基于高光谱成像技术的鲜烟叶叶位识别方法OA北大核心CSTPCD

为实现鲜烟叶叶位的快速无损识别,以不同着生部位烟叶为研究对象,应用高光谱成像技术,构建基于特征光谱的鲜烟叶叶位判别模型。首先,利用标准正态变换(SNV)、二阶导数(2ND)、SavitzkyGolay卷积平滑(SG)和多元散射校正(MSC)4种光谱预处理方法对烟叶原始高光谱数据进行处理,然后采用预处理后的全波段光谱数据和特征波段光谱数据,构建基于支持向量机(SVM)、偏最小二乘判别分析(PLS-DA)和反向传播神经网络(BPNN)的鲜烟叶叶位识别模型。结果表明:采用SG滤波预处理和BPNN所构建的模型识别效果最好,训练集和预测集的预测准确率分别为91.15%和90.63%。此外,利用竞争性自适应重加权算法(CARS)所筛选的特征波长所建立的BPNN模型最优,训练集和预测集的预测准确率达到了93.23%和92.19%。表明利用高光谱成像技术判别鲜烟叶所属部位是可行的,可以实现鲜烟叶所属部位快速、无损检测。