Для изучения взаимосвязи между онлайн-спектром ближнего инфракрасного света табачной резки и марками сигарет предложен метод классификации марок сигарет на основе гибридной модели ResNeXt18-CNN-LightGBM. Сначала проведена предварительная обработка спектральных данных онлайн-измерений образцов табачной резки, затем с помощью модели сети ResNeXt18 выполнено первичное извлечение признаков из обработанных спектров. После этого извлечённые признаки вводятся в пользовательскую трёхслойную сверточную нейронную сеть (CNN) для вторичного извлечения признаков. В конце признаки, извлечённые CNN, подаются в классификатор LightGBM для обучения классификации марок. Результаты показывают, что точность классификации марок табачной резки с использованием модели ResNeXt18-CNN-LightGBM достигает 97%. По сравнению с традиционными отдельными моделями хемометрического анализа, предложенный в статье метод классификации марок сигарет на основе комбинированного алгоритма сверточных нейронных сетей прост в реализации, обладает высокой точностью и стабильностью, и может применяться для онлайн-идентификации марок в табачной промышленности, что имеет важное значение для управления брендами, оценки качества производства и контроля качества сигарет.

онлайн ближний инфракрасный спектр; марки сигарет; ResNeXt18; LightGBM; результаты классификации