基于高光譜技術(shù)的采摘期煙葉水分含量研究

貴州大學(xué)機(jī)械工程學(xué)院吳雪梅副教授團(tuán)隊(duì)利用我司高光譜設(shè)備，對(duì)貴州省天柱縣(黔東南地區(qū))、息烽縣(黔中地區(qū))、安龍縣(黔西南地區(qū))、道真縣(黔北地區(qū))和威寧縣(黔西北地區(qū))五個(gè)地區(qū)的共150個(gè)采摘期云煙87中部煙葉的高光譜圖像數(shù)據(jù)進(jìn)行采集和分析。

為快速、無(wú)損地檢測(cè)采摘期煙葉水分含量，提出一種主成分分析(PCA)結(jié)合馬氏距離算法(MD)的方法來(lái)剔除異常樣本，再使用偏最小二乘法(PLS)估測(cè)采摘期煙葉水分含量。最終得出利用高光譜圖像技術(shù)預(yù)測(cè)煙葉的水分含量效果甚佳，可實(shí)現(xiàn)煙葉水分含量快速、無(wú)損地估測(cè)的結(jié)論。

我司高光譜成像系統(tǒng)如圖1所示，技術(shù)參數(shù)指標(biāo)如表1所示。

圖1 Gaiasky-mini2-VN

表1 Gaiasky-mini2-VN技術(shù)參數(shù)

試驗(yàn)首先對(duì)采集煙葉的高光譜圖像進(jìn)行ROI感興趣區(qū)域的選擇，隨后對(duì)采集過(guò)高光譜圖像的煙葉進(jìn)行水分含量的測(cè)定。

試驗(yàn)接下來(lái)對(duì)光譜進(jìn)行預(yù)處理，發(fā)現(xiàn)SG卷積平滑法與移動(dòng)窗口平滑法效果最佳，二者的前4個(gè)主成分累計(jì)得分達(dá)到98％，如圖2和圖3所示。

圖2 原始光譜的預(yù)處理

圖3 不同光譜預(yù)處理的前15個(gè)主成分累計(jì)貢獻(xiàn)率

隨后采用SG卷積平滑法與移動(dòng)窗口平滑法這兩種光譜預(yù)處理方法的前4個(gè)主成分對(duì)馬氏距離進(jìn)行計(jì)算。其中SG卷積平滑法剔除3個(gè)異常樣本（最佳閾值為2.2），移動(dòng)窗口平滑法剔除15個(gè)異常樣本（最佳閾值為0.9），如圖4所示。

圖4 移動(dòng)窗口平滑和SG的馬氏距離和其最佳閾值

接下來(lái)對(duì)剔除異常樣品后的煙葉數(shù)據(jù)進(jìn)行建模分析，發(fā)現(xiàn)利用SG卷積平滑法預(yù)處理的PCA-MD-PLS模型效果最佳，對(duì)煙葉含水量預(yù)測(cè)能力最好，預(yù)測(cè)模型相關(guān)系數(shù)為0.8527，均方差為1.3766。如表2和圖5所示。

表2 最佳建模參數(shù)下建立的PLS模型效果

圖5 移動(dòng)窗口平滑和Savitzky—Golay卷積平滑的預(yù)測(cè)值和真實(shí)值之間的關(guān)系

通訊作者簡(jiǎn)介：

吳雪梅，博士，副教授，碩士生導(dǎo)師。

主要研究方向：機(jī)電一體化集成技術(shù)、基于機(jī)器視覺(jué)的目標(biāo)物識(shí)別與定位、摩擦學(xué)與表面工程、智能農(nóng)機(jī)裝備與信息化融合、精細(xì)農(nóng)業(yè)技術(shù)等。

參考文獻(xiàn)：劉紅蕓,吳雪梅,李德侖,等. 基于高光譜技術(shù)的采摘期煙葉水分含量研究[J]. 中國(guó)農(nóng)機(jī)化學(xué)報(bào),2021,42(9):157-163.