基于NIR技术和ELM的烤烟烟叶自动分级

为解决初烤烟叶收购中人工分级主观因素影响较大的问题,提出了一种基于近红外(NIR)光谱技术结合极限学习机(ELM)算法自动鉴别烟叶等级的方法.文章首次提出基于品质相似、价格接近原则的烟叶收购分组方法,通过交互检验优化ELM分组、分级模型的隐节点数,并与K最近邻法(KNN)、支持向量机(SVM)和随机森林(RF)等多分类算法进行了比较.结果表明:ELM分类模型参数自动优化、训练时间短、稳定性和预测能力较好,2014年(数据集A)、2015年(数据集B)烟叶收购国标样本上、中、下等烟外部预测分组正确率分别为95.77％和94.23％,数据集A和B的上、中、下等烟各组样本外部预测分级正确率分别为85.71％、86.67％、100％和100％、92.86％、92.86％.因此,采用NIR技术结合ELM能准确鉴别初烤烟叶等级,可为烤烟烟叶收购质量等级评价提供一种新技术.