基于收購質量的烤煙煙葉無損檢測技術研究綜述

摘要：簡要介紹了基于收購質量的烤煙煙葉無損檢測的特點，討論了在線檢測與自動分級系統硬件方面的研究，并對計算機技術、人工神經網絡、模式識別、高光譜等技術應用于烤煙煙葉的等級評價進行了綜述，對該領域今后的研究方向提出了新的思路。

關鍵詞：烤煙煙葉；無損檢測；自動分級

中圖分類號：ＴＳ４７文獻標識碼：Ａ文章編號：0439－８114（２０11）07－1297-04

Ａ Ｒｅｖｉｅｗ ｏｎ Ｎｏｎｄｅｓｔｒｕｃｔｉｖｅ Ｔｅｓｔｉｎｇ Ｔｅｃｈｎｉｑｕｅ of Ｆｌｕｅ－ｃｕｒｅｄ Ｔｏｂａｃｃｏ Ｂａｓｅｄ ｏｎ Purchase Ｑｕａｌｉｔｙ

ＺＨＡＮＧ Ｙｉｎｇa，b

（ａ．Ｄｅｐａｒｔｍｅｎｔ ｏｆ Ｃｏｍｐｕｔｅｒ Ｓｃｉｅｎｃｅ， Ｃｏｌｌｅｇｅ ｏｆ Ｓｃｉｅｎｃｅ， ｂ． Ｃｏｌｌｅｇｅ ｏｆ Ｒｅｓｏｕｒｃｅｓ ａｎｄ Ｅｎｖｉｒｏｎｍｅｎｔ， Ｈｕａｚｈｏｎｇ Ａｇｒｉｃｕｌｔｕｒａｌ Ｕｎｉｖｅｒｓｉｔｙ，

Ｗｕｈａｎ ４３００７０， Ｃｈｉｎａ）

Ａｂｓｔｒａｃｔ： A brief introduction was given on ｔｈｅ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ｏｆ ｎｏｎｄｅｓｔｒｕｃｔｉｖｅ ｔｅｓｔｉｎｇ ｂａｓｅｄ ｏｎ ｔｈｅ purchasing ｑｕａｌｉｔｙ ｏｆ ｆｌｕｅ－ｃｕｒｅｄ ｔｏｂａｃｃｏ. And ｔｈｅ ｈａｒｄｗａｒｅ ｒｅｓｅａｒｃｈ ｏｆ ｏｎｌｉｎｅ ｔｅｓｔｉｎｇ ａｎｄ ａｕｔｏｍａｔｉｃ ｇｒａｄｉｎｇ ｓｙｓｔｅｍ was discussed. Tｈｅ ｃｏｍｐｕｔｅｒ ｔｅｃｈｎｏｌｏｇｙ， ａｒｔｉｆｉｃｉａｌ ｎｅｕｒａｌ ｎｅｔｗｏｒｋｓ， ｒｅｃｏｇｎｉｔｉｏｎ ｐａｔｔｅｒｎ ａｎｄ ｈｙｐｅｒ ｓｐｅｃｔｒａｌ ｔｅｃｈｎｏｌｏｇｙ ｆｏｒ ｆｌｕｅ－ｃｕｒｅｄ ｔｏｂａｃｃｏ ｇｒａｄｉｎｇ was sumarized． Ｎｅｗ ｉｄｅａｓ ｆｏｒ ｆｕｔｕｒｅ ｒｅｓｅａｒｃｈ ｉｎ ｔｈｉｓ field ｗｅｒｅ ｐｕｔ ｆｏｒｗａｒｄ.

Ｋｅｙ ｗｏｒｄｓ： ｆｌｕｅ－ｃｕｒｅｄ ｔｏｂａｃｃｏ； ｎｏｎｄｅｓｔｒｕｃｔｉｖｅ ｔｅｓｔｉｎｇ； ａｕｔｏ ｇｒａｄｉｎｇ

目前國內外煙草行業對于煙葉品質的檢驗與分級都是根據分級標準，憑借標準樣本依靠人的感官進行。在煙葉收購前，全國各煙區都要舉辦培訓班，培訓收購烤煙煙葉站的分級人員，并準備大量煙葉標樣發往各收購站，這就必然會耗費大量的人力、物力和財力。現行的４２級烤煙分級標準（ＧＢ２６３５－１９９２）的細致性和變化性以及人為觀察的主觀性和模糊性，更使人工檢驗與分級的結果存在很大差異。隨著煙草制品質量的演變，對煙葉質量的要求逐漸提高，人工分級將越來越難以滿足需要。因此，研究煙葉質量計算機輔助檢測與分級技術，對于制定科學的煙葉分級標準、提高煙葉分級的水平與效率、解決煙葉質量糾紛、保護煙農與國家利益都具有十分重要的意義。

無損檢測是指在不破壞烤煙的情況下，應用一定的檢測技術和分析方法對烤煙煙葉內在和外在品質加以測定，并按一定的標準對其做出評價。這在農產品質量安全問題中具有舉足輕重的作用，而且無損檢測也摒棄了目前國內大多采用的化學分析方法的缺點，如樣品損壞、測試復雜、費用昂貴、耗時較長等。此領域已成為煙草行業的重要課題之一，對煙草的種植、生產和購銷等環節均具有重要意義。

１烤煙煙葉無損檢測硬件的研究

與一般的農產品相比，烤煙煙葉的外觀質量檢測要復雜得多，基于收購質量的烤煙煙葉無損檢測不能破壞整片煙葉的固有形態，與蘋果、鴨蛋、谷物等農產品相比，在用儀器進行煙葉外觀品質量檢測及分級的過程中，對硬件的要求較高。到目前為止，國際上尚沒有能對煙葉外觀質量進行比較全面、綜合檢測的應用型儀器。說明該項研究還在進行中，進一步的深入探討是非常必要的。

２０世紀８０年代以來，國內外學者的研究主要集中在單片靜態煙葉的計算機圖像處理與識別算法的研究上。華中農業大學馬文杰等［１，２］自制了專門的烤煙煙葉圖像采集系統，在專門設計的燈箱中拍攝烤煙煙葉的反射和透射圖像。研究發現，煙葉對復合光中的藍色屬性具有敏感的吸收作用，可以用來作為圖像分割的依據。而且研究燈箱中采集煙葉圖像時照明電壓、不同品牌數碼相機、聚焦距離及相機分辨率等成像環境因素對圖像識別結果的影響，用相對顏色法對因成像環境因素影響而引起的煙葉圖像顏色變異進行實時校正。

北京理工大學韓力群等［３］研發了一種光機電一體化的ＨＳ－１型烤煙煙葉圖像采集系統，該系統包括標準光源子系統、圖像采集與傳輸子系統、機械變光子系統、單片機控制子系統、通訊子系統等多個子系統，介紹了各子系統的設計方法和實現技術，經過反復試用，系統的穩定性、可靠性、重復性、實用性等各方面均達到預期目標，為進一步進行后期自動分級研究奠定了良好的基礎。

杜東亮等［４］關于煙葉自動分級系統的硬件組成的報道中，對多片動態煙葉的計算機圖像處理進行了研究。該系統由輸送裝置、稱重系統、視覺系統、均勻照明室４部分組成。輸送裝置可將煙葉打散攤平，使煙葉保持一定的厚度呈現給ＣＣＤ攝像頭；稱重系統采用電子皮帶秤完成煙葉的在線實時稱重，并將數據發送至計算機內存；視覺系統同時監視、采集煙葉圖像信息送至計算機內存進行處理；照明系統為ＣＣＤ攝像頭均勻、恒定的光源，可保證圖像清晰。試驗證明了系統的可行性，其輔助機構與煙葉實時分級決策算法尚待進一步研究。

２計算機視覺在烤煙煙葉無損檢測中的應用

煙葉的外觀質量檢測是對煙葉色調、成熟度、葉片結構、身份、油分、長度、殘傷等外觀特征進行綜合評判的過程。由于評判因素多，判斷指標模糊，與一般農產品質量檢測相比，煙葉的質量檢測要復雜得多。計算機視覺（Ｃｏｍｐｕｔｅｒ ｖｉｓｉｏｎ）技術涉及數學、計算機科學、模式識別、人工智能、信息論及生物科學等多種學科，是一門高速發展的多學科交叉應用技術。

國外利用計算機視覺技術研究煙葉的檢測與分級始于１９８４年。１９８８年，美國的Ｔｈｏｍａｓ［５］發表了一篇相關論文，提出將圖像處理應用于煙葉的平直檢測與分級。１９９３年，將計算機視覺技術直接應用于煙葉分級的研究是津巴布韋大學的Ｍａｃ Ｃｏｒｍａｃ［６］設計的圖像處理單元。１９９７年，Ｃｈｏ［７］等又利用機器視覺提取了白肋煙的形狀、顏色等特征，并對煙葉進行分級。

在國內，張建平等［８］應用計算機圖像處理技術和色度學理論，研究了煙葉外觀品質特征如顏色、葉形、葉面等的提取，以及外觀特征的定量描述與檢測方法，為我國應用計算機視覺技術研究煙葉分級奠定了基礎。張惠民等［９］在基于煙葉圖像特征的基礎上，同樣也建立了煙葉分級系統模型，并對模型庫進行了優化，根據煙葉等級空間滿足高斯分布，構造了隸屬函數，以此來計算煙葉特征對等級的隸屬度，使系統針對模糊知識庫的模糊推理，確定煙葉模式的可信度，通過試驗，分析了１９９８年由北京工商大學研發的烤煙煙葉分級系統ＦＴＧＳ（Fｌｕｅ ｃｕｒｅｄ ｔｏｂａｃｃｏ ｇｒａｄｉｎｇ ｓｙｓｔｅｍ）的性能和有效性。蔡憲杰等［１０］建立了初步量化的煙葉外觀品質指標體系，并運用相關分析、聚類分析和主成分分析方法對外觀質量指標進行了研究，得出煙葉外觀品質指標間的量化關系，初步驗證了煙葉外觀品質量化指標的合理性。馬文杰等［１］提出基于烤煙透射特征的煙葉圖像分割從透射圖像的特征出發，為烤煙煙葉的自動分級開辟了新的途徑。李翠英等［１１］研究了煙葉輪廓曲線的二元正交多項式擬合算法以及擬合多項式在煙葉部位分組中的應用，為進一步研究煙葉收購質量的自動分級提供了可行的技術手段。

３人工神經網絡在烤煙煙葉無損檢測中的應用

人工神經網絡（Ａｒｔｉｆｉｃｉａｌ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ）的研究最初是受生物神經系統啟發的，是以模擬人體神經系統的結構和功能為基礎而建立的一種信息處理系統。其基本結構單元是結點，即處理單元ＰＥ（Ｐｒｏｃｅｓｓｉｎｇ ｅｌｅｍｅｎｔ）。人工神經網絡分類技術充分吸收了人類認識事物的特點，除了應用圖像本身的光譜特征外，還可以應用圖像的幾何空間特征，更重要的是，它利用了人在以往識別圖像時所積累的經驗，在分類圖像信息的指導下，通過訓練，修改自身的結構及識別方式，從而提高圖像的分類精度和分類速度，以獲得滿意的分類結果［１２］。

ＡＮＮ技術在農業工程中的應用很普遍，如奶制品質量的評價，種子多樣性的識別等。在應用人工神經網絡進行煙葉分級識別時，由于煙葉分級的指標，如形狀、顏色等方面的知識都是非結構化的，因此適合采用神經網絡技術建立分級模型［１３］。

張建平等［１４］在應用計算機視覺提取煙葉特征的基礎上，建立了煙葉標準樣本的特征數據庫，并應用神經網絡技術構造了識別模型，對模型進行了智能化訓練，將待測煙葉與數據庫中的樣本煙葉比較后進行分級，該研究在實驗室已達到較高的分辨效果，與專家分級結果的吻合率約為８３．４％。張帆等［１５］利用人工神經網絡技術，在計算機煙葉自動分級系統中對提取煙葉質量特征值的可行性進行了初步研究。利用人工神經網絡可得到無法直接從平面圖像中得到的信息。在提取煙葉面積、周長和缺損率等特征值的基礎上，利用神經網絡技術提取煙葉質量特征值的方法是可行的。韓力群等［１６］研究了烤煙煙葉自動分級中的幾種智能技術，提出應用圖像處理技術提取煙葉質量特征參數，應用模糊統計技術確定特征參數對各組與各級的隸屬度，以及應用綜合評判技術判定樣本的組別與級別等方法，并給出對云南產煙區煙葉樣本的分級結果。分級結果表明，該系統已達到人類專家分級水平，并具有積累分級經驗的智能特性。繼而，韓力群等［１７］又提出了一種借鑒生物腦信息處理結構的烤煙煙葉智能分級系統，由思維模型、感覺模型和行為模型３個子系統構成，分別模擬分級專家的思維智能、感知智能和行為智能，具有學習與記憶、判斷與模糊推理、分級決策等多種思維功能，以及圖像自動采集、上下位機通信等協調與控制功能。應用該系統進行煙葉分級試驗的結果與分級專家分級結果的平均一致率可達到８５％，與人工分級水平相當。

４模式識別在烤煙煙葉無損檢測中的應用

客觀世界存在著大量的模糊現象。隨著模糊數學的產生，人們便在模糊集合理論的指導下，借助計算機技術開始了對客觀事物進行模糊模式識別的研究，所以模糊模式識別屬于模糊數學的應用范疇，在農業領域的應用已經越來越廣泛。

煙葉的人工分級主要是憑借眼睛觀察的特征與積累的知識和經驗對煙葉的級別進行推理判斷，而應用計算機模擬人工方法實現煙葉級別判斷時，首先要對大量煙葉樣本的圖像進行分析處理，提取對分級有意義的特征參數，然后利用人工神經網絡和模式識別技術，在充分學習人工分級經驗的基礎上建立煙葉分級模型。又由于烤煙煙葉的各種品質因素均采用了自然語言描述，如顏色用檸檬黃、橘黃、紅棕等；成熟度用完熟、成熟、尚熟、欠熟、假熟等來描述；厚度描述成厚、稍厚、稍薄；油分用多、有、稍有、少來描述；色度用濃、強、中、弱、淡來描述。這種自然語言描述具有不定性、不精確及外延模糊的特點，特別適合用模糊集合進行描述。

將模糊數學理論與模式識別技術相結合形成的模糊識別技術應用于煙葉分級，可有效地模擬人工分級的技術和經驗，從而解決煙葉分級這一模糊性很強的問題。模糊模式識別技術對于煙葉品質的分級研究極為有用，應充分利用有關技術構造出合理的類比判別模型，以達到滿意的分級結果。針對煙葉的眾多模糊信息特征，張帆等［１８］在應用計算機圖像處理技術的基礎上，利用模糊數學和模式識別技術實現了煙葉的分級研究，證明了利用模糊數學和模式識別技術進行煙葉分級的可行性。

５高光譜技術在烤煙煙葉無損檢測中的應用

高光譜遙感技術可在電磁波譜的可見光、近紅外、中紅外甚至紫外和熱紅外波段范圍內獲取觀測對象光譜分辨率達到納米數量級的連續光譜信息，包含豐富的空間、輻射強度和光譜特征三重信息，為烤煙煙葉收購質量自動分級研究提供了新的手段。在高光譜波長范圍內，近紅外光譜（Ｎｅａｒ－ｉｎｆｒａｒｅｄ ｓｐｅｃｔｒｏｓｃｏｐｙ）屬于現代結構分析技術，具有不破壞樣品化學結構、操作快速、簡單和靈敏度高的特點，已被廣泛地應用于農產品品質檢測等領域。

李佛琳等［１９］利用反射光譜建立了量化判別鮮煙葉成熟度模型并進行了驗證；杜文等［２０］研究了煙葉的近紅外光譜數據通過獨立軟模式分類識別不同煙葉的方法；劉劍君等［２１］將支持向量機與紅外光譜分析技術相結合，對煙葉分級進行了研究；王國東等［２２］對不同產地的國產烤煙煙葉的原始近紅外光譜、ＳＮＶ光譜與一階導數光譜進行了主成分分析，對煙葉產地進行了識別研究；張鑫等［２３］采用基于主成分分析的馬氏距離判別模型，研究了不同類型儀器、建模區間、模型參數及光譜預處理方式對煙葉部位識別準確率的影響。

煙葉的紅外光譜特征不僅與其化學成分密切相關，而且與其內部結構有一定的關系。為此，彭丹青等［２４］提出了基于光譜分析并利用徑向基神經網絡對煙葉進行等級分類的方法。首先，對復雜繁多的原始光譜數據進行小波變換；然后，采用ＲＢＦ（Ｒａｄｉａｌ－ｂａｓｉｓ ｆｕｎｃｔｉｏｎ）神經網絡進行分級，試驗結果表明，訓練樣本的正確識別率為１００％，測試樣本的正確識別率為９６．３％。劉劍君等［２1］將基于統計學理論的支持向量機ＳＶＭ（Ｓｕｐｐｏｒｔ ｖｅｃｔｏｒ ｍａｃｈｉｎｅ）與紅外光譜分析技術相結合，利用小波壓縮對復雜光譜數據進行預處理，然后通過ＳＶＭ建立煙葉分級模型。試驗表明，對訓練樣本的正確識別率為１００％，對測試樣本的正確識別率為９３．１％。

以上利用光譜數據進行煙葉品質檢測的前期處理方式都是先將烤煙煙葉磨成粉，再烘焙，過篩，壓實，最后進行ＮＩＲ掃描獲取其光譜數據，不屬于無損檢測。利用煙葉的高光譜特征，對煙葉收購品質進行綜合等級無損檢測評價的，目前研究報道較少。

高光譜遙感屬于漫反射光譜分析，雖然不需要對樣品進行化學處理，但是用于完整煙葉的檢測時，由于煙葉自身葉面積跨度大的特點，高光譜檢測采樣點的位置設定、采樣點聚焦范圍大小和煙葉表面平整度等因素都可能影響檢測結果。由此可見，采用高光譜技術，只有首先探索同一片烤煙煙葉不同測試區域的高光譜特征及其差異、不同等級煙葉之間的高光譜特征及其差異，才能明確煙葉高光譜采樣點的代表性和應用于烤煙分級的可能性，為后期基于高光譜圖像技術的烤煙煙葉自動分級系統的實現提供理論依據。基于此目的，筆者對高光譜技術應用于烤煙煙葉收購質量自動分級的基本問題進行了探索，得出了相關結論。

高光譜技術在煙草分析領域已得到廣泛應用，基于收購品質的烤煙煙葉無損檢測研究可以充分利用高光譜技術，進行煙葉外觀品質和內在品質的雙重評判，為煙葉等級的準確判定提供有力的依據。總之，探索高光譜分析技術在烤煙煙葉等級評價中的快速檢測方法，并在煙草行業中進一步推廣應用，必將帶來巨大的經濟效益。

６結語

烤煙煙葉的收購質量特征非常復雜，不僅有外部顏色、形狀、紋理等特征，還有內部品質特征。應用計算機技術提取煙葉收購品質特征的過程中，不僅需要對各類算法進行研究，還要搭建合理完善的提取圖像的硬件設備系統。對煙葉油分等特征的研究，目前僅靠計算機視覺技術是無法完成的，今后可利用高光譜技術尋找一條合適的突破途徑，以達到無損檢測的目標。

計算機技術的迅猛發展和良好的應用前景給烤煙煙葉無損檢測研究提供了堅實有效的理論依據。隨著世界煙草行業的發展，利用計算機技術、人工神經網絡、模式識別、高光譜技術對煙葉進行計算機輔助檢測與分級是必然的趨勢，各個國家也都在努力探索可行的技術途徑，積極從實驗室模擬轉入生產實踐。今后的研究過程中，應廣泛吸取煙葉分級專家的寶貴經驗，將具體研究與煙葉分級的實際工作相結合，充分利用人工智能、模式識別、高光譜等領域的研究成果，爭取早日取得成功。

參考文獻：

［１］ 馬文杰，賀立源，徐勝祥，等．基于烤煙透射特征的煙葉圖像分割研究［Ｊ］．農業工程學報，２００６，２２（７）：１３４－１３７．

［２］ 馬文杰，賀立源，劉華波，等．成像環境因素對煙葉圖像采集結果的影響及校正研究［Ｊ］． 中國農業科學， ２００６， ３９（１２）：２６１５－２６２０．

［３］ 韓力群，何為，蘇維均，等．光機電一體化烤煙煙葉圖像采集系統的研發［Ｊ］．微計算機信息，２００６，２２（３－１）：２２８－２２９．

［４］ 杜東亮，毛鵬軍，王俊，等．基于計算機視覺的煙葉自動分級系統硬件設計［Ｊ］．傳感器與微系統，２００８，２７（４）：７７－７９．

［５］ ＴＨＯＭＡＳ Ｃ Ｅ． Ｔｅｃｈｎｉｑｕｅｓ ｏｆ ｉｍａｇｅ ａｎａｌｙｓｉｓ ａｐｐｌｉｅｄ ｔｏ ｔｈｅ ｍｅａｓｕｒｅｍｅｎｔ ｏｆ ｔｏｂａｃｃｏ ａｎｄ ｒｅｌａｔｅｄ ｐｒｏｄｕｃｔｓ［Ｒ］．４２ ｎｄ Ｔｏｂａｃｃｏ Ｃｈｅｍｉｓｔｓ’ Ｒｅｓｅａｒｃｈ Ｃｏｎｆｅｒｅｎｃｅ，１９８８．

［６］ ＭＡＣ ＣＯＲＭＡＣ Ｊ Ｋ Ｍ． Ｏｎ－ｌｉｎｅ： Ｉｍａｇｅ ｐｒｏｃｅｓｓｉｎｇ ｆｏｒ ｔｏｂａｃｃｏ ｇｒａｄｉｎｇ ｉｎ Ｚｉｍｂａｂｗｅ［Ｍ］．ＩＥＥＥ，１９９３．３２７－３３１．

［７］ ＣＨＯ Ｈ Ｋ，ＰＥＡＫ Ｋ Ｈ． Ｆｅａｓｉｂｉｌｉｔｙ ｏｆ ｇｒａｄｉｎｇ ｄｒｉｅｄ ｂｕｒｌｅｙ ｔｏｂａｃｃｏ ｌｅａｖｅｓ ｕｓｉｎｇ ｍａｃｈｉｎｅ ｖｉｓｉｏｎ［Ｊ］． Ｊｏｕｒｎａｌ ｏｆ ｔｈｅ Ｋｏｒｅａｎ Ｓｏｃｉｅｔｙ ｆｏｒ Ａｇｒｉｃｕｌｔｕｒａｌ Ｍａｃｈｉｎｅｒｙ，１９９７，２２（１）：３０－４０．

［８］ 張建平，吳守一，方如明．農產品質量的計算機輔助檢驗與分級（第Ｉ報）——煙葉外觀品質特征的定量檢驗［Ｊ］．農業工程學報，１９９６，１２（３）：１５８－１６２．

［９］ 張惠民，韓力群，段正剛．基于圖像特征的煙葉分級［Ｊ］．武漢大學學報（信息科學版），２００３，２８（３）：３５９－３６２．

［１０］ 蔡憲杰，王信民，尹啟生．烤煙外觀質量指標量化分析初探［Ｊ］．煙草科技，２００４（６）：３７－３９．

［１１］ 李翠英，賀立源，馬文杰，等．采用輪廓特征的煙葉部位組分類研究［Ｊ］． 計算機工程與應用，２００９，４５（２６）：２３６－２３９．

［１２］ 雷宏濤．數字圖像處理［Ｍ］．北京：機械工業出版社，２００３．

［１３］ 閻瑞瓊，韓力群，陳晉東．計算機技術在煙葉檢測與分級領域的應用［Ｊ］．煙草科技，２００１（３）：１３－１５．

［１４］ 張建平，吳守一，方如明，等．農產品質量的計算機輔助檢驗與分級（第ＩＩ報）——煙葉自動分級模型的建立與訓練［Ｊ］．農業工程學報，１９９７，１３（４）：１７９－１８３．

［１５］ 張帆，方如明，蔡健榮．基于人工神經網絡技術提取煙葉質量特征值［Ｊ］．農業機械學報，２０００，31（6）：６１－６４．

［１６］ 韓力群，何為，段振剛，等．烤煙煙葉自動分級的智能技術［Ｊ］．農業工程學報，２００２，18（6）：１７３－１７５．

［１７］ 韓力群，何為，蘇維均，等．基于擬腦智能系統的烤煙煙葉分級研究［Ｊ］．農業工程學報，２００８，24（7）：１３７－１４０．

［１８］ 張帆，張新紅，張彤．模糊數學在煙葉分級中的應用［Ｊ］．中國煙草學報，２００２，８（３）：４４－４８．

［１９］ 李佛琳，趙春江，王紀華，等．一種基于反射光譜的烤煙鮮煙葉成熟度測定方法［Ｊ］．西南大學學報（自然科學版），２００８（１０）：５１－５５．

［２０］ 杜文，易建華，譚新良，等．基于近紅外光譜的煙葉ＳＩＭＣＡ模式識別［Ｊ］．中國煙草學報，２００９（１０）：１－５．

［２１］ 劉劍君，申金媛，彭丹青，等．基于ＳＶＭ的煙葉光譜分級［Ｊ］．通信技術，２００９（１１）：１９７－１９９．

［２２］ 王國東，束茹欣，張建平，等．不同產地國產烤煙近紅外光譜的特征分析及其模式識別［Ｊ］．煙草科技，２００6，２２０（5）：３６－４０．

［２３］ 張鑫，郭佳，倪力軍，等．基于紅外與近紅外光譜的煙葉部位識別［Ｊ］．光譜學與光譜分析，２００７，２７（12）：２４３７－２４４０．

［２４］ 彭丹青，申金媛，劉劍君， 等． 基于徑向基網絡的煙葉光譜分級［Ｊ］． 農機化研究，２００９（１０）：１５－１８．