基于高光谱成像的烟丝中梗签分类识别研究
陶发展1
杨栋1
洪伟龄2
苏子淇3
付主木1
林志平2
1.河南科技大学 信息工程学院,河南 洛阳 4710232.福建中烟工业有限责任公司,福建 厦门 3610043.中国烟草总公司郑州烟草研究院 烟草工艺重点实验室,河南 郑州 450001
摘要：针对烟丝中梗签分类识别检测问题,利用高光谱成像技术,结合机器学习方法对烟丝中掺杂的梗签进行分类快速识别.首先,基于短波近红外高光谱成像技术,采用标准正态变化(SNV)对烟丝和梗签光谱数据进行预处理,消除光谱散射和漫反射的影响,减少检测干扰信息.然后,利用连续投影算法(SPA)进行特征波长选择,融合极端梯度提升(XGBoost)算法,提出了 1 种基于 XGboost算法的烟丝中梗签分类模型.最后,采用Mean-shift均值漂移算法和形态学梯度算法相结合的方式作为后处理方法,对模型的分类结果进行后处理,实现烟丝中梗签的快速智能检测.结果表明:建立的 SNV-SPA-XGBoost分类模型,训练集和测试集准确率分别达到 100%和 99.32%,经后处理后对 A1(1.0～1.5 cm)、A2(0.5～1.0 cm)、A3(<0.5 cm)梗签检测准确率分别达 100%、95.50%和 86%.
关键词：高光谱成像机器学习梗签连续投影算法XGBoost分类
分类号：TP273(自动化技术及设备)
资助基金：国家自然科学基金(62371182)河南省高校科技创新人才计划项目(23HASTIT021)河南省科技研发计划(225200810007)河南省科技研发计划(222103810036)中国烟草总公司科技项目(110202202010)
论文发表日期：2024-06-25
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：11( 32-42 )
英文信息