题目

高光谱成像技术在烟叶及杂质分类中的应用

应用关键词

高光谱成像技术、烟草、随机森林、分类

背景

烟叶中的杂质会极大地影响烟草原料的使用价值和卷烟产品的质量。非烟杂质是指烟叶以外的各种物质。非烟草杂质的混合不仅影响烟草脱粒和复干的设备，而且燃烧产生的有害物质也会严重影响人体健康。然而，随着烟草行业对除杂系统准确性、可靠性和实时性要求的提高，原有的除杂方法已难以满足要求。因此，提出将高光谱成像技术应用于烟叶杂质的检测与识别，以区分烟叶与杂质。

目前，利用高光谱技术对烟草脱粒和复干过程中的烟叶和杂质进行识别和分类的研究较少。本研究首先对高光谱影像进行处理，然后对烟叶和杂质感兴趣区域进行建模和分析。最后，利用随机森林算法对烟叶和杂质进行分类，达到准确识别烟叶和杂质的目的。

试验设计

中国科学院合肥物质科学研究院刘勇教授团队利用江苏双利合谱公司的高光谱成像仪Image-λ-N25E-HS获取烟草叶片的高光谱影像（1000-2500nm）。具体高光谱系统和影像如图1所示。本文采用savitzky-golay平滑滤波器去除黑白校正后的噪声对光谱数据的影响；为了消除样本不均匀造成的散射现象，对平滑滤波后的光谱数据进行了多重散射校正。最终获得了如图2所示的光谱曲线。

图1 高光谱成像系统（a）和高光谱影像（b）

图1 烟叶与杂质的平均光谱曲线（a）、烟草叶片在MSC前的吸收曲线（b）、MSC后的吸收曲线（c）

结论

为了验证算法的有效性，采用随机森林算法进行分类实验，并对样本的分类准确率进行统计分析。利用混淆矩阵，用总体分类精度（OA）和Kappa系数表征烟叶和杂质的分类精度。混淆矩阵的总体分类准确率为99.92%，Kappa系数为0.9984，因此利用随机森林对烟叶和杂质进行分类是可行的。

本研究提出的分类方法为烟草行业的安全检测和生产提供了新思路，为烟叶中特定杂质的去除提供了技术支持。

表1 烟叶和杂质的混淆矩阵

作者信息

刘勇，博士，中国科学院合肥物质科学研究院教授，博士生导师。

主要研究方向：光谱学与光谱技术、检测技术与智能仪器、生物医学光学等。

参考文献：

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