文献类型：期刊文章

作　　者：李鑫[1] 汤卫荣[1] 张永辉[2] 谢强[2] 张凡[1] 吴润生[1] 陈相君[1] 夏春[2] 曾淑华[1] 刘雷[1]

LI Xin;TANG Weirong;ZHANG Yonghui;XIE Qiang;ZHANG Fan;WU Runsheng;CHEN Xiangjun;XIA Chun;ZENG Shuhua;LIU Lei(Agricultural College,Sichuan Agricultural University,Chengdu 611130,China;Luzhou Branch of Sichuan Provincial Tobacco Company,Luzhou 646600,Sichuan,China)

机构地区：[1]四川农业大学农学院,成都611130 [2]四川省烟草公司泸州市公司,四川泸州646600

出　　处：《烟草科技》

基　　金：四川省烟草公司泸州市公司科技项目“泸州烟叶耐熟性的栽培调控技术优化与应用”(201951050027016)和“提高泸州烤烟上部烟叶质量的关键技术研究”(202051050024015)

年　　份：2022

卷　　号：55

期　　号：7

起止页码：17-24

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为探索基于高光谱技术的烟叶田间成熟度判别方法,使用高光谱成像仪采集不同田间成熟度档次烟叶的高光谱信息,比较5种数据预处理方法[一阶导数(1stD)、多元散射校正(MSC)、标准正态变量变换(SNV)、Savitzky-Golay(SG)平滑、一阶导数+SG平滑]和两种建模算法[支持向量机(SVM)和BP神经网络(BPNN)]在建立烟叶田间成熟度判别模型中的适用性,并利用遗传算法(GA)优选出反映鲜烟叶成熟差异的最佳特征变量用于建立判别模型。结果表明:①不同田间成熟度烟叶的高光谱反射率差异明显,且在550~675 nm波长范围内最突出,其反射率随烟叶田间成熟度的增加而增大;②在10种光谱数据预处理方法与建模算法的组合中,SNV+SVM组合的预测性能最佳;③使用GA在400~1000 nm间优选出了可反映烟叶田间成熟度差异的19个特征光谱波段,其中大多与烟叶质体色素的特征光谱有关;④以特征波段为输入变量建立了烟叶田间成熟度的SVM判别模型,预测准确率达95%,F1分数达0.95,平均精确率、召回率也均大于95%。高光谱信息可敏锐地反映烟叶田间成熟度的差异,采用SNV数据预处理方法与SVM算法组合可建立性能优异的烟叶田间成熟度判别模型。

关 键 词：高光谱  烟叶成熟度 遗传算法 BP神经网络 支持向量机

分 类 号：S572]