Cette étude utilise l'algorithme SIFT (Scale-Invariant Feature Transform) unidimensionnel pour identifier les longueurs d'onde caractéristiques stables dans le spectre proche infrarouge (NIRS) du tabac. En se basant sur les longueurs d'onde sélectionnées par le test de précision des échantillons, la répétabilité et la reproductibilité sont calculées. Les paramètres pertinents de l'algorithme SIFT sont optimisés à l'aide d'un tableau orthogonal L9(33) afin d'obtenir une répétabilité et une reproductibilité maximales. Sur la base des paramètres optimisés et des spectres de 10 échantillons représentatifs sur l'hôte, 10 ensembles de longueurs d'onde stables sont sélectionnés. La réponse spectrale de l'union de ces ensembles est utilisée comme variable indépendante, et une méthode de moindres carrés partiels (PLS) est employée pour construire un modèle NIRS des alcaloïdes totaux du tabac (appelé SIFT-PLS). Ce modèle est directement transféré à 3 esclaves, et l'erreur relative moyenne de prédiction (MRE) des alcaloïdes totaux des échantillons de ces 3 esclaves répond à l'exigence interne de l'entreprise (inférieure à 6%). En revanche, le modèle à spectre complet (WW-PLS), après transfert direct, ne satisfait cette exigence que pour un seul esclave. Après correction des spectres des esclaves par la méthode de correction directe segmentée (PDS), le modèle WW-PLS satisfait également l'exigence pour un seul esclave. Le modèle NIRS construit avec l’algorithme SIFT pour sélectionner des longueurs d'onde stables peut être partagé directement entre les 3 esclaves sans transfert de lots, ni correction des spectres ou du modèle, réalisant ainsi un véritable transfert direct de modèle NIRS sans échantillons étalons.

Transformation des caractéristiques invariante à l'échelle; sélection de longueurs d'onde; transfert de modèle de spectre proche infrarouge; alcaloïdes totaux du tabac