Para melhorar a precisão do espectrômetro portátil de infravermelho próximo na detecção do teor de nicotina nas folhas de tabaco, este artigo propõe um método quantitativo otimizado. Primeiro, os dados espectrais das folhas de tabaco são coletados usando o espectrômetro portátil de infravermelho próximo e processados por derivada de primeira ordem; em seguida, os coeficientes de comprimento de onda não lineares são extraídos por meio de um método de exploração máximo de informação de teste não paramétrico, e os coeficientes determinantes lineares do comprimento de onda são extraídos por regressão linear; depois, combinando o limite do coeficiente de correlação como limiar de decisão, a combinação de comprimentos de onda é dividida em bandas lineares e não lineares usando um algoritmo de perceptron multicamada, estabelecendo modelos preditivos para cada uma. Finalmente, os resultados preditivos de cada banda são combinados por diferentes coeficientes de peso e comparados com os resultados da modelagem tradicional usando o método de mínimos quadrados parciais em toda a banda. Os resultados mostram que o coeficiente de correlação do modelo baseado em bandas combinadas aumentou 6,57%, o erro absoluto médio diminuiu 26,05% e o erro relativo médio diminuiu 28,11%. Este método melhorou significativamente a precisão preditiva do modelo, atendendo às necessidades práticas de detecção rápida, precisa e não destrutiva do teor de nicotina nas folhas de tabaco usando o espectrômetro portátil de infravermelho próximo.

espectrômetro portátil de infravermelho próximo; teor de nicotina; teste não paramétrico; regressão linear; perceptron multicamada