基于红外光谱的烟叶自动分级研究

烟叶的自动分级一直是国内外学者智能化研究的一个重要方向。通过分析烟叶的主要组成成分和烟叶光谱信息特征,发现烟叶红外光谱可作为烟叶分级特征,并通过神经网络模型验证了红外光谱作为其分级特征的可行性,通过对比分析选取最佳红外光谱间隔、光谱范围以及最必要的光谱预处理方法。利用概率神经网络对9个等级的烟叶进行分组分级,首先对选光谱数据进行减均值的预处理以消除基线漂移,然后将其作为神经网络的输入模式,相应的等级或组分作为理想输出训练网络。选择近半数的样本作为训练样本,其余为测试样本;网络对于训练样本的正确吻合率为100%,测试样本的平均正确吻合率91%以上。结果表明烟叶的红外光谱可以作为烟叶的分级特征,概率神经网络可以用于烟叶自动分级,为烟叶的自动分级提供了新方法。