模型传递是近红外光谱分析技术中一个关键的共性基础技术问题, 通过在同一工作原理的两台仪器之间寻求可行的数学方法, 使得在一台仪器上建立的模型能够应用于另外一台仪器样品光谱响应的预测, 对近红外技术的实际应用具有重要意义。 以150份烤烟作为试验样品, 以两台布鲁克公司MPA近红外光谱仪, 一台热电公司Antaris近红外光谱仪作为研究对象, 通过积分球漫反射检测技术获得光谱数据。 采用一阶导数(first-order derivative, 1st Der)和标准正态变量变换（standard normal variate, SNV)对光谱数据进行处理分析, 计算不同仪器间光谱的残差值、 残差一阶矩、 残差信号概率密度和最大信噪比等参数, 并采用偏最小二乘法（partial least squares, PLS）建立烤烟总糖含量数学模型, 检验模型传递效果。 结果表明, 一阶导数具有降低残差一阶矩, 将仪器偏差信号转换为标准高斯分布的优点, 但同时会降低信噪比。 标准正态变量变换同样可以降低一阶矩, 同时可大幅度提高信噪比, 但无法将仪器偏差信号转换为标准高斯分布, 需要进一步的信号处理。 一阶导数与SNV相结合可保留两种方法的优点, 同时在一定程度上弥补每种方法单独处理的缺点, 是一种可以消除以积分球漫反射作为光谱测量方式的因仪器厂家或型号不同、 使用年限不同等原因所产生的噪声的处理方法, 可实现傅里叶型近红外光谱仪之间的模型传递效果的明显改善。

卷积神经网络(CNN)在图像分类识别领域应用广泛, 但其在近红外光谱分类中的研究还未见报道, 对基于CNN的近红外光谱分类建模方法进行了研究。 针对近红外光谱数据的特点, 提出了一种改进的卷积神经网络建模方法, 对CNN经典模型LeNet-5所做改进: ①将方形矩阵卷积核改为适用于一维近红外光谱的向量卷积核; ②简化网络结构, 将LeNet-5结构中C5, F6及输出层改为单层感知机。 同时, 采用隔点采样的方法对近红外光谱降维, 加快收敛速度; 并对卷积核尺寸对建模结果的影响进行了研究。 以我国东北、 黄淮、 西南三大烤烟产区的600个中部烟叶样本的近红外光谱为实验对象, 建立烟叶产区分类NIR-CNN模型。 该模型对训练集和测试集的判别准确率为98.2%和95%。 实验结果表明, 应用卷积神经网络可对近红外光谱数据准确、 可靠地判别分类; 烟叶产区NIR-CNN建模方法可为卷烟企业烟叶原料科学合理利用提供指导, 为维护卷烟产品的质量稳定有重要意义; 基于卷积神经网络的近红外光谱判别方法也可推广到其他农产品的分类应用中。

颜色和部位是烟叶分级的重要组成部分, 是影响烟叶质量的关键因素。 以红塔集团提供的6类工业分级烟叶标样作为试验样品, 其中包括上(B)、 中(C)、 下(X)三个部位, 每个部位包含桔黄(O)、 柠檬黄(L)两个色组。 采用基于主成分及Fisher准则(PPF)的方法和支持向量机(SVM)方法分析烟叶可见-近红外高光谱的颜色和部位特征, 结果表明, 采用PPF投影模型法分别对烟叶颜色、 部位以及颜色和部位分组进行投影和相似性分析, 两种颜色能完全区分, 其相似度值为-1.00 08; 上部烟叶和下部烟叶能完全区分, 与中部烟叶有部分交集, 其中上部烟叶和下部烟叶的相似性值为-0.405 3; 6类分组烟叶样品能完全区分, 且投影位置关系符合实际的烟叶外观特点。 采用SVM方法分别对烟叶颜色、 部位以及颜色和部位分组进行判别分析, 烟叶颜色的平均识别正确率达到98%, 部位的平均识别正确率为96%, 颜色和部位分组的平均识别正确率为94%, 判别效果良好。 因此, 应用可见-近红外高光谱分析烟叶的颜色和部位特征具有可行性, 为烟叶质量评价、 计算机辅助分级以及烟叶智能收购等方面提供参考, 同时也为其他农产品外观特性的分析提供了一种新方法。

提出了一种以样品光谱类间相关系数之和最小为准则进行光谱波长逐步筛选的方法（stepwise selection basing on minimum sum of correlation coefficients, SMCC）, 以类间距离与类内距离和的比值最大化（符合分析者主观预期目标）作为定性分析中特征波长筛选效果的评价依据, 并使用红塔集团提供的2012年17种不同类型工业分级烟叶作为试验样品, 以验证筛选方法的有效性。 研究表明, 采用CO1分级烟叶光谱作为参照类别, 筛选出10个特征波长点: 采用特征波长计算得到的类内欧氏距离的平均值为采用全部波长计算得到的平均值的1.69倍, 采用特征波长计算得到的类间欧氏距离的平均值为采用全部波长计算得到的平均值的3.70倍, 采用特征波长计算得到的类间欧氏距离与类内欧氏距离和的比值的平均值为采用全部波长计算得到的平均值的2.21倍。 特征波长的类间与类内欧氏距离和的比值增大, 说明筛选出来的特征波长能更加有效的表达不同类间的远近关系以及同一类内的离散度, SMCC算法是一种有效的、 可应用于近红外光谱定性分析中的特征波长筛选方法。

以2010年红塔集团在云南4个烟叶生产基地内收集的中部上等烟叶样品为试验对象, 其中玉溪、 楚雄、 昭通的烤烟品种为K326, 大理的烤烟品种为红大, 共计烟叶近红外光谱1 276条; 应用光谱特征投影及相关分析等方法对不同烤烟生产基地之间烟叶近红外光谱的分析结果表明: 将样品随机按2: 1划分为分析集与验证集后, 其分析集与验证集的一维、 二维投影均值的相关系数都达到0.99以上, 具有较好的一致性; 同时, 应用一种相似度计算方法得到了不同基地的烟叶样品光谱之间的相似度值, 该相似度值可为烟叶的种植规划、 质量管理以及烟草工业企业的原料收购和烟叶配方等提供参考。

以红塔集团2007年—2010年在云南省玉溪烤烟产区内采集的主要工业分级烟叶样品为试验对象, 其品种为红大, 包括不同部位及色组的主要工业分级, 共计近红外光谱5 730条; 应用光谱特征投影及相关分析方法对不同年度的主要分级烟叶近红外光谱的分析结果表明: 相同年度下, 将各类型工业分级样品随机按2∶1划分为分析集与验证集后, 其分析集与验证集特征投影均值的相关系数达0.98以上, 具有较好的一致性; 不同年度间, 其工业分级样品光谱特征投影均值的相关系数在0.97以上, 其中年度一致性最高的是2008年和2009年, 较低的是2007年和2010年。 同时, 应用一种相似度计算方法得到了各工业分级样品光谱之间的相似度值, 该相似度值以及不同年度之间的一致性系数, 可为烟叶的模块配方组合或替代等提供量化的参考数据。

以红塔集团2010年玉溪、 楚雄、 昭通产区内经工业分级后不同部位及色组的中上等烟叶样品为试验对象, 其烤烟品种为K326, 共计3个产区、 六种中上等工业分级17类样品的近红外光谱6 064条； 应用光谱特征投影及相关分析等方法对17类烟叶样品近红外光谱的分析结果表明: 第1维光谱特征投影均值区分不同分级类型的概率为84%, 第2维光谱特征投影均值区分不同产区类型的概率为71%。 因此, 通过光谱特征投影能够重现性较好地量化解释分级和产区造成烟叶品质的差异, 其量化数据可以作为烟叶跨区模块组合的参考。

以2010年云南、 河南、 福建、 广东、 江西等省份11个不同生态环境地点， 三个部位烟叶共495份样品为试验对象， 应用近红外光谱分析不同生态环境烟叶的品质特性， 结果表明： 相同生态环境下， 上部与中部烟叶的品质特性差异较小， 而上部与下部、 中部与下部烟叶的品质特性差异较为明显； 不同生态环境下烟叶的品质特性间的相似性关系具有较好的一致性， 其分析集与验证集特征投影值的相关系数达0.98以上。 同时提出了一种相似度计算方法来表征不同生态环境下烟叶品质特性之间的相似关系， 其结果可为烟叶的种植规划、 质量管理以及烟叶配方等提供量化的参考数据。