Afin d'améliorer la précision du spectromètre proche infrarouge portable dans la détection de la teneur en nicotine des feuilles de tabac, cet article propose une méthode de détection quantitative optimisée. Tout d'abord, les données spectrales des feuilles de tabac sont collectées à l'aide du spectromètre proche infrarouge portable et soumises à un prétraitement par dérivée première ; ensuite, les coefficients de longueur d'onde non linéaires sont extraits par une méthode d'exploration d'information maximale basée sur un test non paramétrique, et les coefficients déterministes linéaires des longueurs d'onde sont extraits par régression linéaire ; puis, en combinant le seuil de décision des coefficients de corrélation, la combinaison des longueurs d'onde est divisée en bandes linéaires et non linéaires à l'aide d'un algorithme de perceptron multicouche, et des modèles prédictifs sont établis respectivement. Enfin, les résultats prédictifs de chaque bande sont combinés avec différents coefficients de pondération et comparés aux résultats de modélisation traditionnelle utilisant la méthode des moindres carrés partiels sur toute la bande. Les résultats montrent que le coefficient de corrélation du modèle basé sur les bandes combinées a augmenté de 6,57 %, l'erreur absolue moyenne a diminué de 26,05 % et l'erreur relative moyenne a diminué de 28,11 %. Cette méthode améliore significativement la précision de prédiction du modèle, répondant aux besoins pratiques de détection rapide, précise et non destructive de la teneur en nicotine dans les feuilles de tabac avec un spectromètre proche infrarouge portable.

spectromètre proche infrarouge portable; teneur en nicotine; test non paramétrique; régression linéaire; perceptron multicouche