タバコ葉のオンライン近赤外分光とタバコ銘柄との関係を探るために、ResNeXt18-CNN-LightGBM混合モデルに基づくタバコ銘柄分類識別方法を提案した。まず収集したタバコ葉サンプルのオンライン分光データを前処理し、ResNeXt18ネットワークモデルを用いて前処理後の分光の一次特徴抽出を行った。次に抽出された特徴をカスタムの3層畳み込みニューラルネットワーク（CNN）モデルに入力し、二次特徴抽出を実施した。最後にCNNで抽出した特徴をLightGBM分類器に代入して銘柄分類の学習を行った。結果は、ResNeXt18-CNN-LightGBMモデルにおけるタバコ葉銘柄分類の精度が97％に達することを示した。従来の単一化学計量学アルゴリズムと比較して、本論文で提案した畳み込みニューラルネットワーク組み合わせアルゴリズムに基づくタバコ銘柄分類識別方法は簡便で実行性が高く、精度および安定性にも優れており、たばこ産業の製造における銘柄のオンライン識別に応用可能であり、たばこブランドの管理、生産品質評価および品質管理に重要な意義を持つ。

オンライン近赤外分光;たばこ銘柄;ResNeXt18;LightGBM;分類効果