图2-2 烟丝样本 10

图2-3 假烟丝标本 10

图2-4 真烟烟丝 10

图2-5 假烟烟丝 10

图2-6 待定烟烟丝 10

图2-7 所有样本反射率曲线 11

图2-8 样本反射率平均曲线 11

图2-9 实验室高光谱成像仪 10

图3-1 主成分图像 14

图2-11 三维立方图 10

表清单

表序号 表名称 页码

表3-1 特征波长在(717.85nm)处所有数据的单因素分析ANOVA 12

表3-2 特征波长在(717.85nm)处所有数据的多重比较 12

表3-3 特征波长在(833.72nm)处所有数据的单因素分析ANOVA 15

表3-4 特征波长在(833.72nm)处所有数据的多重比较 15

1 绪论

香烟历史悠久，是一种日常生活随处可见的消费品。我国是人口大国，烟民数目庞大，烟可以缓解人的精神压力，但是吸烟有害健康。目前市场上香烟种类繁多，各式各样。但假烟也占据了一部分市场。以次充好，冒充真烟厂。假烟对人体伤害更大，生产的小作坊坏境恶劣，交叉污染，达不到国家卫生标准。生产工艺落后，正规烟多采用高新技术对烟丝进行降焦处理，而假烟则为了节约成本，将没有经过复烤、发酵、醇化等降焦过程的卷烟投入市场，对消费者造成极大的身心伤害，使患病概率大大增加。

传统的分辨真假烟方法，有看，摸，品，拆等方法，简单易行，但是造假技术也在不断提升，其准确性欠佳。本实验用高光谱成像技术的检测手法，对真假烟丝进行光谱分析，通过得到不同的反射曲线，鉴定烟的品质。高光谱具有简单，快速，大批量，无损耗的特点。高光谱技术是近年来发展的新技术，它集中了光学，电子学，光电子学，信息技术，计算机应用等领域的先进研究技术， 将二维成像图像和光谱技术有机的结合在了一起。在紫外到近红外(200~2252nm)的光谱范围内，对物体进行成像，获取到一个立方数据，不仅得到图像上每个点的光谱数据，还可以获得任何一个谱段的影像信息。物质的反射光谱像人的指纹一样，根据不同物质不同谱，同种物质一定同谱来分辨不同的物质信息。成像光谱技术是集探测器技术、精密光学机械、微弱信号检测、计算机技术、信息处理技术于一体的综合性技术。其最大特点是将成像技术与光谱探测技术结合，在对目标的空间特征成像的同时，对每个空间像元经过色散形成几十个乃至几百个窄波段以进行连续的光谱覆盖。这样形成的数据可以用“三维数据块”来形象地描述。其中x和y表示二维平面像素信息坐标轴，第三维(λ轴)是波长信息坐标轴。高光谱图像集样本的图像信息与光谱信息于一身。图像信息可以反映样本的大小、形状、缺陷等外部品质特征，由于不同成分对光谱吸收也不同，在某个特定波长下图像对某个缺陷会有较显著的反映，而光谱信息能充分反映样品内部的物理结构、化学成分的差异。这些特点决定了高光谱图像技术在农产品内外部品质的检测方面的独特优势。目前高光谱广泛运用于农业，地质检测，刑事侦查，药品分析，医疗诊断等各个领域。蔡健荣等[1]在柑橘外部品质检测中采用主成分分析，选取3个特征波段，完成特征提取后正确率达到90%。张保华等[2] 比较具体的描述了高光谱成像技术在水果和蔬菜外部品质、内部品质和品质安全检测中的原理、发展和应用。同时介绍和讨论了高光谱成像系统的构成、常用的数据分析方法。赵艳茹等[3]通过高光谱可视化SPAD值，反映植物叶绿素含量，从而监测植物生长状况及判别南瓜叶片霜霉病疫情。周竹等[4][12]用高光谱对马铃薯的外部缺陷检测，通过主成分分析，是缺陷识别率达到96.65%。冯雷等[5]对通过高光谱成像技术建立模型完成茄子叶片灰霉病的早期检测。余克强等[6]高光谱成像后采用偏最小二乘回归(PLSR)、连续投影法(ＳＰＡ)和全波段图像主成分分析(ＰＣＡ)，建立判别模型，可判别鲜枣裂纹。张雷蕾等[7]通过猪肉反射曲线，分别经过2 次Savitzky-Golay(S-G)平滑、多元散射校正(MSC)处理后，建立PLSR(偏最小二乘法)预测模型，检测猪肉的新鲜度，准确率达91%。吴建虎等[14]做的是牛肉的新鲜度，异曲同工。谭克竹等[8]通过主成分分析法，对大豆进行品种的识别，准确率达93.88%。薛龙等[9]用脐橙为实验对象，表明高光谱技术对检测较高浓度农药残留非常明显。同时郭恩有等[13]对应用人工神经系统建立模型进行脐橙糖度检测。表明其可行性。洪添胜等[10]对雪花梨品质进行检测。建立预测模型表明其可行性。郭志明等[11]检测的是苹果品质。唐雪梅等[15]采用近红外光谱技术对烟品质进行初步对卷烟真假的鉴定，表明其可行性，有较好应用前景。李瑞丽等[16]张建平等[17]详细的描述近红外光谱检测技术在烟草分析中的应用及发展趋势。同时了解吉绍长等[18]对真假烟判别的研究，为实验前期质量检测奠定基础。