论文部分内容阅读
烟草,作为我国最重要的叶用经济作物之一,其烤后品质是整个烟草行业的命脉所在,直接影响着卷烟质量和国民经济。而烟叶烘烤工艺对烤后烟叶的品质具有重要影响,因此对烟叶烘烤过程中不同生化参数含量变化的研究不仅对烘烤工艺有重大意义而且对烤后烟叶品质具有指导和评判等作用。利用高光谱技术快速监测烟叶烘烤过程中生化参数含量的变化,不仅能够指导烟叶烘烤工艺以获得高品质烤烟,还对烟草科研、加工与生产具有重要意义。本文以贵州省安顺市平坝区的常规烤烟品种云烟87下部烟叶为研究对象,首先利用自主搭建的高光谱图像信息采集系统拍摄不同成熟度、不同烘烤温度点烟叶高光谱图像,然后通过实验测定烘烤烟叶的叶绿素含量和烟碱含量,进而分析了不同成熟度不同烘烤温度点烤烟光谱特性差异,探讨烟叶高光谱特征与叶绿素含量、烟碱含量的关系。利用烟叶不同生化参数在高光谱下产生的不同波长对应的反射率值,分别建立了基于高光谱技术的烘烤烟叶叶绿素含量、烟碱含量估测模型。主要研究内容及结果如下:（1）实现了烘烤烟叶叶绿素a含量快速预测,首先采用了5种预处理方式对烘烤烟叶光谱数据进行预处理,然后分别利用竞争性自适应算法和连续投影算法从叶绿素a含量的176维光谱数据中进行特征敏感波段筛选,最后利用BP神经网络模型针对叶绿素a建立了5种CARS-BP和6种SPA-BP含量预测模型。通过对比模型输出结果和检测指标决定系数及均方根误差得出:针对叶绿素a从5种CARS-BP模型选出了模型精度最高的MSC-CARS-BP神经网络模型,其测试集决定系数R~2=0.951,均方根误差RMSECV=1.492,同时从6种SPA-BP模型选出了模型精度最高的SNV-SPA-BP神经网络模型,测试集决定系数R~2=0.949,均方根误差RMSECV=1.118。最后通过比较MSC-CARS-BP模型和SNV-SPA-BP模型对叶绿素a含量预测集的检验结果表明:SNV-SPA-BP模型预测集的实测值与预测值拟合效果好于MSC-CARS-BP。最终采用SNV-SPA-BP模型对烘烤烟叶叶绿素a含量进行预测。（2）实现了烘烤烟叶叶绿素b含量快速预测,首先采用了5种预处理方式对烘烤烟叶光谱数据进行预处理,然后再分别利用竞争性自适应算法和连续投影算法,从叶绿素b含量的176维光谱数据中进行特征敏感波段筛选,最后利用支持向量机模型（SVM）针对叶绿素b含量建立了6种CARS-SVM和5种SPA-SVM预测模型,通过对比模型输出结果和检测指标决定系数及均方根误差得出:针对叶绿素b从6种CARS-SVM模型选出了精度最高的SG1-CARS-SVM预测模型,测试集决定系数R~2=0.864,均方根误差RMSECV=0.565,同时从5种SPA-SVM模型选出了精度最高的SNV-SPA-SVM预测模型,测试集决定系数R~2=0.917,均方根误差RMSECV=0.478。最后通过比较SG1-CARS-SVM模型和SNV-SPA-SVM模型对叶绿素b含量预测集的检验结果表明:SNV-SPA-SVM模型预测集的实测值与预测值拟合效果好于SG1-CARS-SVM,最终采用SNV-SPA-SVM模型对烘烤烟叶叶绿素b含量进行预测。（3）实现了烘烤烟叶烟碱含量快速预测,首先采用了5种预处理方式对烘烤烟叶光谱数据进行预处理,然后利用了竞争性自适应算法从烟碱含量的176维光谱数据中进行特征敏感波段筛选,最后利用支持向量机模型（SVM）针对烘烤烟叶烟碱含量建立了6种CARS-SVM预测模型。由于模型精度未达预期,通过MOA算法寻优SVM模型的参数c、g,建立了决定系数和预测精度更高的MOA-SVM模型。对比模型输出结果和检测指标决定系数及均方根误差得出:1)通过MOA算法参数寻优显著提高了模型的预测精度,6种MOA-SVM预测模型决定系数R~2都达到了0.9以上,有较好的预测烘烤烟叶烟碱含量的能力。2)最后对比分析烘烤烟叶烟碱含量6个预测模型后,选出了预测精度最高的SG1-MOA-SVM模型,其测试集决定系数R~2=0.958,均方根误差RMSECV=0.141。将预测集数据代入SG1-MOA-SVM模型验证得出:预测集的实测值与预测值拟合效果良好,最终采用SG1-MOA-SVM模型对烘烤烟叶烟碱含量进行预测。