1 浙江大学药学院, 浙江 杭州 310030
2 浙江大学智能创新药物研究院, 浙江 杭州 310018
烟草是一种成分复杂的天然植物, 地理位置、 生长条件等外界因素直接影响着烟叶的品质; 我国烟叶种植范围十分广泛, 每个产区种植的烟叶都有其独特的风格特征, 不同产区的烟叶配比对卷烟的质量起着决定性的作用。 为实现烟叶产地准确、 快速判别, 基于近红外光谱(NIRS), 采用灰狼算法(GWO)优化的支持向量机(SVM)算法实现烟叶产地鉴别分类。 以8个产地的824个烟叶样本为研究对象, 基于x-y距离样本集划分(SPXY)方法得到校正集617个和验证集207个样品。 首先应用最佳波长筛选方法, 如竞争自适应加权采样(CARS)和随机青蛙(RF)算法减少光谱冗余信息, 最终从1 609个变量中分别获得141和534个与产地相关的重要变量, 并以此输入SVM作为建模数据, 接下来在相同搜索范围内比较了粒子群优化算法(PSO)、 遗传算法(GA)和GWO对SVM分类模型的优化效果。 结果表明, 经RF筛选后的光谱变量较CARS具有更好的产地建模性能, 其中RF-GWO-SVM对8个产地烟叶的整体判别正确率达到了96.62%, 相较于RF-PSO-SVM和RF-GA-SVM正确率更高。 同时, RF-GWO-SVM的运行时间分别比RF-PSO-SVM和RF-GA-SVM的运行时间缩短156和131 min, RF-GWO-SVM具有精度更高、 寻优速度更快等优点。 GWO对于SVM模型参数具有更高效的优化能力, 可用于烟叶产地快速鉴别模型的建立。
近红外光谱技术 灰狼算法 支持向量机 烟叶 产地鉴别 Near-infrared spectroscopy Grey wolf optimizer Support vector machine Tobacco Origin identification 光谱学与光谱分析
2022, 42(9): 2830
中国农业大学信息与电气工程学院, 北京 100083
应用近红外光谱技术实现农产品产地、 质量等级等属性特征的快速、 准确鉴别, 在农产品的收购、 加工中可发挥重要作用。 目前, 应用近红外技术实现上述目标虽有一些文献报道, 但已实际应用的事例却很少, 其主要原因在于所建模型的可靠性尚存在一定问题。 以来自四川省内不同部位(不同等级)的烟叶样品为例, 基于主要化学成分, 近红外光谱和定性判别结果评价了烟叶等级识别模型的可靠性; 并通过探究主要化学成分和光谱特征分析了四川省烟叶的等级特征。 研究结果表明: 在一定生态产区范围内, 可建立可靠性较好的烟叶等级识别模型, 物质信息基础和模型识别结果的一致性可验证模型的可靠性。 通过探究化学成分和光谱特征, 分析了四川省不同等级烟叶具有的化学成分特征: 上部烟叶具有低总糖, 高烟碱, 高总氮, 高纤维素, 高酰胺的等级特征; 中部烟叶具有高总糖, 中烟碱, 中总氮, 中纤维素, 中酰胺的等级特征; 下部烟叶具有高总糖, 低烟碱, 低总氮, 低纤维素, 低酰胺的等级特征。 本文得出的依据物质信息基础判定定性模型可靠性的方法, 以及基于化学成分和近红外光谱特征分析烟叶等级特征的方法, 对其他农产品的建模和化学成分特征分析具有参考价值。
近红外 烟叶 定性判别 可靠性 等级特征 Near-infrared Tobacco Qualitative discrimination Reliability Grade feature 光谱学与光谱分析
2020, 40(10): 3260
1 中国农业大学信息与电气工程学院, 北京 100083
2 中国农业大学, 教育部现代精细农业系统集成研究重点实验, 北京 100083
3 上海烟草集团有限责任公司, 上海 200082
4 云南中烟技术中心, 云南 昆明 650202
卷积神经网络(CNN)在图像分类识别领域应用广泛, 但其在近红外光谱分类中的研究还未见报道, 对基于CNN的近红外光谱分类建模方法进行了研究。 针对近红外光谱数据的特点, 提出了一种改进的卷积神经网络建模方法, 对CNN经典模型LeNet-5所做改进: ①将方形矩阵卷积核改为适用于一维近红外光谱的向量卷积核; ②简化网络结构, 将LeNet-5结构中C5, F6及输出层改为单层感知机。 同时, 采用隔点采样的方法对近红外光谱降维, 加快收敛速度; 并对卷积核尺寸对建模结果的影响进行了研究。 以我国东北、 黄淮、 西南三大烤烟产区的600个中部烟叶样本的近红外光谱为实验对象, 建立烟叶产区分类NIR-CNN模型。 该模型对训练集和测试集的判别准确率为98.2%和95%。 实验结果表明, 应用卷积神经网络可对近红外光谱数据准确、 可靠地判别分类; 烟叶产区NIR-CNN建模方法可为卷烟企业烟叶原料科学合理利用提供指导, 为维护卷烟产品的质量稳定有重要意义; 基于卷积神经网络的近红外光谱判别方法也可推广到其他农产品的分类应用中。
卷积神经网络 近红外光谱 判别分类 烟叶产区 Convolution neural network Near-Infrared spectroscopy Classification discrimination Tobacco-producing areas 光谱学与光谱分析
2018, 38(12): 3724
1 河南农业大学机电工程学院, 河南 郑州 450002
2 江西省烟草公司抚州市公司, 江西 抚州 344000
3 生物质能源河南省协同创新中心, 河南 郑州 450002
农业领域中对植株元素的快速检测和实时监控十分重要。 采用Nd∶YAG激光器和中阶梯ICCD光栅光谱仪获取金属元素Cu等离子体谱线。 为研究激光诱导击穿光谱(laser induced break-down spectroscopy, LIBS)金属元素Cu定量分析的标定曲线和等离子体参数, 制备Cu含量范围为8.59～156.35 μg·g-1烟叶样品进行实验。 实验结果表明烟叶中金属元素Cu特征谱线324.75 nm处干扰小、 谱线明显。 烟叶样品受激发产生等离子体温度为39 458.94 K, Cu等离子体电子密度为0.74×1016, 谱线强度和样品浓度建立的标定曲线相关系数r为0.98, 平均相对标准偏差RSD(relative standard deviation)为2.59%, Cu含量理论最低检测限为7.72 μg·g-1, 谱线信噪比(SNR)为7.86。 激光诱导击穿光谱方法可以应用于卷烟生产线在线检测金属元素Cu含量和监测烟叶中金属元素Cu对烟草生长的影响。
激光诱导击穿光谱(LIBS) 烟叶 等离子体 最低检测限 Laser-induced breakdown spectroscopy (LIBS) Tobacco leaves Plasma Limit of detection (LOD) 光谱学与光谱分析
2017, 37(10): 3214
1 中国农业大学现代精细农业系统集成研究教育部重点实验室, 北京 100083
2 云南省烟草农业科学研究院, 云南 昆明 650021
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。
近红外光谱 完整烟叶 总植物碱 定量分析 Near infrared spectroscopy Complete tobacco leaves Total alkaloids Quantitative analysis KS-BiPLS KS-BiPLS 光谱学与光谱分析
2017, 37(10): 3088
1 中国农业大学现代精细农业系统集成教育部重点实验室, 北京 100083
2 云南省烟草公司昆明市公司, 云南 昆明 650051
3 云南省烟草农业科学研究院, 云南 昆明 650021
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。
可见光谱 光谱特征参数 支持向量机 烟叶 成熟度 Visible spectrum Spectral feature parameters SVM Tobacco Maturity level 光谱学与光谱分析
2016, 36(6): 1826
1 上海烟草集团太仓海烟烟草薄片有限公司技术中心，江苏太仓 215433
2 赛默飞世尔科技(中国)有限公司，上海 201206
浓缩液化学质量的稳定直接影响着再造烟叶产品的质量，传统方法分析其常规化学成分费时费力，反馈相对滞后。利用近红外透射技术结合偏最小二乘法建立了造纸法再造烟叶生产过程中浓缩液烟碱（Nic）、总糖（Ts）及还原糖（Rs）定量分析模型。通过考察样本划分、光谱区域选择、光谱预处理及最佳主因子数选择等方面对模型进行不断优化，最终确定了最佳建模参数。此外，通过选取未参与建模的30 组样品进行外部验证并通过T 检验-成对双样本均值分析得出所建立的模型预测性及准确性较好，可以应用于浓缩液化学质量的快速检测。
近红外透射 再造烟叶浓缩液 定量分析 near-infrared transmittance reconstituted tobacco concentrated liquid quantitative analysis
1 中国农业大学现代精细农业系统集成教育部重点实验室, 北京 100083
2 云南省烟草农业科学研究院, 云南 昆明 650021
3 中国农业大学资源与环境学院, 北京 100193
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。
烟叶 色素 反射光谱 模型 支持向量机 Tobacco leaf Pigment Reflectance spectrum Model Support vector machine 光谱学与光谱分析
2015, 35(6): 1654
1 上海烟草集团有限责任公司技术中心, 上海200081
2 中国农业大学信息与电气工程学院, 北京100083
3 中国农业大学理学院, 北京100083
以自2003年至2012年在国内外主要烤烟产地收集的5 170个烟叶样品的近红外光谱为试验对象, 其中典型上部烟叶光谱1 394 条, 中部2 550条, 下部1 226条;应用基于主成分及Fisher准则(PPF)的方法建立投影分析模型, 遵循相邻主成分数下得到的投影结果没有显著性差异和主成分个数尽量少的原则, 推荐主成分数为4下建立投影分析模型, 模型结果表明: 上、 下部烟叶的近红外光谱特征具有显著差别, 基本实现完全区分;而中部烟叶分别与上部和下部具有一定程度重叠, 这与部位本身具有连续性特征的实际情况相符合。 同时, 依据模型得到的预测样品投影值与模型中各类投影均值之间的欧氏距离, 对预测样品给出最近和次近类别及描述部位特征程度的量化分值, 并结合模型中各类投影值的离散度以及设定的阈值, 将预测结果细化为典型上、 上偏中、 中偏上、 典型中、 中偏下、 下偏中、 典型下等7类或超模型范围样品;应用2012年在实际复烤生产加工中取得的不同部位、 不同产地的34个烟叶样品验证了分析结果的合理性。 该种分析方式, 不仅可以实现预测样品的判别分析, 而且可得到关于预测样品更丰富的属性特征信息, 可对烟草工业企业实现原料的均值化加工和烟叶配方等提供指导。
烟叶 部位 近红外光谱 Tobacco Site features Near-infrared 光谱学与光谱分析
2014, 34(12): 3277
1 中国农业大学理学院应用化学系, 北京100193
2 云南省烟草公司曲靖市公司, 云南 曲靖655000
钙、镁是植物体内两种重要的无机元素, 不直接吸收近红外光, 但在植物体内与有机物结合(果胶酸钙、 叶绿素)使得钙、 镁元素可被近红外光谱技术(NIR)间接测定。 使用NIR结合最小二乘支持向量机(LS-SVM)这一非线性回归方法实现对烟叶中钙、 镁的快速定量分析。 设计了混合的建模策略将500个烟叶样本划分多个校正集和验证集, 主成分分析-马氏距离方法用于选择建模样本, 蒙特卡洛交互验证在多元散射校正、 标准正态变量变换(SNV)、 Savitzky-Golay平滑、 求导、 去趋势算法和标准化等多种算法及其组合中选择最佳的光谱预处理方法并优化光谱波长范围, 多层网格搜索和十折交互验证确定LS-SVM模型的核函数参数σ2和正则化参数λ。 最终使用LS-SVM分别建立钙和镁的定量模型, 光谱预处理均选用SNV。 钙元素的LS-SVM模型校正集决定系数R2c为0.975 5, 外部验证集决定系数R2p为0.942 2;镁元素的R2c为0.996 1, R2p为0.930 1。 钙、 镁的LS-SVM模型结果均优于偏最小二乘回归模型结果(R2c钙=0.959 3, R2p钙=0.934 4, R2c镁=0.9582, R2p镁=0.894 2)。 结果说明了使用近红外光谱结合LS-SVM技术准确测定烟叶中钙、 镁元素是可行的。
近红外 最小二乘支持向量机 烟叶 钙 镁 Near-infrared Least squares-support vector machine Tobacco Calcium Magnesium 光谱学与光谱分析
2014, 34(12): 3262
