基于高光谱技术的采摘期烟叶水分含量研究

贵州大学机械工程学院吴雪梅副教授团队利用我司高光谱设备，对贵州省天柱县(黔东南地区)、息烽县(黔中地区)、安龙县(黔西南地区)、道真县(黔北地区)和威宁县(黔西北地区)五个地区的共150个采摘期云烟87中部烟叶的高光谱图像数据进行采集和分析。

为快速、无损地检测采摘期烟叶水分含量，提出一种主成分分析(PCA)结合马氏距离算法(MD)的方法来剔除异常样本，再使用偏最小二乘法(PLS)估测采摘期烟叶水分含量。最终得出利用高光谱图像技术预测烟叶的水分含量效果甚佳，可实现烟叶水分含量快速、无损地估测的结论。

我司高光谱成像系统如图1所示，技术参数指标如表1所示。

图1 Gaiasky-mini2-VN

表1 Gaiasky-mini2-VN技术参数

试验首先对采集烟叶的高光谱图像进行ROI感兴趣区域的选择，随后对采集过高光谱图像的烟叶进行水分含量的测定。

试验接下来对光谱进行预处理，发现SG卷积平滑法与移动窗口平滑法效果最佳，二者的前4个主成分累计得分达到98％，如图2和图3所示。

图2 原始光谱的预处理

图3 不同光谱预处理的前15个主成分累计贡献率

随后采用SG卷积平滑法与移动窗口平滑法这两种光谱预处理方法的前4个主成分对马氏距离进行计算。其中SG卷积平滑法剔除3个异常样本（最佳阈值为2.2），移动窗口平滑法剔除15个异常样本（最佳阈值为0.9），如图4所示。

图4 移动窗口平滑和SG的马氏距离和其最佳阈值

接下来对剔除异常样品后的烟叶数据进行建模分析，发现利用SG卷积平滑法预处理的PCA-MD-PLS模型效果最佳，对烟叶含水量预测能力最好，预测模型相关系数为0.8527，均方差为1.3766。如表2和图5所示。

表2 最佳建模参数下建立的PLS模型效果

图5 移动窗口平滑和Savitzky—Golay卷积平滑的预测值和真实值之间的关系

通讯作者简介：

吴雪梅，博士，副教授，硕士生导师。

主要研究方向：机电一体化集成技术、基于机器视觉的目标物识别与定位、摩擦学与表面工程、智能农机装备与信息化融合、精细农业技术等。

参考文献：刘红芸,吴雪梅,李德仑,等. 基于高光谱技术的采摘期烟叶水分含量研究[J]. 中国农机化学报,2021,42(9):157-163.