Tütün dumanı iyileştirilmiş yağ içeriğinin yıkıcı olmayan tespiti için hiperspektral görüntüleme teknolojisi

Yaprak kalitesi değerlendirme sisteminde, yağ içeriği, dumanlı tütünün kalitesini ölçmek için önemli göstergelerden biridir.Yağ içeriğinin değerlendirilmesi çoğunlukla profesyonellerin deneysel yargısına dayanırSon yıllarda, hiperspektral görüntüleme teknolojisi, grafikler ve spektrumları birleştirme özelliklerinden dolayı,Tarımsal ürün kalitesi tespiti alanında uygulama potansiyeli göstermiştir.Bu makalede, dumanlı tüttürülmüş tütün yağı içeriğinin tespit edilmesi üzerine yapılan bir çalışmayı örnek alarak, görünür yakın kızılötesi hiperspektral teknolojisinin bu senaryoda pratik uygulama etkisini tanıtıyor.

Araştırma Arkaplanı ve Deneysel Tasarım
Araştırma, ülkenin 22 tütün yetiştiren eyaletinden (özerk bölgeler) 634 dumanla iyileştirilmiş tütün yaprağı örneği seçti. The research team used the FigSpec series hyperspectral imaging system from CHNSpec (including FigSpec-23 and FigSpec-25 cameras) to synchronously collect the spectral information of tobacco leaves in the wavelength ranges of 400-1000nm and 900-1700nmToplama işlemi sırasında, ışık kaynağı açısını ve kamera mesafesini sabitleyerek aydınlatma tekdüzeliği sağlandı.ve her numune için spektral verilerin iki kez toplandıktan sonra ortalama değer, orijinal giriş olarak kullanıldı..

Yağ içeriği puanı, 20 kişiden oluşan bir görünüm kalitesi değerlendirme ekibi tarafından 10 puanlık bir ölçekte bağımsız olarak değerlendirildi.Örnekler bir kalibrasyon setine (443 örnek) ve bir doğrulama setine (191 örnek) 7 oranında bölündü.:3İki numune grubundaki yağ içeriği puanlarının dağılım özellikleri, daha sonraki model inşası için güvenilir bir temel sağlayan genel popülasyonla tutarlıydı.

Spektral Ön İşleme ve Korrelasiyon Analizi
Orijinal spektral veriler gürültü ve dağıtım müdahalesi içerir, etkili sinyalleri artırmak için önceden işleme gereklidir.Hareketli ortalama düzleştirme (MA) dahil, çarpımsal dağılım düzeltmesi (MSC), standart normal değişken (SNV), ilk türev (D1), ve standartlaştırma (SS), ayrıca bunların kombinasyon stratejileri.

Analiz sonuçları, MSC ve SNV önceden işlenmesinin, spektral yansıma ve yağ içeriği puanları arasındaki korelasyonu etkili bir şekilde iyileştirebileceğini gösterdi.korelasyon katsayısı 0'dan yükseldi.0.076-0.124 orijinal spektrumdan 0.331-0.640D1 ön işleme, spektral eğrilerin yerel varyasyon özelliklerini güçlendirerek, güçlü korelasyonlu bantların sayısını (değerlendirmesi ≥ 0,4) 100'ü aştı.Bu sonuçlar, makul ön işleme stratejilerinin, sonraki modellerin öngörme kapasitesini geliştirmeye yardımcı olduğunu göstermektedir..

Model Yapımı ve Performans Değerlendirmesi
Çalışma, petrol içeriği puanları için nicel tahmin modelleri oluşturmak için iki algoritma, kısmi en küçük kare regresyonu (PLSR) ve destek vektör regresyonu (SVR) kullandı.Tüm görünür-yakın kızılötesi bandına dayalı PLSR modeli, doğrulama için 1 arasında RPD değerleri ayarladı..642 ve 1.775 çoğu ön işleme koşullarında, bunların arasında doğrulama kümesi R2 0.683'e ulaştı ve RMSE, MA ön işleminden sonra 0.346 idi. SVR modelinin doğrulama kümesi R2 0.653 ve 0 RMSE.362 D1 + SS kombinasyon önceden işleme göre.

Her iki modelin avantajlarını birleştirmek için, çalışma ağırlıklı ortalama bir füzyon stratejisi tanıttı.Tam görünür-yakın kızılötesi bandına dayalı füzyon modelinde (MA önceden işleme altında PLSR ve D1 + SS önceden işleme altında SVR) doğrulama seti R2'nin 0'a yükseldiğini gördü..721RMSE sıfıra düştü.324, ve RPD 1'e ulaşır.894, herhangi bir tek modelden daha iyi bir öngörü etkisi göstermektedir.

Karakteristik bant seçimi ve model optimizasyonu
Hiperspektral veriler, yüzlerce bant içerir ve veri yedekliliği sorunları ortaya çıkarır.Sonuçlar, MA ön işleme sonrasında, SPA tarafından seçilen 95 karakteristik bantla inşa edilen PLSR modeli, 0.685'lik bir doğrulama seti R2 ve 0.345SPA tarafından seçilen 56 karakteristik bantla inşa edilen SVR modeli, D1 + SS önceden işlenmesinden sonra, R2 değerlendirme kümesi 0,666 ve RMSE 0'du.355Karakteristik bantların sayısı, tam bantta 428'den önemli ölçüde azalmış ve bu da veri boyutlarını önemli ölçüde düşürmüştür.

SPA seçimine dayalı PLSR ve SVR füzyon modeli, doğrulama kümesi R2'nin 0'a ulaşması ile tahmin doğruluğunu daha da iyileştirdi.724RMSE 0'da.323, ve RPD 1'de.904Bu sonuç, karakteristik bant seçiminin, veri yedekliğini azaltırken model geçerliliğini koruduğunu göstermektedir.

Uygulama Görünümü
Bu çalışma, dumanı iyileştirilmiş tütün yağı içeriğinin yıkıcı olmayan tespitinde görünür yakın kızılötesi hiperspektral teknolojisinin uygulanabilirliğini göstermektedir.Geleneksel manuel değerlendirme yöntemleriyle karşılaştırıldığında, hiperspektral teknolojinin nesnellik, yıkıcılık ve hız gibi potansiyel avantajları vardır.Otomatik tütün yaprağı sınıflandırma ekipmanlarının geliştirilmesi ve akıllı kalite kontrol sistemlerinin inşası için referans temelleri sağlayabilecekCHNSpec'ten FigSpec serisi hiperspektral görüntüleme sistemi, bu çalışmada temel veri toplama görevini üstlendi ve tarımsal malzeme kalitesi tespit senaryolarında uygulanabilirliğini doğruladı.