貴州大學機械工程學院吳雪梅副教授團隊利用我司高光譜設備，對貴州省天柱縣(黔東南地區)、息烽縣(黔中地區)、安龍縣(黔西南地區)、道真縣(黔北地區)和威寧縣(黔西北地區)五個地區的共150個采摘期云煙87中部煙葉的高光譜圖像數據進行采集和分析。

為快速、無損地檢測采摘期煙葉水分含量，提出一種主成分分析(PCA)結合馬氏距離算法(MD)的方法來剔除異常樣本，再使用偏最小二乘法(PLS)估測采摘期煙葉水分含量。最終得出利用高光譜圖像技術預測煙葉的水分含量效果甚佳，可實現煙葉水分含量快速、無損地估測的結論。

我司高光譜成像系統如圖1所示，技術參數指標如表1所示。

圖1 Gaiasky-mini2-VN

表1 Gaiasky-mini2-VN技術參數

試驗首先對采集煙葉的高光譜圖像進行ROI感興趣區域的選擇，隨后對采集過高光譜圖像的煙葉進行水分含量的測定。

試驗接下來對光譜進行預處理，發現SG卷積平滑法與移動窗口平滑法效果好，二者的前4個主成分累計得分達到98％，如圖2和圖3所示。

圖2 原始光譜的預處理

圖3 不同光譜預處理的前15個主成分累計貢獻率

隨后采用SG卷積平滑法與移動窗口平滑法這兩種光譜預處理方法的前4個主成分對馬氏距離進行計算。其中SG卷積平滑法剔除3個異常樣本（最佳閾值為2.2），移動窗口平滑法剔除15個異常樣本（最佳閾值為0.9），如圖4所示。

圖4 移動窗口平滑和SG的馬氏距離和其最佳閾值

接下來對剔除異常樣品后的煙葉數據進行建模分析，發現利用SG卷積平滑法預處理的PCA-MD-PLS模型效果更好，對煙葉含水量預測能力最好，預測模型相關系數為0.8527，均方差為1.3766。如表2和圖5所示。

表2 最佳建模參數下建立的PLS模型效果

圖5 移動窗口平滑和Savitzky—Golay卷積平滑的預測值和真實值之間的關系

通訊作者簡介：

吳雪梅，博士，副教授，碩士生導師。

主要研究方向：機電一體化集成技術、基于機器視覺的目標物識別與定位、摩擦學與表面工程、智能農機裝備與信息化融合、精細農業技術等。

參考文獻：劉紅蕓,吳雪梅,李德侖,等. 基于高光譜技術的采摘期煙葉水分含量研究[J]. 中國農機化學報,2021,42(9):157-163.