基于高光谱成像的烟丝掺配比例检测研究OA北大核心
针对目前卷烟生产线缺乏快速检测烟丝掺配比例方法的问题,利用高光谱成像技术和机器学习方法,采集不同掺配比例的混合烟丝光谱数据,探讨单一及组合预处理方法对模型构建效果的影响。采用偏最小二乘回归(PLSR)和支持向量机回归(SVR)建立回归模型,并利用最小角回归(LARS)、连续投影算法(SPA)、竞争性自适应重采样(CARS)及遗传算法(GA)进行特征波段选择,建立简化模型。结果表明:不同预处理方法的单一或组合使用均会影响回归模型的精度,其中小波变换与SG滤波联用(Wave+SG)方法相比原始数据将平均绝对百分比误差(MAPE)降低了1.2%;基于Wave+SG-GA-PLSR建立的回归模型表现最佳,其在两组分掺配中的训练集和测试集MAPE分别为1.415%和1.531%;基于两组分掺配建立的方法同样适用于多组分掺配,在三组分和四组分的预测集中,MAPE均低于8.3615%。高光谱成像技术结合机器学习方法能够较为准确地预测混合烟丝中各组分的掺配比例,可为烟丝掺配均匀性的在线监测及卷烟生产过程的质量控制提供参考。
杨天卓;何晋;吴恋恋;戴永生;易斌;李华杰;张二强;堵劲松
中国烟草总公司郑州烟草研究院,河南郑州450001上海烟草集团有限责任公司技术中心,上海200082甘肃烟草工业有限责任公司技术中心,甘肃兰州730050云南中烟工业有限责任公司楚雄卷烟厂,云南楚雄675099云南中烟工业有限责任公司楚雄卷烟厂,云南楚雄675099福建中烟工业有限责任公司技术中心,福建厦门361021陕西中烟工业有限责任公司技术中心,陕西宝鸡721013中国烟草总公司郑州烟草研究院,河南郑州450001
轻工纺织
高光谱成像技术掺配比例波段选择机器学习回归分析
《轻工学报》 2025 (3)
P.115-126,12
中国烟草总公司重点研发项目(中烟办[2022]111号)云南大观实验室课题项目(YNDG202301QT10)云南中烟科技项目(2492030301010085-3)。
评论