題目

高光譜成像技術(shù)在煙葉及雜質(zhì)分類中的應(yīng)用

應(yīng)用關(guān)鍵詞

高光譜成像技術(shù)、煙草、隨機森林、分類

背景

煙葉中的雜質(zhì)會極大地影響煙草原料的使用價值和卷煙產(chǎn)品的質(zhì)量。非煙雜質(zhì)是指煙葉以外的各種物質(zhì)。非煙草雜質(zhì)的混合不僅影響煙草脫粒和復(fù)干的設(shè)備，而且燃燒產(chǎn)生的有害物質(zhì)也會嚴重影響人體健康。然而，隨著煙草行業(yè)對除雜系統(tǒng)準(zhǔn)確性、可靠性和實時性要求的提高，原有的除雜方法已難以滿足要求。因此，提出將高光譜成像技術(shù)應(yīng)用于煙葉雜質(zhì)的檢測與識別，以區(qū)分煙葉與雜質(zhì)。

目前，利用高光譜技術(shù)對煙草脫粒和復(fù)干過程中的煙葉和雜質(zhì)進行識別和分類的研究較少。本研究首先對高光譜影像進行處理，然后對煙葉和雜質(zhì)感興趣區(qū)域進行建模和分析。最后，利用隨機森林算法對煙葉和雜質(zhì)進行分類，達到準(zhǔn)確識別煙葉和雜質(zhì)的目的。

試驗設(shè)計

中國科學(xué)院合肥物質(zhì)科學(xué)研究院劉勇教授團隊利用江蘇雙利合譜公司的高光譜成像儀Image-λ-N25E-HS獲取煙草葉片的高光譜影像（1000-2500nm）。具體高光譜系統(tǒng)和影像如圖1所示。本文采用savitzky-golay平滑濾波器去除黑白校正后的噪聲對光譜數(shù)據(jù)的影響；為了消除樣本不均勻造成的散射現(xiàn)象，對平滑濾波后的光譜數(shù)據(jù)進行了多重散射校正。最終獲得了如圖2所示的光譜曲線。

圖1 高光譜成像系統(tǒng)（a）和高光譜影像（b）

圖1 煙葉與雜質(zhì)的平均光譜曲線（a）、煙草葉片在MSC前的吸收曲線（b）、MSC后的吸收曲線（c）

結(jié)論

為了驗證算法的有效性，采用隨機森林算法進行分類實驗，并對樣本的分類準(zhǔn)確率進行統(tǒng)計分析。利用混淆矩陣，用總體分類精度（OA）和Kappa系數(shù)表征煙葉和雜質(zhì)的分類精度?；煜仃嚨目傮w分類準(zhǔn)確率為99.92%，Kappa系數(shù)為0.9984，因此利用隨機森林對煙葉和雜質(zhì)進行分類是可行的。

本研究提出的分類方法為煙草行業(yè)的安全檢測和生產(chǎn)提供了新思路，為煙葉中特定雜質(zhì)的去除提供了技術(shù)支持。

表1 煙葉和雜質(zhì)的混淆矩陣

作者信息

劉勇，博士，中國科學(xué)院合肥物質(zhì)科學(xué)研究院教授，博士生導(dǎo)師。

主要研究方向：光譜學(xué)與光譜技術(shù)、檢測技術(shù)與智能儀器、生物醫(yī)學(xué)光學(xué)等。

參考文獻：

Zhang, L., Ma, X., Li, Z., & Liu, Y. (2019). Application of Hyperspectral Imaging Technology in Classification of Tobacco Leaves and Impurities. In, 2019 2nd International Conference on Safety Produce Informatization (IICSPI). Chongqing, China. https://ieeexplore.ieee.org/abstract/document/9095975