基于高光譜技術(shù)的采摘期煙葉水分含量研究

貴州大學機械工程學院吳雪梅副教授團隊利用我司高光譜設備，對貴州省天柱縣(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))五個地區(qū)的共150個采摘期云煙87中部煙葉的高光譜圖像數(shù)據(jù)進行采集和分析。

為快速、無損地檢測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)的方法來剔除異常樣本，再使用偏最小二乘法(PLS)估測采摘期煙葉水分含量。最終得出利用高光譜圖像技術(shù)預測煙葉的水分含量效果甚佳，可實現(xiàn)煙葉水分含量快速、無損地估測的結(jié)論。

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

圖1 Gaiasky-mini2-VN

表1 Gaiasky-mini2-VN技術(shù)參數(shù)

試驗首先對采集煙葉的高光譜圖像進行ROI感興趣區(qū)域的選擇，隨后對采集過高光譜圖像的煙葉進行水分含量的測定。

試驗接下來對光譜進行預處理，發(fā)現(xiàn)SG卷積平滑法與移動窗口平滑法效果最佳，二者的前4個主成分累計得分達到98％，如圖2和圖3所示。

圖2 原始光譜的預處理

圖3 不同光譜預處理的前15個主成分累計貢獻率

隨后采用SG卷積平滑法與移動窗口平滑法這兩種光譜預處理方法的前4個主成分對馬氏距離進行計算。其中SG卷積平滑法剔除3個異常樣本（最佳閾值為2.2），移動窗口平滑法剔除15個異常樣本（最佳閾值為0.9），如圖4所示。

圖4 移動窗口平滑和SG的馬氏距離和其最佳閾值

接下來對剔除異常樣品后的煙葉數(shù)據(jù)進行建模分析，發(fā)現(xiàn)利用SG卷積平滑法預處理的PCA-MD-PLS模型效果最佳，對煙葉含水量預測能力最好，預測模型相關(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 移動窗口平滑和Savitzky—Golay卷積平滑的預測值和真實值之間的關(guān)系

通訊作者簡介：

吳雪梅，博士，副教授，碩士生導師。

主要研究方向：機電一體化集成技術(shù)、基于機器視覺的目標物識別與定位、摩擦學與表面工程、智能農(nóng)機裝備與信息化融合、精細農(nóng)業(yè)技術(shù)等。

參考文獻：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]. 中國農(nóng)機化學報,2021,42(9):157-163.