文献类型：期刊文章

作　　者：宾俊[1] 周冀衡[1] 范伟[1] 李鑫[1] 梁逸曾[2] 肖志新[3] 李春顺[4]

机构地区：[1]湖南农业大学,生物科学技术学院,湖南长沙410128 [2]中南大学,化学化工学院,湖南长沙410083 [3]云南省烟草公司保山市公司,云南678000 [4]江苏中烟工业有限责任公司,江苏南京210019

出　　处：《中国烟草学报》

基　　金：国家自然科学基金资助项目(No.21275164);湖南省研究生科研创新资助项目(No.CX2015B237)

年　　份：2017

卷　　号：23

期　　号：2

起止页码：60-68

语　　种：中文

收录情况：BDHX、BDHX2014、CAB、CAS、CSCD、CSCD2017_2018、DOAJ、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为解决初烤烟叶收购中人工分级主观因素影响较大的问题,提出了一种基于近红外(NIR)光谱技术结合极限学习机(ELM)算法自动鉴别烟叶等级的方法。文章首次提出基于品质相似、价格接近原则的烟叶收购分组方法,通过交互检验优化ELM分组、分级模型的隐节点数,并与K最近邻法(KNN)、支持向量机(SVM)和随机森林(RF)等多分类算法进行了比较。结果表明:ELM分类模型参数自动优化、训练时间短、稳定性和预测能力较好,2014年(数据集A)、2015年(数据集B)烟叶收购国标样本上、中、下等烟外部预测分组正确率分别为95.77%和94.23%,数据集A和B的上、中、下等烟各组样本外部预测分级正确率分别为85.71%、86.67%、100%和100%、92.86%、92.86%。因此,采用NIR技术结合ELM能准确鉴别初烤烟叶等级,可为烤烟烟叶收购质量等级评价提供一种新技术。

关 键 词：烟叶分级 近红外光谱 极限学习机 分类模型  多分类算法

分 类 号：TS442]