烤后烟叶不同部位高光谱特征分析及判别模型构建

来源：湖北农业科学杂志2024年第8期北京时间：

作者：闫鼎1, 张义志2, 程森1, 蔡宪杰1, 董祥洲3, 杨悦章4, 岳耀稳3, 王大彬2, 林润英5

单位：1.上海烟草集团有限责任公司,上海 200082; 2.中国农业科学院烟草研究所,山东 青岛 2661014; 3.安徽皖南烟叶有限责任公司,安徽 宣城 242000; 4.华环国际烟草有限公司,安徽 滁州 233121; 5.福建省烟草公司龙岩市公司,福建 龙岩 364000

摘要：利用高光谱（400~1 700 nm）成像技术扫描得到3个部位（上B、中C、下X）烤后烟叶的高光谱图像,并提取其高光谱数据。采用相关性分析、主成分分析及方差分析研究了3个部位烟叶的高光谱特征,并构建5种识别烟叶部位的判别模型（SVM、KNN、RF、LightGBM和XGBoost）。结果表明,3个部位烟叶的光谱反射率为C>X>B（400~750 nm）,B>C>X（750~1 400 nm）,C>B≈X（1 400~1 700 nm）。3个部位烟叶的高光谱数据存在较强相关性,总体上可见光以及近红外波段在各自区域内相关性较强,而两者之间相关性较弱。共提取得到7个特征值大于1的主成分,方差累计贡献率接近1.00。3个部位烟叶的光谱反射率在450~550 nm和750~1 400 nm区域相互之间存在明显差异,中部叶在550~850 nm和1 400~1 700 nm分别与上、下部叶具有明显差异,上部叶在400~450 nm分别与中、下部叶差异明显,下部叶在680 nm附近分别与上、中部叶差异显著。SVM判别不同部位烟叶的表现最好,准确率、精确率、召回率和F1分数均达95%以上,LightGBM表现居中,各项指标在90%~95%,RF、KNN和XGBoost相对较差,各项指标在90%以下。

关键词：高光谱特征,烤后烟叶,模型构建,部位识别

基金资助：中国农业科学院科技创新工程项目（ASTIP-TRIC06）; 上海烟草集团有限责任公司科技项目（K2021-1-033P）