文献类型：期刊文章

作　　者：杨睿[1,2] 宾俊[3] 苏家恩[4] 汪华国[5] 王文伦[5] 何承刚[2] 陈颐[1] 邹聪明[1]

YANG Rui;BIN Jun;SU Jiaen;WANG Huaguo;WANG Wenlun;HE Chenggang;CHEN Yi;ZOU Congming(Yunnan Academy of Tobacco Agricultural Sciences,Kunming,Yunnan 650031,China;College of Tobacco,Yunnan Agricultural University,Kunming,Yunnan 650201,China;College of Tobacco,Guizhou University,Guiyang,Guizhou 550025,China;Dali Tobacco Company of Yunnan,Dali,Yunnan 671000,China;Chuxiong tobacco company of Yunnan,Chuxiong,Yunnan 675005,China)

机构地区：[1]云南省烟草农业科学研究院,云南昆明650031 [2]云南农业大学烟草学院,云南昆明650201 [3]贵州大学烟草学院,贵州贵阳550025 [4]云南省烟草公司大理州公司,云南大理671000 [5]云南省烟草公司楚雄州公司,云南楚雄675005

出　　处：《湖南农业大学学报（自然科学版）》

基　　金：中国烟草总公司重点项目(110202102007);云南省烟草专卖局重点项目(2019530000241019)。

年　　份：2021

卷　　号：47

期　　号：4

起止页码：406-411

语　　种：中文

收录情况：BDHX、BDHX2020、CAB、CAS、CSCD、CSCD_E2021_2022、JST、RCCSE、ZGKJHX、ZMATH、核心刊

摘　　要：为提高鲜烟叶成熟度的识别精度,提出基于近红外光谱和图像识别的多源信息融合技术的烟叶成熟度判别方法:利用随机森林(RF)方法分别建立近红外光谱判别模型、图像判别模型和多源信息融合判别模型,对烟叶成熟程度进行检测。近红外光谱模型对红花大金元、K326和云烟87等3个烤烟品种烟叶成熟度的识别正确率分别为91.27%、90.43%、89.44%,图像模型的识别正确率分别为86.20%、86.96%、81.23%,融合模型的识别正确率分别为94.08%、94.78%和92.96%。与近红外光谱模型相比,融合模型的判别正确率平均提高了3.93%;与图像模型相比,融合模型的判别正确率平均提高了10.83%。

关 键 词：烟叶成熟度 近红外光谱 图像识别 数据融合 判别  

分 类 号：TP391.41]