Τεχνολογία υπερφασματικής απεικόνισης για μη καταστρεπτική ανίχνευση περιεχομένου λιπαντικού καπνού

Στο σύστημα αξιολόγησης της ποιότητας των φύλλων, η περιεκτικότητα σε λάδι είναι ένας από τους σημαντικούς δείκτες για τη μέτρηση της ποιότητας του καπνού που έχει καθαριστεί με καπνό. Παραδοσιακά, η αξιολόγηση της περιεκτικότητας σε λάδι βασίζεται κυρίως στην εμπειρική κρίση των επαγγελματιών, η οποία έχει προβλήματα όπως η έντονη υποκειμενικότητα και η σχετικά χαμηλή απόδοση. Τα τελευταία χρόνια, η τεχνολογία υπερφασματικής απεικόνισης, λόγω των χαρακτηριστικών συνδυασμού γραφημάτων και φασμάτων, έχει αποδείξει δυνατότητες εφαρμογής στον τομέα της ανίχνευσης της ποιότητας των γεωργικών προϊόντων. Λαμβάνοντας ως παράδειγμα μια μελέτη σχετικά με την ανίχνευση περιεκτικότητας λαδιού καπνού με καύση καπνού, αυτή η εργασία εισάγει το φαινόμενο πρακτικής εφαρμογής της υπερφασματικής τεχνολογίας ορατού-εγγύς-υπέρυθρου σε αυτό το σενάριο.

Ερευνητικό Ιστορικό και Πειραματικός Σχεδιασμός
Η μελέτη επέλεξε 634 δείγματα φύλλων καπνού από 22 καπνοκαλλιεργητικές επαρχίες (αυτόνομες περιοχές) σε όλη τη χώρα, καλύπτοντας τα άνω, μεσαία και κάτω μέρη. Η ερευνητική ομάδα χρησιμοποίησε το σύστημα υπερφασματικής απεικόνισης της σειράς FigSpec από την CHNSpec (συμπεριλαμβανομένων των καμερών FigSpec-23 και FigSpec-25) για να συλλέξει συγχρονισμένα τις φασματικές πληροφορίες των φύλλων καπνού σε εύρη μήκους κύματος 400-1000nm και 900-1700nm. Κατά τη διαδικασία συλλογής, με τον καθορισμό της γωνίας της πηγής φωτός και της απόστασης της κάμερας, εξασφαλίστηκε ομοιομορφία φωτισμού και η μέση τιμή μετά τη συλλογή φασματικών δεδομένων δύο φορές για κάθε δείγμα χρησιμοποιήθηκε ως αρχική είσοδος.

Η βαθμολογία περιεκτικότητας σε λάδι αξιολογήθηκε ανεξάρτητα σε μια κλίμακα 10 βαθμών από μια ομάδα αξιολόγησης ποιότητας εμφάνισης αποτελούμενη από 20 άτομα. Τα δείγματα χωρίστηκαν σε ένα σετ βαθμονόμησης (443 δείγματα) και σε ένα σετ επικύρωσης (191 δείγματα) σε αναλογία 7:3. Τα χαρακτηριστικά κατανομής των βαθμολογιών περιεκτικότητας σε λάδι στα δύο σετ δειγμάτων ήταν συνεπή με τον συνολικό πληθυσμό, παρέχοντας μια αξιόπιστη βάση για την επόμενη κατασκευή του μοντέλου.

Φασματική Προεπεξεργασία και Ανάλυση Συσχέτισης
Τα αρχικά φασματικά δεδομένα περιέχουν θόρυβο και παρεμβολές σκέδασης, που απαιτούν προεπεξεργασία για την ενίσχυση των αποτελεσματικών σημάτων. Η μελέτη συνέκρινε πέντε απλές μεθόδους προεπεξεργασίας, συμπεριλαμβανομένης της εξομάλυνσης του κινούμενου μέσου όρου (MA), της πολλαπλασιαστικής διόρθωσης διασποράς (MSC), της τυπικής κανονικής μεταβλητής (SNV), της πρώτης παραγώγου (D1) και της τυποποίησης (SS), καθώς και των στρατηγικών συνδυασμού τους.

Τα αποτελέσματα της ανάλυσης έδειξαν ότι η προεπεξεργασία MSC και SNV θα μπορούσε να βελτιώσει αποτελεσματικά τη συσχέτιση μεταξύ της φασματικής ανάκλασης και των βαθμολογιών περιεκτικότητας σε λάδι. Στην περιοχή μήκους κύματος 928,36-1177,03 nm, ο συντελεστής συσχέτισης αυξήθηκε από 0,076-0,124 του αρχικού φάσματος σε 0,331-0,640. Η προεπεξεργασία D1, ενισχύοντας τα χαρακτηριστικά τοπικής διακύμανσης των φασματικών καμπυλών, έκανε τον αριθμό των έντονα συσχετισμένων ζωνών (|r|≥0,4) να ξεπεράσει το 100. Αυτά τα αποτελέσματα δείχνουν ότι οι λογικές στρατηγικές προεπεξεργασίας βοηθούν στη βελτίωση της προγνωστικής ικανότητας των επόμενων μοντέλων.

Κατασκευή μοντέλου και αξιολόγηση απόδοσης
Η μελέτη χρησιμοποίησε δύο αλγόριθμους, την παλινδρόμηση μερικών ελαχίστων τετραγώνων (PLSR) και την υποστηρικτική διανυσματική παλινδρόμηση (SVR), για την κατασκευή ποσοτικών μοντέλων πρόβλεψης για τις βαθμολογίες περιεκτικότητας σε λάδι. Το μοντέλο PLSR που βασίζεται στην πλήρη ζώνη ορατού-εγγύς υπέρυθρου είχε τιμές συνόλου επικύρωσης RPD μεταξύ 1.642 και 1.775 στις περισσότερες συνθήκες προεπεξεργασίας, μεταξύ των οποίων το σύνολο επικύρωσης R² έφτασε το 0.683 και το RMSE ήταν 0.346 μετά την προεπεξεργασία MA. Το μοντέλο SVR είχε σύνολο επικύρωσης R² 0,653 και RMSE 0,362 υπό την προεπεξεργασία συνδυασμού D1+SS.

Για να συγχωνεύσει τα πλεονεκτήματα και των δύο μοντέλων, η μελέτη εισήγαγε μια σταθμισμένη μέση στρατηγική σύντηξης. Το μοντέλο σύντηξης που βασίζεται στην πλήρη ζώνη ορατού-εγγύς υπέρυθρου (PLSR υπό προεπεξεργασία MA και SVR υπό προεπεξεργασία D1+SS) είδε το σύνολο επικύρωσής του R² να αυξάνεται στο 0,721, το RMSE να πέφτει στο 0,324 και το RPD να φτάνει στο 1,894, παρουσιάζοντας καλύτερη επίδραση πρόβλεψης από οποιοδήποτε μεμονωμένο μοντέλο.

Επιλογή χαρακτηριστικών ζωνών και βελτιστοποίηση μοντέλου
Τα υπερφασματικά δεδομένα περιέχουν εκατοντάδες ζώνες, παρουσιάζοντας προβλήματα πλεονασμού δεδομένων. Η μελέτη υιοθέτησε τον αλγόριθμο διαδοχικών προβολών (SPA) για την επιλογή χαρακτηριστικών ζωνών. Τα αποτελέσματα έδειξαν ότι μετά την προεπεξεργασία MA, το μοντέλο PLSR που κατασκευάστηκε με 95 χαρακτηριστικές ζώνες που επιλέχθηκαν από την SPA είχε σύνολο επικύρωσης R² 0,685 και RMSE 0,345. Μετά την προεπεξεργασία D1+SS, το μοντέλο SVR που κατασκευάστηκε με 56 χαρακτηριστικές ζώνες που επιλέχθηκαν από την SPA είχε σύνολο επικύρωσης R² 0,666 και RMSE 0,355. Ο αριθμός των χαρακτηριστικών ζωνών μειώθηκε σημαντικά από 428 στην πλήρη ζώνη, μειώνοντας δραστικά τη διάσταση των δεδομένων.

Το μοντέλο σύντηξης των PLSR και SVR που βασίζεται στην επιλογή SPA βελτίωσε περαιτέρω την ακρίβεια πρόβλεψης, με το σύνολο επικύρωσης R² να φτάνει το 0,724, το RMSE στο 0,323 και το RPD στο 1,904. Αυτό το αποτέλεσμα δείχνει ότι η επιλογή χαρακτηριστικής ζώνης διατηρεί την εγκυρότητα του μοντέλου ενώ μειώνει τον πλεονασμό δεδομένων.

Εφαρμογή Outlook
Αυτή η μελέτη καταδεικνύει τη σκοπιμότητα της υπερφασματικής τεχνολογίας ορατού-εγγύς υπέρυθρου για τη μη καταστροφική ανίχνευση της περιεκτικότητας σε λάδι καπνού που έχει σκληρυνθεί με καπνό. Σε σύγκριση με τις παραδοσιακές μεθόδους χειροκίνητης αξιολόγησης, η υπερφασματική τεχνολογία έχει πιθανά πλεονεκτήματα αντικειμενικότητας, μη καταστροφικότητας και ταχύτητας, τα οποία μπορούν να παρέχουν βάσεις αναφοράς για την ανάπτυξη αυτόματου εξοπλισμού ταξινόμησης φύλλων καπνού και την κατασκευή έξυπνων συστημάτων ποιοτικού ελέγχου. Το σύστημα υπερφασματικής απεικόνισης της σειράς Fig Spec από την CHNSpec ανέλαβε το βασικό έργο συλλογής δεδομένων σε αυτή τη μελέτη, επαληθεύοντας την εφαρμογή του σε σενάρια ανίχνευσης ποιότητας γεωργικών υλικών.