[发明专利]一种基于高光谱成像技术的烟草非烟物质分类方法

权利要求书

1.一种基于高光谱成像技术的烟草非烟物质分类方法，其特征在于：是利用短波高光谱成像技术先对烟叶和杂物进行分类，建立包括不同物质的光谱库，然后对待测样品采集高光谱图像数据，利用光谱库中的参考光谱匹配待测样品，并对其进行判断，进而完成烟叶和杂物的有效分类识别。

2.根据权利要求1所述的基于高光谱成像技术的烟草非烟物质分类方法，其特征在于：具体步骤如下：

1)样本采集：获取包括纯净烟叶在内，一类杂物、二类杂物、三类杂物的样本；

2)样品制备与高光谱成像并进行黑白帧校正；

3)高光谱图像预处理及特征图像的获取；

4)提取样本光谱信息，建立光谱库文件；

5)烟叶杂物分类的实现：

采用主成分分析法(PCA)对采集样品高光谱图像进行降维处理，然后利用光谱角匹配法(SAM)对目标光谱进行匹配，根据光谱特征向量判断该烟叶样品中是否混有杂物，并对不同样本进行标记。

3.根据权利要求2所述的基于高光谱成像技术的烟草非烟物质分类方法，其特征在于：步骤2)中，使用卤钨灯作为照明光源,对获取的烟叶和杂物样本进行高光谱图像采集，获取样本的高光谱图像。为减小噪声影响，对高光谱图像进行黑白帧校正，黑白帧校正公式如下：

式中：R-校正后高光谱图像；I-原始高光谱图像；B-关闭相机镜头采集的全黑图像；W-扫描白色校正板得到的全白图像。

4.根据权利要求2所述的基于高光谱成像技术的烟草非烟物质分类方法，其特征在于：在步骤3)中，为提高数据信噪比，对高光谱图像数据进行预处理，预处理方法包括但不仅限于：

通过使用Savitzky-Golay卷积平滑滤波算法，去除基线漂移和倾斜，去除噪声，提高光谱曲线平滑度；

再通过多元散射校正(MSC)消减物体表面散射效应，增强相同物质间光谱吸收信息。

5.根据权利要求2所述的基于高光谱成像技术的烟草非烟物质分类方法，其特征在于：在步骤4)具体过程包括但不限于：

所述烟叶和杂物样本包括：纯净烟叶样本，一类杂物样本，二类杂物样本，以及三类杂物样本；

分别选取烟叶和一、二、三类杂物感兴趣区(ROI)，对所选样本感兴趣区域处光谱特征进行提取，并取得平均光谱；

建立光谱信息库文件，将样本ROI区域所取得的平均光谱导入库文件中进行保存。

6.根据权利要求2所述的基于高光谱成像技术的烟草非烟物质分类方法，其特征在于：在步骤5)中的具体过程如下：将混合有一、二、三类杂物的烟叶用短波高光谱成像仪进行图像采集，将所采集数据进行预处理后与光谱库内收录的光谱信息进行比对，通过主成分分析法(PCA)和光谱角匹配(SAM)算法对高光谱图像进行降维和烟叶、杂物的特征识别，其中包括：

首先，扫描并获得该样品的短波高光谱成像信息；

其次，采用主成分分析法对采集样本进行降维处理；

最后，通过光谱角匹配算法计算，根据光谱特征向量判断该烟叶样品中是否混合有杂物，并对不同样本进行标记。

7.根据权利要求4所述的基于高光谱成像技术的烟草非烟物质分类方法，其特征在于：步骤3中的预处理方法还可采用均值中心化(mean centering)、标准化(autoscaling)、归一化(normalization)、标准正态变量变换(SNV)、导数、平滑去噪算法、小波变换中的一种。

8.根据权利要求1或2所述的基于高光谱成像技术的烟草非烟物质分类方法，其特征在于：样本表面保持干燥清洁，无其他附着物。

9.根据权利要求1或2所述的基于高光谱成像技术的烟草非烟物质分类方法，其特征在于：高光谱成像使用高光谱成像仪，波长范围为1000-2500nm，光谱分辨率为12nm，图像分辨率为384*288个像素，光谱仪帧数为400。

10.根据权利要求2或5所述的基于高光谱成像技术的烟草非烟物质分类方法，其特征在于：所述一类杂物包括金属、羽毛、塑料；二类杂物包括纸、石头、麻绳、玻璃；三类杂物包括非烟叶叶子、种子、竹签。