农业行业
在烟叶质量评价体系中，油分是衡量烤烟品质的重要指标之一。传统上，油分评价主要依赖专业人员的经验性判断，这种方式存在主观性强、效率偏低等问题。近年来，高光谱成像技术因其图谱合一的特性，在农产品质量检测领域展现出应用潜力。本文以一项针对烤烟油分检测的研究为例，介绍可见-近红外高光谱技术在该场景下的实际应用效果。
该研究选取了全国22个植烟省（自治区）的634份初烤烟叶样品，涵盖上、中、下三个部位。研究团队采用彩谱科技有限公司的FigSpec系列高光谱成像系统（包含FigSpec-23和FigSpec-25两个相机），同步采集烟叶在400-1000nm和900-1700波长范围内的光谱信息。采集过程中，通过固定光源角度和相机距离，确保光照均匀性，每个样品采集两次光谱数据后取均值作为原始输入。
油分得分由20人组成的外观质量评价小组按照10分制独立评定。样品按7:3比例划分为建模集（443份）和验证集（191份），两组样品的油分得分分布特征与总体保持一致，为后续模型构建提供了可靠基础。
原始光谱数据中包含噪声和散射干扰，需要经过预处理来增强有效信号。研究对比了滑动平均滤波（MA）、多元散射校正（MSC）、标准正态变换（SNV）、一阶导数（D1）和标准化（SS）五种单一预处理方法及其组合策略。
分析结果显示，MSC和SNV预处理能够有效提升光谱反射率与油分得分之间的相关性。在928.36-1177.03nm波长范围内，相关系数由原始光谱的0.076-0.124提升至0.331-0.640。D1预处理则通过强化光谱曲线的局部变化特征，使强相关波段（|r|≥0.4）数量超过100个。这些结果表明，合理的预处理策略有助于提升后续模型的预测能力。
研究采用偏最小二乘回归（PLSR）和支持向量回归（SVR）两种算法构建油分得分定量预测模型。基于可见-近红外全波段的PLSR模型在多数预处理条件下验证集RPD值介于1.642至1.775之间，其中经MA预处理后验证集R²达到0.683，RMSE为0.346。SVR模型在D1+SS组合预处理下验证集R²为0.653，RMSE为0.362。
为融合两种模型的优势，研究引入加权平均融合策略。基于可见-近红外全波段的融合模型（MA预处理下的PLSR与D1+SS预处理下的SVR）验证集R²提升至0.721，RMSE降至0.324，RPD为1.894，预测效果优于单一模型。
高光谱数据包含数百个波段，存在信息冗余问题。研究采用连续投影算法（SPA）进行特征波段筛选。结果显示，经MA预处理后，SPA筛选出95个特征波段构建的PLSR模型验证集R²为0.685，RMSE为0.345；经D1+SS预处理后，SPA筛选出56个特征波段构建的SVR模型验证集R²为0.666，RMSE为0.355。特征波段数量由全波段的428个大幅减少，数据维度显著降低。
基于SPA筛选后的PLSR与SVR融合模型进一步提升了预测精度，验证集R²达到0.724，RMSE为0.323，RPD为1.904。该结果表明，特征波段筛选在降低数据冗余的同时保持了模型的有效性。
该研究展示了可见-近红外高光谱技术在烤烟油分无损检测中的可行性。相比传统人工评判方式，高光谱技术具有客观、无损、快速的潜在优势，可为烟叶自动分级装备开发和品质智能管控系统构建提供参考依据。彩谱科技有限公司的FigSpec系列高光谱成像系统在该研究中承担了核心数据采集任务，验证了其在农业物料品质检测场景下的适用性。
FigSpecFS-23成像高光谱相机
l图像分辨率：1920*1920
l光谱范围：400-1000nm
l光谱分辨率(FWHM)：2.5nm
l光谱通道数：1200
FigSpecFS-25成像高光谱相机
l图像分辨率：640*640
l光谱范围：900-1700nm
l光谱分辨率(FWHM)：6nm
l光谱通道数：512
