基于近红外光谱快速鉴别烟叶黑暴病害及感染程度的方法技术

基于近红外光谱快速鉴别烟叶黑暴病害及感染程度的方法，先收集不同黑暴病害感染程度的新鲜烟叶作为建模训练集，获取训练集烟叶的总氮含量，将训练集烟叶分为正常生长、轻度感染和严重感染三个类别；同时利用手持近红外光谱仪采集以上烟叶的光谱信息，建立近红外光谱数据训练集，然后对光谱数据进行预处理，再采用极限学习机算法，结合训练集烟叶光谱信息和分类标签，建立近红外光谱判别分析模型，并对判别分析模型进行评价；之后采集待测新鲜烟叶样本的近红外光谱信息，并输入至建立的判别分析模型中进行判别分析，快速鉴定待测烟叶样本是否存在黑暴感染及其感染程度。本发明专利技术方法具有方便快捷、无损、高效、绿色环保等优点。

【技术实现步骤摘要】
基于近红外光谱快速鉴别烟叶黑暴病害及感染程度的方法
本专利技术属于农产品病害检测
，具体涉及利用近红外光谱技术鉴别烟叶黑暴病害及感染程度的方法。
技术介绍
经过多年烟草生产新技术的大力推广，烟农种烟更加规范化、科学化，烟叶品质进一步提升。但还有部分烟农主要依据经验种烟，在生产中部分技术不科学，致使烟叶质量得不到提高，造成一定的经济损失。黑暴烟叶即是烟农为追求高产而过量施用氮肥而产生的病害，导致烟株营养失调，叶片肥大厚实，粗筋暴脉，组织致密，含水量不很高，干物质较多，烟叶的氮含量和叶绿素含量远远高于正常烟叶。此类烟叶难以适时成熟，且采收后不易烘烤，其品质更无法体现。因此，若能在黑暴烟叶未出现明显特征时，就可预测烟叶是否存在黑暴感染的可能性，是控制病害蔓延、减少损失、保障烟叶品质的有效手段。目前，对黑暴烟叶的检测主要是肉眼观测和实验化学检测两种方法。肉眼观测方法是根据肉眼观察凭借经验来辨别烟叶病变组织和健康组织，这很容易产生由于视觉疲劳而导致的错误判断。实验化学检测方法虽然更加客观和准确，但是其检测时间长、成本高，而且不能实时提供结果本文档来自技高网...

【技术保护点】
1.基于近红外光谱快速鉴别烟叶黑暴病害及感染程度的方法，其特征在于，具体包括如下步骤：/n(1)收集同时期不同黑暴病害感染程度的新鲜烟叶作为建模训练集，使用连续流动分析仪获取训练集烟叶的总氮含量，并根据总氮含量的高低将训练集烟叶分为正常生长、轻度感染和严重感染三个类别；同时利用手持近红外光谱仪采集以上烟叶的光谱信息，获取训练集烟叶的近红外光谱信息，建立烟叶近红外光谱数据训练集，然后使用小波变换算法、Savitzky-Golay卷积平滑法、多元散射校正法、一阶导数法、二阶导数法中的一种方法对光谱数据进行预处理，所述对光谱信息的预处理包括消除基线漂移和去除光谱噪声；/n(2)采用极限学习机算法，结...

【技术特征摘要】
1.基于近红外光谱快速鉴别烟叶黑暴病害及感染程度的方法，其特征在于，具体包括如下步骤：
(1)收集同时期不同黑暴病害感染程度的新鲜烟叶作为建模训练集，使用连续流动分析仪获取训练集烟叶的总氮含量，并根据总氮含量的高低将训练集烟叶分为正常生长、轻度感染和严重感染三个类别；同时利用手持近红外光谱仪采集以上烟叶的光谱信息，获取训练集烟叶的近红外光谱信息，建立烟叶近红外光谱数据训练集，然后使用小波变换算法、Savitzky-Golay卷积平滑法、多元散射校正法、一阶导数法、二阶导数法中的一种方法对光谱数据进行预处理，所述对光谱信息的预处理包括消除基线漂移和去除光谱噪声；
(2)采用极限学习机算法，结合步骤(1)中获取的预处理后的训练集烟叶光谱信息和分类标签，建立近红外光谱判别分析模型，并对所构建的判别分析模型进行评价；
(3)在与步骤(1)相同的采集条件下，使用手持近红外光谱仪采集待测新鲜烟叶样本的近红外光谱信息，并输入至步骤(2)建立的近红外光...

【专利技术属性】
技术研发人员：迟衡，宋天伟，阮小微，
申请(专利权)人：迟衡，
类型：发明
国别省市：浙江;33