基于PLS-DA煙葉成熟度判別模型研究*

劉紅蕓 吳雪梅 張富貴 李德侖 葉 磊 蔣柏春

（1.貴州大學機械工程學院 貴陽 550025）（2.貴州省煙草農業科學研究院 貴陽 550081）

1 引言

煙葉成熟度是影響烘烤后煙葉質地的中心因素，全面了煙葉成熟特征，正確辨別和判斷煙葉成熟度，把握好適熟采收標準，采摘適熟一致的煙葉，對于烘烤和烤后煙葉質地好、級別高、香味好等具有重要意義［1～5］。目前生產上一般為煙農依照煙葉外觀特征來判斷其成熟度，確定采收成熟煙葉，具有較強的主觀性。因此，研究一種快速、客觀、無損的方法來判別煙葉的成熟度，具有重大的意義。

高光譜技術是發展迅速的一種遙感技術，高光譜植被光譜指數及光譜參數包含的信息大。因此高光譜技術廣泛應用于農業的各個領域，例如在哈密瓜［6］、草莓［7］和李果實［8］等。在烤煙上，也有許多學者利用光譜參數開展了煙葉化學成分含量估測、煙葉的分類和烤煙的生長監測等方面的研究。孫志偉等［9］利用可見光譜參數與葉綠素之間的相關性，構建鮮煙葉的葉綠素快速估算模型。X N Wei等［10］采用逐步多元回歸方法建立了煙堿含量的光譜預測模型。Peng Jiyu等［11］采集集鮮葉和干葉顆粒煙草樣品光譜信息，并使用PLS-DA建立基于全光譜分類模型。余志紅等［12］利用煙葉的比值植被指數RVI，構建回歸模型能夠很好地監測田間煙葉成熟度，完成了不同成熟度中、上部田間鮮煙葉RVI范圍的初步確定。綜上所述，已有學者利用光譜技術對煙葉的色素含量、水分含量和氮含量等建立了預測模型但目前尚未有利用偏最小二乘法判別分析法對鮮煙葉成熟度進行判別分析。

針對以上問題，本文提出了偏最小二乘法判別分析模型，并通過實驗驗證了該模型在煙葉成熟度判別分析研究領域中的可行性。首先，搭建了戶外高光譜圖像信息采集系統，采集了煙葉高光譜數據信息。然后，建立了PLS-DA的煙葉成熟度判別模型。最后，對模型訓練結果進行了可視化分析。實驗結果表明，該模型具有良好的判別精度。

2 材料與方法

2.1 高光譜圖像獲取

2.1.1 實驗圖像采集系統

本實驗采用高光譜成像儀（四川雙利合譜）搭建的戶外高光譜圖像信息采集系統。高光譜圖像采集系統圖，如圖1所示，包括GaiaSky-mini2機載高光譜成像儀、三腳支架、顯示器、置物板和便捷式大功率移動電源等組成。

圖1 高光譜圖像采集系統

2.1.2 實驗樣本

實驗以2019年貴州省息烽縣（黔中地區）、安龍縣（黔西南地區）、道真縣（黔北地區）和威寧縣（黔西北地區）四個地區的的云煙87中部煙葉為研究對象，于7月～8月采集煙葉樣本，采集了未熟、成熟、過熟煙葉樣本總數共308個，由貴州省煙草科學研究院專家對煙葉樣本及其成熟度進行判別。

在煙葉采摘期，選擇天氣晴朗、無風的天氣進行拍攝，適宜拍攝時間為每日10：00-14：00之間。高光譜相機的攝像頭與置物板距離為5m～6m，拍攝時將標準白板與煙葉樣本拍入高光譜圖像中，標準白板數據作為白幀數據，每天拍攝結束時蓋上鏡頭蓋采集黑幀數據。

2.2 樣本數據集與模型訓練

2.2.1 研究方案

本文旨在使用高光譜成像技術判別煙葉成熟度。設計其判別流程圖，如圖2所示。主要步驟：1）搭建實驗戶外高光譜圖像信息系統，拍攝煙葉的高光譜圖像并對圖像黑白校正；2）選取鮮煙葉樣本的高光譜圖像感興趣區域（Region of Interesting，ROI）并計算ROI平均光譜曲線，進行Savitzky-Golay卷積平滑預處理；3）計算光譜參數，建立PLS-DA模型。

圖2 鮮煙葉成熟度判別流程圖

2.2.2 高光譜圖像校正

高光譜相機采集的光譜圖像數據，取決于鏡頭透過率、光源的強度、光源的光譜、相機的光譜響應效率、光譜儀的衍射效率以及被測物體的光譜反射率。為了消除光照強度不均勻以及成像儀鏡頭中暗電流所伴隨噪聲的影響，需要對采集到的高光譜鮮煙葉圖像進行黑白校正。黑白校正算法如下式（1）所示：

式中，Sci表示原始樣品數據，Dci表示暗背景數據，也稱黑幀數據，Wci表示白板數據也稱白幀數據。

2.2.3 提取光譜數據及預處理

將經過校正完成的鮮煙葉葉片高光譜圖像導入ENVI5.3軟件中，利用ENVI5.3軟件，對鮮煙葉的感興趣區域（Region of Interesting，ROI）進行繪制。提取每個樣本ROI內所有像素點光譜反射率的平均光譜作為該樣本的光譜，統共得到了308個樣本，其中未成熟90個，成熟117個，過熟樣本101個。

為了消除光譜信息中噪聲的影響，在建模前應用Matlab2016a對原始光譜曲線進行預處理來提高模型的精確度。本次采用SG卷積平滑處理，可減小由于隨機因素產生的誤差，更好地體現出煙葉光譜特征。從308樣本中隨機抽取208個（60個未成熟、79個成熟、69個過熟）作為模型的訓練集，其余的100個（未成熟30個、成熟38個、過熟32個）作為測試集。

2.3 多光譜參數

2.3.1 光譜指數

從現有的煙葉成熟度研究表明，隨著煙葉的成熟程度的提高，煙葉中的葉綠素含量、胡蘿卜素與總氮含量會降低，但類胡蘿卜素占色素總量的比例會提高，煙堿含量、水分含量等隨著成熟度的不同也會存在差異。由不同成熟度鮮煙葉生化成分的不同［13～15］，參考文獻［16］關于植物光譜指數的論述，指出不同成熟度鮮煙葉中葉綠素含量、類胡蘿卜素含量和水分含量的差異，應用文獻中的6個光譜指數（Spectral Indices，SIs）作為成熟度判別的參數，如表1所示。研究6個光譜指數與鮮煙葉成熟度間的相關關系，經對比分析后，優選出最相關的3個參數作為判別模型的輸入參數。

表1 光譜指數定義和功能描述

2.3.2 可見光光譜參數

對三種成熟度鮮煙葉的光譜在可見光波段不同成熟度的煙葉有明顯的區分效果。選取可見光波段紅光波段中650nm波段、綠光波段中550nm波段及藍光波段中450nm波段的光譜信息，建立4個可見光光譜參數用于煙葉的成熟度的判別分析：

2.4 成熟度模型判別方法

偏最小二乘法判別分析（PLS-DA），是一種用于別分析多變量統計分析方法，結合了偏最小二乘回歸的屬性和分類分析技術的判別能力。在處理時，將樣本判別向量（樣本有m個類別）轉換為n行（n個樣本）和m列的虛擬矩陣Y（n×m）。本研究中m為3，代表3個成熟度，每一個樣本的判別向量Y為一行三列，即Y＝［Y1，Y2，Y3］，其中Y1，Y2，Y3分別為未成熟、成熟、過熟煙葉三類煙葉的判別元素。本研究參考文獻［17］的PLS-DA方法，通過將虛擬的等級值1、2、3分配給未熟、成熟、過熟煙葉來建立PLS-DA判別模型，并將預測樣本的數值代入Y中，其中Y的最大值所對應類別即為該樣本的成熟度類別的歸類規律，進行預測分類判別，即Y中Y2的數值最大，即判斷該樣本為成熟煙葉。

3 結果與小結

3.1 鮮煙葉光譜的處理

3.1.1 預處理

圖3為三種不同成熟度鮮煙葉的原始光譜曲線圖（圖3（a））與SG卷積平滑處理后的光譜曲線圖（圖3（b））。如圖3（b），在SG平滑處理后，光譜曲線在可見光波段去除噪聲無明顯效果，但近紅外波段（780nm～1000nm）去除噪聲的效果較好，原始光譜曲線由噪聲引起的曲線抖動跡象有了很好的改善，尤其在900nm～1000nm波段消除了大量的噪聲。

圖3 原始光譜預處理

三種成熟度的鮮煙葉平均在400nm～735nm有明顯的區分效果，其中450nm、550nm和650nm光譜反射率統計如表2。從表中可以看出，在450nm、550nm和650nm處不同成熟度鮮煙葉光譜反射率范圍間反射率略有交叉，平均值隨著成熟度增加而增大。

表2 煙葉可見光譜波段反射率統計

3.1.2 鮮煙葉平均光譜

由圖4可以看出，三種成熟度鮮煙葉的平均光譜曲線在400nm～680nm可見光波段具有顯著的識別效果。鮮煙葉光譜反射率隨著煙葉成熟度的增加而增加，特別在550nm～680nm之間的最為顯著。因此，不同成熟等級的煙葉在葉綠素、類胡蘿卜素、含水量等存在的差異所造成光譜的不同，可利用鮮煙葉成熟度的判別。

圖4 三種不同成熟度鮮煙葉的平均光譜曲線

3.2 多光譜參數

如圖5所示，將6個光譜指數與4個可見光光譜參數進行歸一化處理，歸一化處理后光譜參數。可以看出三種煙葉樣本的10個參數均存在差異，說明了這些參數用于煙葉的成熟度的判別具有可行性。選出mNDVI705、SIPI、VOG3、I1、I2、I3、I4用于鮮煙葉不同成熟度的判別，這7個參數的數值隨著鮮煙葉成熟度變化具有一定的線性變化規律，將它們組合為多光譜參數，作為PLS-DA判別模型輸入變量的自變量X，分別為X1、X2、X3、X4、X5、X6、X7，即X=［X1，X2，X3，X4，X5，X6，X7］。

圖5 歸一化后光譜多參數均值統計

3.3 PLS-DA判別結果可視化

以光譜指數（mNDVI705、SIPI、VOG3）和可見光光譜參數（I1、I2、I3、I4）組成的多光譜參數作為煙葉成熟偏最小二乘法判別分析模型（PLS-DA）的特征向量組，將三種不同成熟度作為PLS-DA模型輸入變量因變量Y（判別向量）。圖6為煙葉樣本的判別結果，可以看出30個未熟煙葉中，有29個Y1數值最大，但第7個樣本的Y2數值最大，將該樣本被誤判為成熟煙葉，正確率為96.67%；圖6（b）為測試集中38個成熟煙葉中，均為Y2數值最大，38個都判為成熟樣本，未出現樣本判斷錯誤，正確率為100%；圖6（c）為預試集中32個過熟煙葉中，有31個Y3數值最大，但第6個樣本的Y2最大，將該樣本被預測為成熟煙葉，正確率為98%。

圖6 鮮煙葉樣本的判別結果

4 結語

本文利用高光譜成像技術實現了對三種不同成熟度（未熟、成熟、過熟）煙葉分類判別。主要結論如下：

1）煙葉成熟度不同，反映其光譜特性也不相同，植物光譜指數（mNDVI705、SIPI、VOG3）和可見光段參數（I1、I2、I3、I4），用于煙葉的成熟度判別，有良好的判別效果，減少了輸入全光譜波段數值的計算量。

2）通過PLS-DA判別方法結合多光譜參數建立了煙葉的成熟度的判別模型和回歸方程，分類識別的準確率良好，訓練集和測試集判別效果分別為98.56%與98%，說明了PLS-DA算法可實現三種不同成熟度的煙葉的判別。

3）本研究實現了快速、無損地判別煙葉的成熟度，建立了基于高光譜技術的煙葉成熟度判別模型，結合高光譜遙感技術可實現田間煙葉成熟度判別，適熟采收煙葉，提高烤后煙葉的質量。