基于高光谱成像技术的鲜烟叶叶位识别方法

doi:10.15933/j.cnki.1004-3268.2024.02.016

摘要/Abstract

摘要： 为实现鲜烟叶叶位的快速无损识别，以不同着生部位烟叶为研究对象，应用高光谱成像技术，构建基于特征光谱的鲜烟叶叶位判别模型。首先，利用标准正态变换（SNV）、二阶导数（2ND）、Savitzky-Golay卷积平滑（SG）和多元散射校正（MSC）4种光谱预处理方法对烟叶原始高光谱数据进行处理，然后采用预处理后的全波段光谱数据和特征波段光谱数据，构建基于支持向量机（SVM）、偏最小二乘判别分析（PLS-DA）和反向传播神经网络（BPNN）的鲜烟叶叶位识别模型。结果表明：采用SG滤波预处理和BPNN所构建的模型识别效果最好，训练集和预测集的预测准确率分别为91.15%和90.63%。此外，利用竞争性自适应重加权算法（CARS）所筛选的特征波长所建立的BPNN模型最优，训练集和预测集的预测准确率达到了93.23%和92.19%。表明利用高光谱成像技术判别鲜烟叶所属部位是可行的，可以实现鲜烟叶所属部位快速、无损检测。

关键词: 烟叶, 叶位, 无损识别, 高光谱成像, 光谱特征

Abstract: In order to realize the rapid non⁃destructive identification of fresh tobacco leaf position,this study took tobacco leaves with different leaf positions as the research object,applied hyperspectral imaging technology to construct a fresh tobacco leaf position discrimination model based on characteristic spectrum. We processed the original hyperspectral data of tobacco leaves by using SNV(standard normal variate),2ND(2^nd derivative),SG(Savitzky⁃Golay smoothing filter) and MSC(multiplicative scatter correction)four spectral preprocessing methods,and used the preprocessed full⁃band spectral data and characteristic band spectral data to construct fresh tobacco leaf position recognition models based on SVM(support vector machines),PLS⁃DA(partial least squares⁃discriminant analysis,PLS⁃DA)and BPNN(back propagation neural network).The results showed that the model constructed by SG filter preprocessing and BPNN had the best recognition effect,and the discrimination results of the training set and prediction set were 91.15% and 90.63%,respectively.In addition,the BPNN model established by using the characteristic wavelengths screened by CARS was the best,and the prediction accuracy of the training set and prediction set reached 93.23% and 92.19%.This study shows that it is feasible to use hyperspectral imaging technology to identify the parts of fresh tobacco leaves，which can realize rapid and nondestructive detection of the parts of fresh tobacco leaves.

Key words: Tobacco leaf, Leaf position, Nondestructive testing, Hyperspectral imaging, Spectral characteristics

中图分类号:

S126
S572

李粉粉, 王爱霞, 赵晨, 白涛, 毛岚, 张豹林, 李生栋, 宋朝鹏, 王涛. 基于高光谱成像技术的鲜烟叶叶位识别方法[J]. 河南农业科学, 2024, 53(2): 144-151.

LI Fenfen, WANG Aixia, ZHAO Chen, BAI Tao, MAO Lan, ZHANG Baolin, LI Shengdong, SONG Zhaopeng, WANG Tao. Identification Method of Green Tobacco Leaf Positions Based on Hyperspectral Imaging Technology[J]. Journal of Henan Agricultural Sciences, 2024, 53(2): 144-151.

参考文献

［1］国家质量监督检验检疫总局，中国国家标准化管理委员会.烤烟烘烤技术规程：GB/T 23219—2008［S］.北京：中国标准出版社，2009.
AQSIQ，SAC.Technical specification for flue⁃cured tobacco curing：GB/T 23219—2008 ［S］.Beijing：Standards Press of China，2009.

［2］杨波，段明磊，杨童.基于高光谱成像技术的西瓜种子活力等级分类方法研究［J］.河南农业科学，2022，51 （9）：151⁃158.

YANG B，DUAN M L，YANG T.Resarch on the classification method of watermelon seed vigor level based on hyperspectral imaging technology［J］.Journal of Henan Agricultural Sciences，2022，51（9）：151⁃158.

［3］张红涛，田媛，孙志勇，等.基于近红外高光谱图像分析的麦粒硬度分类研究［J］.河南农业科学，2015，44（4）：181⁃184.

ZHANG H T，TIAN Y，SUN Z Y，et al.Hardness classification of wheat kernel based on near⁃infrared hyperspectral imaging technology［J］.Journal of Henan Agricultural Sciences，2015，44（4）：181⁃184.

［4］虞佳维，程志庆，张劲松，等.高光谱信息的农林植被种类区分［J］.光谱学与光谱分析，2018，38（12）：3890⁃3896.

YU J W，CHENG Z Q，ZHANG J S，et al.An approach to distinguishing between species of trees and crops based

on hyperspectral information［J］.Spectroscopy and Spectral Analysis，2018，38（12）：3890⁃3896.

［5］邸洁，曲建华.基于Tiny-YOLO的苹果叶部病害检测［J］.山东师范大学学报（自然科学版），2020，35（1）：78⁃83.

DI J，QU J H. A detection method for apple leaf diseases based on Tiny⁃YOLO［J］.Journal of Shandong Normal

University（Natural Science），2020，35（1）：78⁃83.

［6］曹益飞，徐焕良，吴玉强，等.基于时序高光谱和多任务学习的水稻病害早期预测研究［J］.农业机械学报，2022，53（11）：288⁃298.

CAO Y F，XU H L，WU Y Q，et al.Early forecasting of rice disease based on time series hyperspectral imaging
and multi⁃task learning［J］.Transactions of the Chinese Society for Agricultural Machinery，2022，53（11）：288⁃298. ［7］李向阳.烟草高光谱特性与农艺、生理、品质指标关系和估测模型研究［D］.郑州：河南农业大学，2007.

LI X Y.Study on tobacco hyperspectral characteristics and the relationships and estimating models about agronomic， physiological， and quality indexes［D］.Zhengzhou：Henan Agricultural University，2007.

［8］黄智，陈建国，昌宏涛，等.高光谱技术在烟草中的应用研究进展［J］.作物研究，2015，29（1）：106⁃110.

HUANG Z，CHEN J G，CHANG H T，et al.Research progress on application of hyperspectral technology intobacco［J］.Crop Research，2015，29（1）：106⁃110.

［9］吴秋菊，刘延，舒清态.云南高原特色农业烟草高光谱参数与多种生理生化指标的关系［J］.江苏农业科学，2018，46（7）：230⁃234.

WU Q J，LIU Y，SHU Q T.Relationship between high spectral parameters and physiological and biochemical indices of tobacco leaves at plateau characteristic agriculture region in Yunnan Province［J］. Jiangsu Agricultural Sciences，2018，46（7）：230⁃234.

［10］李佛琳，赵春江，刘良云，等.烤烟成熟鲜烟叶生化组分高光谱估算方法筛选［J］.农业工程学报，2006，22 （3）：88⁃94.

LI F L，ZHAO C J，LIU L Y，et al.Selecting optimal hyperspectral method for estimation of bioch emical concentration of FCV tobacco leaf at the maturity stage ［J］.Transactions of the Chinese Society of Agricultural Engineering，2006，22（3）：88⁃94.

［11］王志辉，丁丽霞.基于叶片高光谱特性分析的树种识别［J］.光谱学与光谱分析，2010，30（7）：1825⁃1829.

WANG Z H，DING L X.Tree species discrimination based on leaf⁃level hyperspectral characteristic analysis［J］.Spectroscopy and Spectral Analysis，2010，30（7）：1825⁃1829.

［12］SLATON M R，RAYMOND HUNT E Jr，SMITH W K.Estimating near⁃infrared leaf reflectance from leaf structural characteristics［J］.American Journal of Botany，2001，88（2）：278⁃284.

［13］殷全玉，杨伊檬，靳志伟.烟草叶片光谱特征及其光谱反射率的变化［J］.河南科学，2006，24（4）：521⁃523.

YIN Q Y，YANG Y M，JIN Z W.Changes of spectral characteristics and spectral reflectivity in tobacco leaves［J］.Henan Science，2006，24（4）：521⁃523.

［14］李鑫，汤卫荣，张永辉，等.基于高光谱成像技术的烟叶田间成熟度判别模型［J］.烟草科技，2022，55（7）：17⁃24.

LI X，TANG W R，ZHANG Y H，et al.Discriminant model for field maturity of tobacco leaves based on hyperspectral imaging technology［J］.Tobacco Science & Technology，2022，55（7）：17⁃24.

［15］窦玉青，李新举，王梅，等.烤烟发病叶片高光谱特征分析［J］.中国烟草学报，2015，21（1）：49⁃52.

DOU Y Q，LI X J，WANG M，et al.Analysis of hyperspectral characteristics of infected flue⁃cured tobacco leaves［J］.Acta Tabacaria Sinica，2015，21（1）：49⁃52.

［16］孙阳，李青山，谭效磊，等.鲜烟叶高光谱特征与颜色分析及其关系研究［J］.中国烟草学报，2018，24（4）：55⁃64.

SUN Y，LI Q S，TAN X L，et al.Relationships between hyperspectral characteristics and color parameters of fresh tobacco leaves［J］.Acta Tabacaria Sinica，2018，24（4）：55⁃64.

［17］李士静，潘羲，陈熙卓，等.基于高光谱信息的烟叶分级方法比较［J］.烟草科技，2021，54（10）：82⁃91.

LI S J，PAN X，CHEN X Z，et al.Comparison of tobacco grading methods based on hyperspectral information［J］.Tobacco Science & Technology，2021，54（10）：82⁃91.

［18］张慧，张文伟，张永毅，等.基于高光谱与纹理融合的烤烟分类方法研究［J］.中国烟草学报，2022，28（3）：72⁃80.

ZHANG H，ZHANG W W，ZHANG Y Y，et al.Research on classification method of flue⁃cured tobacco based on fusion of hyperspectral and texture features［J］.Acta Tabacaria Sinica，2022，28（3）：72⁃80.

［19］王志豪.苹果贮藏中高光谱表征信息提取及其腐败预警方法［D］.洛阳：河南科技大学，2022.

WANG Z H.Extraction of representation information of hyperspectral data and method of spoilage early warning during apple storage［D］.Luoyang：Henan University of Science and Technology，2022.

［20］YANG X L，HONG H M，YOU Z H，et al.Spectral and image integrated analysis of hyperspectral data for waxy corn seed variety classification［J］.Sensors，2015，15（7）：15578⁃15594.

［21］李江波，郭志明，黄文倩，等.应用CARS和SPA算法对草莓SSC含量NIR光谱预测模型中变量及样本筛选［J］.光谱学与光谱分析，2015，35（2）：372⁃378.

LI J B，GUO Z M，HUANG W Q，et al.Near⁃infrared spectra combining with CARS and SPA algorithms to screen the variables and samples for quantitatively determining the soluble solids content in strawberry［J］.Spectroscopy and Spectral Analysis，2015，35（2）：372⁃378.

［22］BALLABIO D，CONSONNI V.Classification tools in chemistry. Part 1：linear models. PLS⁃DA ［J］.Analytical Methods，2013，5（16）：3790⁃3798.

［23］罗建军，杨红云，路艳，等.基于高光谱和参数优化支持向量机的水稻施氮水平分类研究［J］.中国土壤与肥料，2020（5）：250⁃257.

LUO J J，YANG H Y，LU Y，et al.Classification of nitrogen application levels in rice based on hyperspectral and parameter optimized support vector machine［J］. Soil and Fertilizer Sciences in China，2020 （5）：250⁃257.

［24］郭澎涛，苏艺，茶正早，等.基于BP神经网络的橡胶苗叶片磷含量高光谱预测［J］.农业工程学报，2016，32（S1）：177⁃183.

GUO P T，SU Y，CHA Z Z，et al.Prediction of leaf phosphorus contents for rubber seedlings based on hyperspectral sensitive bands and back propagation artificial neural network［J］.Transactions of the Chinese Society of Agricultural Engineering，2016，32 （S1）：177⁃183.

［25］蒋柏春，李德仑，韦克苏，等.基于高光谱的烤烟叶绿素含量估算模型研究［J］.中国农机化学报，2022，43 （3）：104⁃110.

JIANG B C，LI D L，WEI K S，et al.Estimation model of chlorophyll content of flue⁃cured tobacco based on
hyperspectral［J］.Journal of Chinese Agricultural Mechanization，2022，43（3）：104⁃110.

[1]	宋绍森, 杨杰, 段旺军, 陈思昂, 王卫民, 张力, 许嘉阳, 韩丹, 许自成, 贾玮. 海拔高度对烟叶生长代谢及烤后品质的影响[J]. 河南农业科学, 2024, 53(3): 53-67.
[2]	李亚玲, 马戎, 丁为, 冯文宁, 徐波, 梁淼, 刘玉斌, 刘伟, 王兵, 乔学义. 基于TG-FTIR-MS 技术的烟叶角质层热解行为研究[J]. 河南农业科学, 2024, 53(2): 171-180.
[3]	李晶晶, 荣仕宾, 秦艳青, 周骏, 曾代龙, 钟秋, 赵园园, 刘德水, 张瑞娜, 史宏志. 雪茄茄芯和茄衣烟叶不同区段化学成分和品质差异性分析[J]. 河南农业科学, 2024, 53(1): 62-69.
[4]	潘勇, 吴巧茵, 李林林, 施友志, 谭再钰, 张娟, 王剑. 产多酚氧化酶菌株在改善雪茄烟叶品质中的应用研究[J]. 河南农业科学, 2023, 52(9): 173-180.
[5]	解文孝, 姜秀英, 吕军, 潘争艳, 韩勇, 王庆新, 李建国. 不同叶位功能叶片对不同穗型水稻籽粒灌浆特性及稻米品质的影响[J]. 河南农业科学, 2023, 52(8): 36-44.
[6]	陈家鼎, 何蓉, 肖庆礼, 袁明, 谭奇忠, 彭奎, 魏硕, 李生春. 温度和含水率对烟叶热物理特性的影响及其预测模型建立[J]. 河南农业科学, 2023, 52(6): 172-180.
[7]	张晶云, 荣仕宾, 秦艳青, 吴疆, 王俊, 李晶晶, 冯雨晴, 赵园园, 钟秋, 史宏志. 采收方式对调制后烟叶叶片和主脉TSNAs 及前体物含量的影响[J]. 河南农业科学, 2023, 52(2): 57-65.
[8]	张卫正, 陈赛越扬, 王艳玲, 帖金鑫, 丁佳, 李萌, 李灿林, 苏晓珂, 甘勇. 基于YOLOv3 改进算法的烟叶原料烟草甲识别方法研究[J]. 河南农业科学, 2023, 52(11): 157-166.
[9]	杨金初, 童治军, 李萌, 赵旭, 徐永明, 冯颖杰, 杨宗灿, 曲鹏, 李悦, 孙九喆, 张轲. 基于SNP 标记的4 个品种复烤烟叶鉴别研究[J]. 河南农业科学, 2023, 52(11): 174-180.
[10]	李思军, 郑宏斌, 毕一鸣, 江智敏, 田雨农, 郝贤伟, 章程, 侯建林, 吴文信, 朱林, 邓小华. 一次性采收中部6 片烟叶的田间成熟特征及烤后质量研究[J]. 河南农业科学, 2023, 52(10): 30-39.
[11]	王东旭, 武云杰, 曾超, 赵明阳, 余海涛, 周军, 薛子钟, 刘流, 叶协锋, 张锦韬. 土壤质地和氯含量对烤烟叶片区位化学成分的影响[J]. 河南农业科学, 2022, 51(9): 35-45.
[12]	杨波, 段明磊, 杨童. 基于高光谱成像技术的西瓜种子活力等级分类方法研究[J]. 河南农业科学, 2022, 51(9): 151-158.
[13]	战磊, 王寒, 关罗浩, 张蒙蒙, 梁俊阳, 张晓瑞, 付博, 王玉胜. 用于烟叶提质的苏云金芽孢杆菌SY-1产淀粉酶条件的优化研究[J]. 河南农业科学, 2022, 51(9): 159-170.
[14]	李萌, 王旭东, 罗昭标, 宋嘉宝, 曲鹏, 候宁宁, 郭林青, 饶智, 马林. 混菌固态发酵低次烟叶工艺优化及挥发性致香成分分析[J]. 河南农业科学, 2022, 51(9): 171-180.
[15]	郑天飞, 张倩颖, 李东亮, 张娟, 堵国成. 不同产地雪茄烟叶的风味特征和微生物群落分析[J]. 河南农业科学, 2022, 51(8): 45-54.