JOURNAL OF LIGHT INDUSTRY

CN 41-1437/TS  ISSN 2096-1553

×
“关于规范使用生成式人工智能工具的启事

基于高光谱成像的烟丝掺配比例检测研究

杨天卓 ,  何晋 ,  吴恋恋 ,  戴永生 ,  易斌 ,  李华杰 ,  张二强 ,  堵劲松

downloadPDF
杨天卓, 何晋, 吴恋恋, 等. 基于高光谱成像的烟丝掺配比例检测研究[J]. 轻工学报.
引用本文: 杨天卓, 何晋, 吴恋恋, 等. 基于高光谱成像的烟丝掺配比例检测研究[J]. 轻工学报.
shu
YANG Tianzhuo, HE Jing, WU Lianlian, et al. Research on detection of tobacco blend ratio based on hyperspectral imaging[J]. Journal of Light Industry.
Citation: YANG Tianzhuo, HE Jing, WU Lianlian, et al. Research on detection of tobacco blend ratio based on hyperspectral imaging[J]. Journal of Light Industry.
shu

基于高光谱成像的烟丝掺配比例检测研究

  • 1 中国烟草总公司郑州烟草研究院,河南 郑州 450001;

  • 2. 上海烟草集团有限责任公司 技术中心,上海 200082;

  • 3. 甘肃烟草工业有限责任公司 技术研发中心,甘肃 兰州 730050;

  • 4. 云南中烟工业有限责任公司,云南 昆明 675000;

  • 5. 福建中烟工业有限责任公司,福建 厦门 361021;

  • 6. 陕西中烟工业有限责任公司 技术中心,陕西 宝鸡 721013

    • 作者简介: 杨天卓(1999—),男,湖南省长沙市人,中国烟草总公司郑州烟草研究院硕士研究生,主要研究方向为烟草工艺。E-mail:526369602@qq. com;
    通讯作者: 张二强,erqiang_zhang@163. com

  • 基金项目: 云南中烟科技项目(2492030301010085-3)
    云南大观实验室课题项目(YNDG202301QT10)
    中国烟草总公司重点研发项目(中烟办[2022]111 号)

  • 中图分类号: TS45

Research on detection of tobacco blend ratio based on hyperspectral imaging

  • 1. Zhengzhou Tobacco Research Institute of CNTC,Zhengzhou 450001,China;

  • 2. Technology Center,Shanghai Cigarette Group Co.,Ltd.,Shanghai 200082,China;

  • 3. Technology Research and Development Center,Gansu Tobacco Industrial Co.,Ltd.,Lanzhou 730050,China;

  • 4. Yunnan Cigarette Industrial Co.,Ltd.,Kunming 675000,China;

  • 5. Fujian Cigarette Industrial Co.,Ltd.,Xiamen 361021,China;

  • 6. Technology Center,Shaanxi Cigarette Industrial Co.,Ltd.,Baoji 721013,China

    • Corresponding author: ZHANG Erqiang, erqiang_zhang@163. com
  • Received Date: 2024-10-12
    Accepted Date: 2024-11-11
    Available Online: 2025-04-30

    CLC number: TS45

  • 摘要: 针对目前卷烟生产线缺乏快速检测烟丝掺配比例方法的问题,利用高光谱成像技术和机器学习方法,采集不同掺配比例的混合烟丝光谱数据,探讨单一及组合预处理方法对模型构建效果的影响。采用偏最小二乘回归(PLSR)和支持向量机回归(SVR)建立回归模型,并利用最小角回归(LARS)、连续投影算法(SPA)、竞争性自适应重采样(CARS)及遗传算法(GA)进行特征波段选择,建立简化模型。结果表明:不同预处理方法的单一或组合使用均会影响回归模型的精度,其中小波变换与SG滤波联用(Wave+SG)方法相比原始数据将平均绝对百分比误差(MAPE)降低了1.2%;基于Wave+SG-GA-PLSR建立的回归模型表现最佳,其在两组分掺配中的训练集和测试集MAPE分别为1.415%和1.531%;基于两组分掺配建立的方法同样适用于多组分掺配,在三组分和四组分的预测集中,MAPE均低于8.3615%。高光谱成像技术结合机器学习方法能够较为准确地预测混合烟丝中各组分的掺配比例,可为烟丝掺配均匀性的在线监测及卷烟生产过程的质量控制提供参考。
    Abstract: No rapid method existed for detecting blend ratios on production lines, hyperspectral imaging technology and machine learning methods were used to collect spectral data from mixed tobacco with different blend ratios. The effects of single and combined preprocessing techniques on model performance were explored. Regression models were established using partial least squares regression ( PLSR) and support vector machine regression ( SVR). Feature wavelength selection was performed with least angle regression (LARS), successive projections algorithm (SPA), competitive adaptive reweighted sampling ( CARS), and genetic algorithm ( GA) to build simplified models. The results showed that preprocessing methods, either individually or combined, affected model accuracy. The combined wavelet transform and SG filtering ( Wave + SG) method reduced mean absolute percentage error (MAPE) by 1. 2 percentage points compared to raw data. The Wave+SG-GA-PLSR model performed best, with MAPE of 1. 415% and 1. 531% for the training and test sets of two-component blends, respectively. This method was also applicable to multi-component blends, with MAPE in three-component and four-component blends below 8. 3615%. Hyperspectral imaging combined with machine learning accurately predicted the proportions of components in mixed tobacco, providing a reference for online monitoring and quality control in cigarette production.
    1. [1]

      杨天卓 , 何晋 , 吴恋恋 , 戴永生 , 易斌 , 李华杰 , 张二强 , 堵劲松 . 基于高光谱成像的烟丝掺配比例检测研究. 轻工学报, doi: 10.12187/2025.03.013

    2. [2]

      张建栋 , 杨忠泮 , 吴恋恋 , 徐大勇 , 朱萍 , 张雯晶 , 堵劲松 . 基于高光谱成像及机器学习的烟叶糖料液施加量判别模型. 轻工学报, doi: 10.12187/2024.05.010

    3. [3]

      吴晓东 , 刘畅 , 李俊 , 胡良志 , 贺凌晨 , 袁海霞 , 李强 , 黄锦标 . 基于高光谱检测的烟丝加香均匀性表征方法. 轻工学报, doi: 10.12187/2024.05.011

    4. [4]

      卢晓波 , 徐海 , 朱俊召 , 张宇 , 谭健 , 高冠男 , 胡军华 , 林龙 . 基于机器视觉的加热卷烟烟支端部质量检测系统设计. 轻工学报,

    5. [5]

      卢晓波 , 徐海 , 朱俊召 , 张宇 , 谭健 , 高冠男 , 胡军华 , 林龙 . 基于机器视觉的加热卷烟烟支端部质量检测系统设计. 轻工学报, doi: 10.12187/2024.06.012

    6. [6]

      钟昕怡 , 陈紫麟 , 骆勇 , 汪高玮 , 王周利 , 赵子丹 , 李鸣雷 . 香菇-大球盖菇复合饼干研制及其品质特性分析. 轻工学报, doi: 10.12187/2024.06.004

    7. [7]

      刘洪剑 , 周乐群 , 李贵忠 , 彭漫江 , 王雪锋 , 张光海 , 李枝桦 , 刘涛 . 不同等级发酵后云南茄芯烟叶代谢组差异分析. 轻工学报, doi: 10.12187/2025.04.010

    8. [8]

      许克静 , 刘语煊 , 张展 , 吕晶晶 , 梁淼 , 李瑞丽 , 张峻松 , 陈小龙 . 辊压法全烟梗再造烟叶的制备工艺优化及结构与性能分析. 轻工学报, doi: 10.12187/2025.01.008

    9. [9]

      吴启贤 , 陈子杰 , 崔要强 , 伍锦鸣 , 赵谋明 , 任胜超 , 冯云子 . 不同产地烟叶碱提香料卷烟加香效果及化学成分差异分析. 轻工学报, doi: 10.12187/2025.01.012

    10. [10]

      杨鹏飞 , 吴薇 , 孙海峰 , 刘龑章 , 尚紫博 , 薛晶晶 , 许志杰 , 宋梦坤 . 基于GC-MS结合多元统计的2种工艺提取脐橙挥发性成分差异分析. 轻工学报, doi: 10.12187/2025.04.001

    11. [11]

      胡新楠 , 朱成凯 , 胡中泽 , 纪执立 , 金伟平 , 郭城 , 沈汪洋 . 复配比对明胶-羟丙基甲基纤维素双水相体系微观结构和流变特性的影响. 轻工学报, doi: 10.12187/2025.01.002

    12. [12]

      杨鹏飞 , 吴薇 , 孙海峰 , 刘龑章 , 尚紫博 , 薛晶晶 , 许志杰 , 宋梦坤 . GC-MS结合多元统计分析研究两种工艺提取的脐橙挥发性成分差异. 轻工学报,

    13. [13]

      史清照 , 范武 , 任瑞冰 , 柴国璧 , 张文龙 , 张启东 , 张建勋 , 李河霖 . 基于膜分离及柱色谱技术的烟草提取物精加工产品的制备. 轻工学报,

  • 加载中
WeChat 点击查看大图
计量
  • PDF下载量:  5
  • 文章访问数:  2326
  • 引证文献数: 0
文章相关
通讯作者: 陈斌, bchen63@163.com
  • 1. 

    沈阳化工大学材料科学与工程学院 沈阳 110142

  1. 本站搜索
  2. 百度学术搜索
  3. 万方数据库搜索
  4. CNKI搜索
杨天卓, 何晋, 吴恋恋, 等. 基于高光谱成像的烟丝掺配比例检测研究[J]. 轻工学报.
引用本文: 杨天卓, 何晋, 吴恋恋, 等. 基于高光谱成像的烟丝掺配比例检测研究[J]. 轻工学报.
shu
YANG Tianzhuo, HE Jing, WU Lianlian, et al. Research on detection of tobacco blend ratio based on hyperspectral imaging[J]. Journal of Light Industry.
Citation: YANG Tianzhuo, HE Jing, WU Lianlian, et al. Research on detection of tobacco blend ratio based on hyperspectral imaging[J]. Journal of Light Industry.
shu

基于高光谱成像的烟丝掺配比例检测研究

    作者简介:杨天卓(1999—),男,湖南省长沙市人,中国烟草总公司郑州烟草研究院硕士研究生,主要研究方向为烟草工艺。E-mail:526369602@qq. com
    通讯作者: 张二强, erqiang_zhang@163. com
  • 1 中国烟草总公司郑州烟草研究院,河南 郑州 450001;
  • 2. 上海烟草集团有限责任公司 技术中心,上海 200082;
  • 3. 甘肃烟草工业有限责任公司 技术研发中心,甘肃 兰州 730050;
  • 4. 云南中烟工业有限责任公司,云南 昆明 675000;
  • 5. 福建中烟工业有限责任公司,福建 厦门 361021;
  • 6. 陕西中烟工业有限责任公司 技术中心,陕西 宝鸡 721013
  • 收稿日期: 2024-10-12
  • 录用日期: 2024-11-11
  • 网络出版日期: 2025-04-30
基金项目:  云南中烟科技项目(2492030301010085-3)云南大观实验室课题项目(YNDG202301QT10)中国烟草总公司重点研发项目(中烟办[2022]111 号)

摘要: 针对目前卷烟生产线缺乏快速检测烟丝掺配比例方法的问题,利用高光谱成像技术和机器学习方法,采集不同掺配比例的混合烟丝光谱数据,探讨单一及组合预处理方法对模型构建效果的影响。采用偏最小二乘回归(PLSR)和支持向量机回归(SVR)建立回归模型,并利用最小角回归(LARS)、连续投影算法(SPA)、竞争性自适应重采样(CARS)及遗传算法(GA)进行特征波段选择,建立简化模型。结果表明:不同预处理方法的单一或组合使用均会影响回归模型的精度,其中小波变换与SG滤波联用(Wave+SG)方法相比原始数据将平均绝对百分比误差(MAPE)降低了1.2%;基于Wave+SG-GA-PLSR建立的回归模型表现最佳,其在两组分掺配中的训练集和测试集MAPE分别为1.415%和1.531%;基于两组分掺配建立的方法同样适用于多组分掺配,在三组分和四组分的预测集中,MAPE均低于8.3615%。高光谱成像技术结合机器学习方法能够较为准确地预测混合烟丝中各组分的掺配比例,可为烟丝掺配均匀性的在线监测及卷烟生产过程的质量控制提供参考。

English Abstract

相关文章 (13)

目录

/

返回文章

网站版权 © 轻工学报编辑部

地址：河南省郑州市科学大道136号邮编：450001

本系统由北京仁和汇智信息技术有限公司开发 技术支持： info@rhhz.net