基于图像处理的雪茄烟叶晾制期间含水率预测模型比较

作者：杨浩; 张通; 阳苇丽; 向欢; 郭仕平; 刘晓丽; 张洪淇; 刘雷; 刘雅洁^*; 杨兴有^*; 曾淑华^*

来源：江苏农业学报, 2023, 39(09): 1891-1900.

• 雪茄烟叶
• 含水率预测
• 数字图像
• BP神经网络
• 支持向量机
• 极限学习机

为探索雪茄烟叶晾制期间的水分变化规律并实现含水率的快速准确预测，在雪茄烟叶各个晾制阶段拍摄数字图像，同时以杀青烘干法测定烟叶含水率。提取图像中的颜色和纹理特征作为初始特征，经正交偏最小二乘(OPLS-DA)确定优选特征。分别以初始特征和优选特征为输入，含水率为输出，建立前馈神经网络(BPNN)、遗传算法优化前馈神经网络(GA-BPNN)、支持向量机(SVM)、遗传算法优化支持向量机(GA-SVM)、极限学习机(ELM)、粒子群算法优化极限学习机(PSO-ELM)模型。结果表明，(1)随着晾制时间推移，烟叶含水率逐渐降低，各阶段含水率差异显著；(2)优选特征建立的GA-SVM对全晾制阶段的含水率整体预测能力相较于其他模型表现最佳，决定系数(R2)和均方根误差(RMSE)分别为0.969 3、0.044 7;(3)优选特征建立的GA-SVM对各晾制阶段的含水率预测准确度较高，其中干筋期含水率预测准确度最低，但也高于87.0%。说明，采用OPLS-DA优选的颜色特征、纹理特征建立的GA-SVM可准确预测雪茄烟叶晾制期间的含水率。

• 单位
  四川省烟草公司达州市公司; 四川农业大学