为了探讨近红外光谱分析技术检测完整烟叶化学成分的可行性, 利用近红外光谱分析技术, 对初烤完整烟叶的光谱采集方式及总植物碱定量分析建模方法进行了研究。 以云南省昆明市不同乡镇、 不同品种的初烤烟叶为研究对象, 分别采用烟叶的叶尖、 叶中、 叶基光谱及其平均光谱建立初烤完整烟叶总植物碱近红外偏最小二乘法(PLS)定量分析模型以选择出代表完整烟叶信息的建模光谱; 分别用KS和SPXY方法对样品的校正集进行选择, 采用向后区间偏最小二乘法(BiPLS)、 无信息变量消除法(UVE)、 竞争适应性重加权采样法(CARS)等选择特征变量, 对模型进一步优化。 研究结果表明, 采用叶尖、 叶中、 叶基3个部位的平均光谱建立的模型相比单独每个部位光谱所建立模型的预测精度提高了8.5%~9.5%, 与全光谱建模相比, 用KS-BiPLS建立模型能明显改善模型的预测能力, 模型的预测精度约提高了10%, 模型的校正集决定系数和均方根误差分别为0.917 4和0.226 1, 检验集决定系数和预测均方根误差分别为0.902 0和0.200 7。 本研究方法适用于完整的初烤烟叶, 无需对样品进行预处理, 对于大量的初烤烟叶, 能够快速、 无损测定烟叶总植物碱含量, 可以节省大量的时间。 同时, 该研究为初烤烟叶分级、 提高原料的品质提供技术支持, 也将为卷烟生产的过程控制提供科学依据。

在田间原位对烟叶成熟度进行判别, 能够有效减少由于对成熟度判断错误而导致的烟叶损失率升高、 质量下降的问题, 而传统的人眼结合叶龄的田间成熟度判别方法缺少客观性, 因此提出采用光谱特征参数结合支持向量机的方法对田间原位烟叶成熟度进行判别。 以专家评定并在田间原位进行测量的五个成熟度等级共351个烟叶反射光谱作为试验样品, 五个成熟度等级分别为M1, M2, M3, M4, M5。 通过对反射光谱的分析发现, 不同成熟度烟叶的光谱在可见光波段能够得到区分, 而在近红外波段区分不明显, 因此在可见光波段进行分析建模。 分别采用可见光范围内的连续光谱(350～780 nm)、 特征波段(496～719 nm)、 光谱特征参数(绿峰幅值、 绿峰位置、 红边幅值、 蓝边幅值、 红边面积、 蓝边面积、 红边位置、 蓝边位置)作为输入变量, 采用支持向量机方法(supportvector machine, SVM)建立烟叶成熟度判别模型。 结果表明, 应用可见光光谱特征参数作为输入变量所建立的模型的正确识别率达到98.85%, 而应用可见光连续谱、 可见光特征波段作为输入变量的正确识别率分别为90.80%和93.10%。 因此使用可见光光谱特征参数建立支持向量机的鲜烟叶成熟度判别模型对田间原位烟叶成熟度进行判别是可行的。

田间烟叶色素含量的光谱无损快速测量, 对烟草营养生长期的营养诊断与长势监测、 成熟期的烟叶品质评判具有重要的生产指导意义。 该研究的目的是利用烟叶田间光谱估测烟叶的叶绿素和类胡萝卜素含量。 研究采集了营养生长期和成熟期烟叶田间反射光谱, 测量了样品烟叶的色素含量, 利用支持向量机(SVM)和光谱指数法, 对营养生长期和成熟期烟叶样品用分期建模和混合建模两种方法建立色素含量估测模型, 并对模型的预测性能进行比较。 研究结果表明, 分期建模和混合建模对于烟叶色素含量的估测效果差异不显著。 对于叶绿素含量, SVM和光谱指数法均有较好的估测效果; 对于类胡萝卜素含量, SVM方法比光谱指数法具有更高的估测精度。 采用SVM方法对烟叶样品的叶绿素含量分期建模得到的估测决定系数和均方根误差分别为0.862 9和0.015 5, 对叶绿素含量混合建模得到的估测决定系数和均方根误差分别为0.898 5和0.012 3; 采用SVM方法对烟叶样品类胡萝卜素含量分期建模得到的估测决定系数和均方根误差分别为0.873 0和0.002 4, 对类胡萝卜素含量混合建模得到的估测决定系数和均方根误差分别为0.852 7和0.002 4。 该研究的创新点是通过支持向量机和光谱指数法采用分期建模以及混合建模的方式建立了烟叶样品色素含量的估测模型, 为烟草田间生产的质量控制、 烟叶的采收品质保证提供科学依据和技术支持。

要实现农田合理施肥, 需要对土壤养分状况进行实时、 准确地诊断, 因而建立快速、 稳定可靠的土壤养分定量分析方法是关键。光谱分析是一种有很大潜力的快速分析方法, 从可见/近红外光谱建模的几个重要环节, 即特征波段、 预处理方法及回归模型方法的选择, 研究了土壤有效氮、 磷、 钾含量快速估测的光谱建模方法。采用了多元散射校正加一阶导数进行光谱预处理, 通过逐波段相关分析在可见-近红外区优选特征波段, 并应用了局部非线性回归方法(BP神经网络局部回归法)建模, 所建模型对土壤有效氮、 磷、 钾含量估测的相关系数r分别为0.90, 0.82和0.94, BP神经网络局部建模比全局建模具有更好的精度和稳定性, 估测精度提高幅度分别为40.63%, 28.64%, 22.90%。因此, 采用局部BP神经网络回归建模法建立土壤有效氮、 磷、 钾的光谱定量分析模型, 可实现对土壤养分状况的快速诊断。该研究的创新点是通过采用局部非线性回归方法提高了土壤光谱营养诊断模型的稳定性和可靠性, 为作物生长过程中不同生长时期的土壤养分的动态监测和过程控制提供了技术支持。