高光谱成像的非烟物质分类识别研究

摘要

【目的】利用高光谱成像技术和机器学习方法对烟叶中的非烟物质进行分类识别。【方法】使用可见—近红外高光谱成像技术,采用归一化(Normalization)、标准正态变化(SNV)、多元散射校正(MSC)、一阶导数(FD)、卷积平滑(SG)对光谱数据进行预处理,通过连续投影变换(SPA)和主成分载荷(PCA loadings)进行特征波长选择,并应用随机森林(RF)、Softmax和支持向量机(SVM)建立分类模型。【结果】SNV为最佳光谱预处理方法,SPA选择特征波长建立的SVM模型为最优模型,训练集和测试集正确率分别为99.82%和99.47%。【结论】高光谱成像技术结合SPA-SVM模型可以有效分类识别烟叶中的非烟物质。