|
基于近红外光谱的烤烟烟叶自动分组方法 目前烤烟烟叶收购过程主要依赖人工感官凭经验定级,不但费时费力,而且难以保证准确性和客观公正性。基于收购环节的烤烟烟叶自动分组研究大多采用常规图像处理方法,借助烟叶的反射图像,在可见光范围内研究以RGB(red-green-blue)或HIS(hue—intensity-saturation)颜色模型表述的烟叶光谱差异,再用各种算法归纳等级特征。由于此类方法仅考察了烟叶的颜色、纹理、形状等外部品质,难以将其内部品质信息与分组、分级相关联,而且获取的光谱特征参数较少,虽研究报道不少,但进展不大。 近红外光谱(near-infrared spectroscopy)属于现代结构分析技术,具有不破坏样品化学结构、操作快速、简单和灵敏度高的特点,已被广泛地应用于农产品品质分析、食品品质检测、烟草行业[9m1等领域。李佛琳等利用反射光谱建立了量化判别鲜烟叶成熟度模型并作了验证;杜文等研究了烟叶的近红外光谱数据通过软独立模式分类识别不同烟叶的方法;刘剑君等将支持向量机与红外光谱分析技术结合,对烟叶分级进行了研究。但是采用近红外光谱技术对烤烟烟叶“收购品质”进行自动分组、分级无损检测的,目前尚无研究报道。 1.2样品来源与数据采集 最后在暗室进行光谱扫描(暗室温度为18~22"C.相时湿度为22%~25%.以卤素灯为唯一光源).每个小区域随机选取5个样点分别进行扫描(每点测3次后自动求平均).点与点间隔不超过0.1~0.5 cm。光源与样品夹角45。、光纤探测器与样品垂直呈90。,探测器头部下端距离烟叶样品4 cm。由光纤视场局25。可计算出扫描覆盖范围的圆直径约为1.77 cm。将每张烟叶共计40个样点的反射光谱求平均值得到每个样水的平均光谱(见图2)。 1.3 光谱数据预处理 近红外光谱由于包含了噪声、环境闪素、仪器响应、人为操作误差等各种干扰因素,再加上烟叶样本表面不均质特性,这些都对光的漫反射有一定影响。本文比较了MSC(多元散射校正)、SNV(标准正态变变量变换)、一阶导数和二阶导数等预处理方法对建模精度的影响。 由于不同光谱范围对校正模型判别精度影响很大,本文就以下4个波段范围对建模精度的影响进行了比较:长波近红外外段1101~2395 nm、短波近红外874~1 101 nm,TQ软件推荐波段范围110I~2 588 nm,自选波段1101~2395 nm. 2 结果与分析 (1)对210个样本烟叶的近红外光谱数据进行分析,研究表明烤烟正组烟叶均质性. 一个烟叶样本的光谱特征与测定区域关系不大,其峰谷的波长特征相同。单点测定反射率误差范围介于2.38%~2.26%之间.区域反射误差率范围介于2.36%~2.77%之间。该结果说明,采用光谱手段研究正组烟叶的光谱特征,可以任意选取烟叶的测定区域。(2)同一等级烟叶内不同烟叶样品间的光谱曲线中.峰谷特征波长位置最具有一致性.反射率差异极不显著.(3)不同等级烟叶之间的光谱特征差异比一片烟叶不同测试区域差异大得多,不同等级烟叶在同一波长处的反射率也表现为等级差异显著性高于区域差异。 2 2 不同渡段封校正模型判别精度的影响 从表2中可以看出,与其他3个区域相比,长波近红外区域模型判别精度最好,对样本部位和颜色的正确分类率达98.10%和97.14%,这是因为烟草样本主要吸收峰都在长波近红外区域。 2.3 不同预处理方法对校正模型判别精度的影响 从表3可以看出,没有经过任何数据预处理,判别分析法建立校正模型就有较好的预测结果,颜色和部位的样本正确分类率分别达到98.10%和98.57%。 2.4 不同主成分因子对校正模型判别精度的影响 主成分因子数也是影响DA法效果的一个重要因素。如果选取的主成分因子数过少,将导致丢失较多有用的原始信息,拟合不充分;而主成分因子数太多,则会加进许多噪声,出现过度拟合现象,不能得到稳定的预测模型。所建模型的预测误差会显著增大。从表4和表5可见,当主因子数为12时,即可对烟叶部位和颜色进行准确判别分析。此时,提取12个主成分的贡献率分别已达全光谱贡献率的94.69%和94.72%,而对分析区域光谱(1101~2395 nm)的贡献率则分别达99.85%和99.83%,用210个样本用来建立校正模型时对烟叶部位、颜色分组的正确分类率为100%。之后,随着主成分数的增加,对分析区域的光谱累计贡献率增加非常缓慢,故选用12个主成分进行DA判别分析。 2.5定性判别模型的建立和验证分析 2.5.2模型验证分析 3 结论 (1)本文探讨了近红外光谱技术应用于烤烟烟叶收购环节的“整叶”品质无损检测评价,试验表明烤烟正组烟叶具有均质性,可采用单点或多点平均光谱反射率曲线代表整张烟叶的光谱特征。 (2)应用近红外漫反射光谱技术对烤烟烟叶的颜色和部位进行定性判别分析,结果表明,运用DA判别分析法,光谱范围在长波近红外域(1101~2395 nm),主成分因子数为12,采用原始光谱建立的校正模型较优,对校正集正确判别率为100%,预测集的正确判别率平均为97.86%。 (3)应用近红外漫反射光谱的判别分析法对烤烟烟叶的部位和颜色进行判别是可行的,仍需进一步深入研究,如加大样本数量,不同烟叶产地对烟叶类别预测精度的影响因素等,以提高校正模型的精度和稳定性。
文章分类:
农业应用
|