Công nghệ hình ảnh siêu phổ để phát hiện không phá hủy hàm lượng dầu được xử lý bằng khói thuốc lá

Trong hệ thống đánh giá chất lượng lá, hàm lượng dầu là một trong những chỉ số quan trọng để đo chất lượng của thuốc lá khô khói.Đánh giá hàm lượng dầu chủ yếu dựa trên đánh giá thực nghiệm của các chuyên giaTrong những năm gần đây, công nghệ hình ảnh siêu phổ, do các đặc điểm kết hợp biểu đồ và quang phổ,đã chứng minh tiềm năng ứng dụng trong lĩnh vực phát hiện chất lượng sản phẩm nông nghiệpSử dụng một nghiên cứu về phát hiện hàm lượng dầu thuốc lá khô khói như một ví dụ, bài báo này giới thiệu tác dụng ứng dụng thực tế của công nghệ siêu phổ cận hồng ngoại trong kịch bản này.

Cơ sở nghiên cứu và thiết kế thử nghiệm
Nghiên cứu đã chọn 634 mẫu lá thuốc lá được chữa khói từ 22 tỉnh trồng thuốc lá (khu vực tự trị) trên cả nước, bao gồm các phần trên, giữa và dưới. The research team used the FigSpec series hyperspectral imaging system from CHNSpec (including FigSpec-23 and FigSpec-25 cameras) to synchronously collect the spectral information of tobacco leaves in the wavelength ranges of 400-1000nm and 900-1700nmTrong quá trình thu thập, bằng cách cố định góc nguồn ánh sáng và khoảng cách máy ảnh, sự đồng nhất của ánh sáng đã được đảm bảo,và giá trị trung bình sau khi thu thập dữ liệu quang phổ hai lần cho mỗi mẫu được sử dụng làm đầu vào ban đầu.

Điểm số hàm lượng dầu được đánh giá độc lập trên thang điểm 10 bởi một nhóm đánh giá chất lượng ngoại hình bao gồm 20 người.Các mẫu được chia thành bộ hiệu chuẩn (443 mẫu) và bộ xác nhận (191 mẫu) với tỷ lệ 7:3Các đặc điểm phân bố của các điểm hàm lượng dầu trong hai bộ mẫu phù hợp với tổng dân số, cung cấp một nền tảng đáng tin cậy cho việc xây dựng mô hình sau đó.

Phân tích trước xử lý quang phổ và phân tích tương quan
Dữ liệu quang phổ ban đầu chứa tiếng ồn và nhiễu phân tán, đòi hỏi phải xử lý trước để tăng cường tín hiệu hiệu quả.bao gồm cả độ mịn trung bình động (MA), điều chỉnh phân tán nhân (MSC), biến số bình thường tiêu chuẩn (SNV), dẫn xuất đầu tiên (D1), và tiêu chuẩn hóa (SS), cũng như các chiến lược kết hợp của chúng.

Các kết quả phân tích cho thấy việc xử lý trước MSC và SNV có thể cải thiện hiệu quả mối tương quan giữa độ phản xạ quang phổ và số điểm chứa dầu.hệ số tương quan tăng từ 0.076-0.124 của quang phổ ban đầu đến 0.331-0.640D1 xử lý trước, bằng cách tăng cường các đặc điểm biến đổi địa phương của các đường cong quang phổ, làm cho số lượng các dải tương quan mạnh mẽ (được xác định là ≥ 0,4) vượt quá 100.Những kết quả này cho thấy rằng các chiến lược xử lý trước hợp lý giúp cải thiện khả năng dự đoán của các mô hình tiếp theo.

Xây dựng mô hình và đánh giá hiệu suất
Nghiên cứu sử dụng hai thuật toán, hồi quy vuông nhỏ nhất (PLSR) và hồi quy vector hỗ trợ (SVR), để xây dựng các mô hình dự đoán định lượng cho điểm số hàm lượng dầu.Mô hình PLSR dựa trên băng tần cận hồng ngoại nhìn thấy đầy đủ đã xác nhận các giá trị RPD được thiết lập từ 1.642 và 1.775 trong hầu hết các điều kiện xử lý trước, trong đó tập hợp xác nhận R2 đạt 0,683 và RMSE là 0,346 sau khi xử lý trước MA. Mô hình SVR có tập hợp xác nhận R2 là 0.653 và RMSE là 0.362 theo chế biến trước kết hợp D1 + SS.

Để kết hợp các lợi thế của cả hai mô hình, nghiên cứu đã giới thiệu một chiến lược tổng hợp trung bình trọng số.Mô hình tổng hợp dựa trên băng tần cận hồng ngoại nhìn thấy đầy đủ (PLSR trong quá trình xử lý trước MA và SVR trong quá trình xử lý trước D1 + SS) đã tăng số R2 xác nhận lên 0.721, RMSE giảm xuống 0.324, và RPD đạt 1.894, cho thấy hiệu quả dự đoán tốt hơn bất kỳ mô hình đơn lẻ nào.

Chọn dải đặc trưng và tối ưu hóa mô hình
Dữ liệu siêu phổ chứa hàng trăm băng tần, trình bày các vấn đề dư thừa dữ liệu.Kết quả cho thấy sau khi MA chế biến trước, mô hình PLSR được xây dựng với 95 dải đặc trưng được lựa chọn bởi SPA có bộ xác nhận R2 là 0,685 và RMSE là 0.345Sau khi xử lý trước D1 + SS, mô hình SVR được xây dựng với 56 băng tần đặc trưng được SPA lựa chọn có tập hợp xác nhận R2 là 0,666 và RMSE là 0.355Số lượng các băng tần đặc trưng đã giảm đáng kể từ 428 trong băng tần đầy đủ, làm giảm đáng kể chiều kích dữ liệu.

Mô hình hợp nhất của PLSR và SVR dựa trên lựa chọn SPA đã cải thiện thêm độ chính xác dự đoán, với tập hợp xác nhận R2 đạt 0.724, RMSE ở 0.323, và RPD tại một.904Kết quả này chỉ ra rằng lựa chọn băng tần đặc trưng duy trì tính hợp lệ của mô hình trong khi giảm dư thừa dữ liệu.

Outlook ứng dụng
Nghiên cứu này chứng minh tính khả thi của công nghệ siêu quang phổ cận hồng ngoại nhìn thấy trong việc phát hiện không phá hoại hàm lượng dầu thuốc lá khử khói.So với các phương pháp đánh giá thủ công truyền thống, công nghệ siêu phổ có những lợi thế tiềm năng về tính khách quan, không phá hoại và tốc độ,có thể cung cấp cơ sở tham chiếu cho việc phát triển thiết bị phân loại lá thuốc lá tự động và xây dựng các hệ thống kiểm soát chất lượng thông minhHệ thống hình ảnh siêu phổ FigSpec từ CHNSpec đã thực hiện nhiệm vụ thu thập dữ liệu cốt lõi trong nghiên cứu này, xác minh tính áp dụng của nó trong các kịch bản phát hiện chất lượng vật liệu nông nghiệp.