光谱数据预处理后,考察了线性的偏最小二乘判别分析(PLS-DA)和非线性的最小二乘支持向量机(LS-SVM)判别模型的判别效果.[结果]对近红外原始光谱数据进行主成分降维后,所构建的PLS-DA油分档次分类模型训练集的准确率可达100.0％,但测试集仅有79.8％,经过D1、NOR、SNV和MSC预处理后,模型的测试集准确率分别提高到了85.9％、90.0％、83.8％和83.8％;基于对近红外原始光谱数据直接构建的LS-SVM油分档次分类模型的训练集准确率也达100.0％,测试集达到92.9％,经过NOR、WAVE、SNV和MSC预处理后测试集的准确率均提高到了95.0％以上,以MSC预处理的99.0％的准确率最高.[结论]多元散射校正预处理结合LS-SVM法构建的油分档次判别模型效果最好,提高了烤烟油分判定效率.

关键词：烤烟、油分、近红外光谱、判别模型、最小二乘支持向量机

所属期刊栏目：58

分类号：S572;TS41+1

资助基金：国家自然科学基金;河南省烟草公司三门峡市公司技术创新项目

在线出版日期：2024-08-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：583-591