題目

高光譜成像技術在煙葉及雜質分類中的應用

應用關鍵詞

高光譜成像技術、煙草、隨機森林、分類

背景

煙葉中的雜質會極大地影響煙草原料的使用價值和卷煙產品的質量。非煙雜質是指煙葉以外的各種物質。非煙草雜質的混合不僅影響煙草脫粒和復干的設備，而且燃燒產生的有害物質也會嚴重影響人體健康。然而，隨著煙草行業對除雜系統準確性、可靠性和實時性要求的提高，原有的除雜方法已難以滿足要求。因此，提出將高光譜成像技術應用于煙葉雜質的檢測與識別，以區分煙葉與雜質。

目前，利用高光譜技術對煙草脫粒和復干過程中的煙葉和雜質進行識別和分類的研究較少。本研究首先對高光譜影像進行處理，然后對煙葉和雜質感興趣區域進行建模和分析。最后，利用隨機森林算法對煙葉和雜質進行分類，達到準確識別煙葉和雜質的目的。

試驗設計

中國科學院合肥物質科學研究院劉勇教授團隊利用江蘇雙利合譜公司的高光譜成像儀Image-λ-N25E-HS獲取煙草葉片的高光譜影像（1000-2500nm）。具體高光譜系統和影像如圖1所示。本文采用savitzky-golay平滑濾波器去除黑白校正后的噪聲對光譜數據的影響；為了消除樣本不均勻造成的散射現象，對平滑濾波后的光譜數據進行了多重散射校正。最終獲得了如圖2所示的光譜曲線。

圖1 高光譜成像系統（a）和高光譜影像（b）

圖1 煙葉與雜質的平均光譜曲線（a）、煙草葉片在MSC前的吸收曲線（b）、MSC后的吸收曲線（c）

結論

為了驗證算法的有效性，采用隨機森林算法進行分類實驗，并對樣本的分類準確率進行統計分析。利用混淆矩陣，用總體分類精度（OA）和Kappa系數表征煙葉和雜質的分類精度。混淆矩陣的總體分類準確率為99.92%，Kappa系數為0.9984，因此利用隨機森林對煙葉和雜質進行分類是可行的。

本研究提出的分類方法為煙草行業的安全檢測和生產提供了新思路，為煙葉中特定雜質的去除提供了技術支持。

表1 煙葉和雜質的混淆矩陣

作者信息

劉勇，博士，中國科學院合肥物質科學研究院教授，博士生導師。

主要研究方向：光譜學與光譜技術、檢測技術與智能儀器、生物醫學光學等。

參考文獻：

Zhang, L., Ma, X., Li, Z., & Liu, Y. (2019). Application of Hyperspectral Imaging Technology in Classification of Tobacco Leaves and Impurities. In, 2019 2nd International Conference on Safety Produce Informatization (IICSPI). Chongqing, China. https://ieeexplore.ieee.org/abstract/document/9095975