基于高光谱成像技术的烟叶含水率检测研究进展
烟叶含水率是烟草工业中决定加工工艺参数（如烘烤温度、卷烟燃烧效率）和储存品质（防霉、防虫）的核心指标。传统检测方法中，烘干法虽为行业标准（ISO 349:2017），但需破坏样品且单次检测耗时超过2小时；电导率法则因烟叶表面油分干扰导致重复性差。高光谱成像技术（Hyperspectral Imaging, HSI）通过非接触式光谱采集（空间分辨率≤0.1mm，光谱分辨率≤2nm），可在30秒内同步获取烟叶表面水分分布，其技术优势在烟草分级、在线分选等场景中逐渐显现。近年来，随着机器学习算法与成像硬件的迭代，相关研究已从实验室验证转向实际产线测试，推动烟草品质控制向智能化、精准化方向发展。
高光谱成像技术原理
光谱吸收机制
水分在近红外波段（1300–1900 nm）的O-H键伸缩振动（1450 nm）及弯曲振动（1950 nm）吸收峰强度随含量变化显著。例如，含水率每增加1%，1450 nm处吸光度可上升0.02–0.05（基于漫反射模型计算）。此外，水分含量超过18%时，细胞结构膨胀导致光散射路径延长，使光谱斜率在900–1200 nm波段发生非线性偏移。
研究进展
光谱预处理与特征提取
噪声抑制技术
-
Savitzky-Golay平滑：采用二次多项式拟合（窗口宽度7–15点），可消除高斯噪声的同时保留吸收峰尖锐度；
-
多元散射校正（MSC）：通过标准化光谱斜率和截距，消除样品厚度差异导致的基线偏移（如烟叶茎秆与叶片厚度差异可达3mm）；
-
小波阈值降噪：对光谱进行离散小波变换（DWT），在db4基函数下选择软阈值（如固定阈值0.1×σ，σ为噪声标准差），可提升信噪比20%以上。
特征波段筛选
基于连续投影算法（SPA）的特征选择流程：
-
计算所有波段与含水率的相关系数（Pearson ≥0.6）；
-
通过SPA迭代选择贡献度最大的波段（如1440 nm、1900 nm）；
-
消除冗余波段（波长间隔<20 nm且相关系数>0.9的相邻波段）。
研究表明，精选10–15个特征波段可使模型计算效率提升3倍，同时保持R²>0.80。
数据降维方法
-
主成分分析（PCA）：将原始512维光谱数据降至前5个主成分（累计方差贡献率≥85%）；
-
局部保留投影（LPP）：在保持样本邻域结构的前提下，将特征维度压缩至20维，适用于小样本数据集（如n<100）；
-
深度特征提取：利用卷积神经网络（CNN）自动学习光谱-空间联合特征，其提取的抽象特征在跨品种测试中表现更优（如云烟87到K326的预测误差从4.2%降至2.8%）。
建模方法研究
传统回归模型
-
偏最小二乘回归（PLSR）：通过寻找X（光谱）与Y（含水率）的共同潜变量，在实验室静态检测中表现稳定（R²=0.88±0.03），但对光照变化敏感；
-
多元自适应回归 spline（MARS）：通过分段多项式拟合非线性关系，在含水率梯度变化区域（如12–22%）的RMSE降低至0.9%。
机器学习方法
-
支持向量机（SVM）：采用径向基核函数（RBF，γ=0.1，C=100），在含水率10–25%区间内实现R²=0.92；
-
随机森林（RF）：通过100棵决策树集成，在特征重要性分析中显示1450 nm波段贡献度达28%；
-
梯度提升决策树（XGBoost）：通过正则化参数（λ=0.3，学习率=0.1）控制过拟合，在交叉验证中RMSE稳定在1.1%以内。
深度学习前沿
-
卷积神经网络（CNN）：构建ResNet-18架构，在光谱-图像融合数据集上（输入尺寸224×224×240）实现端到端预测，测试集准确率达92%；
-
图神经网络（GNN）：将光谱立方体转化为图结构（节点为像素，边为空间邻接关系），在叶片裂隙区域的水分预测中误差降低15%；
-
联邦学习框架：烟草企业间通过加密参数共享训练模型，使跨地域数据集（云南、湖南、河南）的预测误差从3.5%降至1.8%。
硬件系统优化
成像设备小型化
推扫型高光谱相机（如VIX-N110P）的典型参数：
-
波长范围：400–1000 nm；
-
光谱分辨率：1nm；
-
采样间隔：0.5nm。
环境控制技术
-
LED光源系统：采用多波长LED阵列（450–900 nm），通过PWM调光实现光强稳定性±3%；
-
环境舱设计：恒温恒湿箱（25±1℃，60±5% RH）消除温湿度波动对光谱的影响，使重复性误差从4.1%降至1.5%；
-
多角度成像：配置旋转台采集0°–60°多视角光谱，补偿叶片曲率导致的反射率偏差。
关键技术突破
高光谱成像技术正推动烟草检测从“经验驱动”向“数据驱动”转型。当前研究已突破实验室验证阶段，在云南中烟、湖南中烟等企业试点中，水分检测效率提升80%，分拣准确率超95%。未来需重点关注低成本设备研发与算法轻量化部署，同时加强跨学科合作（如与植物生理学、燃烧动力学的交叉研究），以实现从单点水分检测到烟草全产业链质量控制的跨越。随着2025年“智慧烟草”战略目标的推进，高光谱技术有望成为烟草工业4.0的核心使能技术之一。