高光谱技术如何识别烟叶霉变？彩谱科技高光谱应用案例

烟叶质量直接影响后续加工与产品品质。在烟叶储存、运输及加工过程中，受环境温湿度等因素影响，烟叶可能出现霉变现象。部分霉变区域颜色变化不明显，加上烟叶本身存在褶皱、叶脉及色泽差异，仅凭肉眼观察，容易遗漏局部异常。

那么，对于肉眼难以辨别的烟叶霉变区域，能否通过光谱信息进行识别？

彩谱科技利用FS-13高光谱相机开展烟叶霉变检测实践，通过采集不同区域的光谱数据，结合反射率曲线分析与相似度聚类处理，探索高光谱技术在烟叶质量检测中的应用。

一、烟叶霉变检测面临哪些难点？

烟叶在自然干燥、醇化和储存过程中，外观颜色会发生变化。正常烟叶通常呈现不同程度的黄色、棕色或褐色，而部分霉变区域可能与正常区域颜色接近，导致人工识别存在一定难度。

此外，烟叶表面的褶皱、叶脉及厚薄差异，也会对外观判断产生干扰。

传统人工检查主要依赖观察经验，对于较为明显的霉斑能够进行初步判断，但对于局部、隐蔽的异常区域，还需要借助其他检测手段进行辅助分析。

高光谱成像技术能够同时获取样品的空间图像和光谱信息，为烟叶异常区域识别提供更多数据依据。

图1：烟叶样品图

二、高光谱成像为什么能用于烟叶霉变检测？

高光谱成像技术将光谱分析与图像采集相结合，不仅能够记录烟叶表面的形态信息，还可以获取不同位置在多个波长下的光谱响应。

不同状态的烟叶，其内部成分、组织结构及表面特征可能存在差异，进而影响对不同波长光线的吸收和反射。

通过分析这些光谱差异，可以寻找正常区域与疑似霉变区域之间的特征变化。

三、彩谱科技烟叶霉变检测实践

本次实践在客户现场取样，检测对象为大片烟叶。样品局部存在黑色霉变，但由于部分异常区域不易通过肉眼直接辨别，因此采用高光谱成像技术开展分析。

实验设备与配置：

l 高光谱相机：彩谱 FS-13

l 光谱采集与分析软件：FigSpec Studio / FigSpec Scan

l 报告涉及光谱范围：400-1000nm

·

实验通过采集烟叶不同位置的光谱数据，观察正常区域与疑似霉变区域之间的反射率变化，并进行后续图像分析。

1. 光谱数据采集

在400-1000nm波段范围内，对烟叶不同位置进行像素点选取，提取相应的反射率曲线。

通过对比不同区域的光谱响应，观察疑似霉变位置与其他区域之间是否存在差异。

2. 光谱曲线分析

实验结果显示，在400-1000nm波段范围内，疑似霉变区域与其他区域的反射率曲线存在差异。

其中，报告记录的霉变区域在675nm附近呈现明显的吸收特征，为后续区域识别提供了光谱依据。

需要说明的是，该波段特征来自本次测试样品，实际检测时仍需结合烟叶品种、状态及样品条件进行分析。

图2-3：不同位置的反射率曲线对比图

四、相似度聚类分析，让异常区域更直观

获得光谱数据后，利用配套软件对烟叶图像进行处理，通过相似度聚类分析，将具有相近光谱特征的像素进行归类。

从处理结果可以看到，烟叶不同区域呈现出不同的伪彩色分布，部分疑似霉变区域与周围正常区域形成了较为明显的区分。

这种处理方式将原本不易直接观察的光谱差异转化为可视化图像，有助于工作人员定位异常区域，并进一步开展针对性检查。

图4：烟叶相似度聚类分析结果图

五、高光谱技术在烟叶质量检测中的应用价值

从本次实践结果来看，高光谱成像技术能够获取烟叶不同位置的光谱信息，并通过反射率分析和相似度聚类处理，辅助识别存在霉变的区域。

对于烟叶质量检测而言，这种方式具有一定的应用价值：

辅助异常识别：利用光谱特征差异，为肉眼不易判断的局部异常提供辅助分析依据。

实现区域可视化：通过图像处理直观展示不同光谱特征区域，便于观察异常位置及分布情况。

支持后续研究：保存样品光谱数据，为不同状态烟叶的特征分析、样本积累及检测模型开发提供基础。