本发明提供一种用于烟草生产线烟丝杂质的在线检测方法，其包括数据降维和烟丝杂质检测两部分，具体实施步骤为：数据降维通过改进的最佳指数法对烟丝光谱图像数据进行波段选择，实现数据降维，在计算最佳指数前依次对烟丝光谱图像数据进行去噪、采样和分组三次筛选，从而选出信息量较大、波段间相关性较小、数量较少的波段子集；烟丝杂质检测将深度卷积神经网络与邻域去散点算法相结合，先通过训练好的卷积神经网络模型对待识别光谱图像各点进行初步识别，得到分类图像；再通过邻域去散点算法对分类出的杂质进行再识别，剔除分类图像中杂质中的错分的散点。
根据光谱图像中各点的反射率对其进行分类，有效减小光照变化对分类结果的影响。

张立国 孙胜春 金梅 张少阔 张子豪 张勇 刘博 郎梦园

燕山大学

066004 河北省秦皇岛市海港区河北大街西段438号

本发明提供一种用于烟草生产线烟丝杂质的在线检测方法，其包括数据降维和烟丝杂质检测两部分，具体实施步骤为：数据降维通过改进的最佳指数法对烟丝光谱图像数据进行波段选择，实现数据降维，在计算最佳指数前依次对烟丝光谱图像数据进行去噪、采样和分组三次筛选，从而选出信息量较大、波段间相关性较小、数量较少的波段子集；烟丝杂质检测将深度卷积神经网络与邻域去散点算法相结合，先通过训练好的卷积神经网络模型对待识别光谱图像各点进行初步识别，得到分类图像；再通过邻域去散点算法对分类出的杂质进行再识别，剔除分类图像中杂质中的错分的散点。
根据光谱图像中各点的反射率对其进行分类，有效减小光照变化对分类结果的影响。