Для точной классификации марок сигарет предложен новый метод быстрого распознавания марок сигарет на основе анализа ближнего инфракрасного спектра (NIRS) в сочетании с контролируемым распознаванием образов. Спектры табачной продукции предварительно обрабатывались методами стандартного нормального вариационного преобразования (SNV), множественной рассеянной коррекции (MSC), первой производной (FD), второй производной (SD) и сглаживания Савицкого-Голея (SG), а также их сочетаниями. С использованием анализа главных компонентов (PCA), дискриминантного анализа с частичной наименьших квадратов (PLS-DA) и ортогонального PLS-DA (OPLS-DA) проводилось исследование классификации различных марок табака, а точность классификации использовалась в качестве оценочного показателя. Результаты экспериментов показали: (1) графики оценок главных компонентов спектров ближнего инфракрасного излучения табака перекрываются и не дают четкого разделения; PCA не смог распознать 5 марок готового табака; (2) модель PLS-DA с предварительной обработкой MSC+FD показала хорошие результаты распознавания с точностью классификации 100% на калибровочном наборе и 98,3% на тестовом наборе; (3) модель OPLS-DA с предварительной обработкой MSC+SD обеспечила наилучшее распознавание, показатели подгонки независимых переменных (R2X), зависимых переменных (R2Y) и прогноза модели (Q2) составили 0,485, 0,907 и 0,748 соответственно, а точность классификации на калибровочном и тестовом наборах составила 100%. Это указывает на то, что метод классификации марок табака на основе ближнего инфракрасного спектра в сочетании с контролируемым распознаванием образов OPLS-DA является эффективным, быстрым, точным и неразрушающим, предоставляя новый быстрый метод распознавания классификации табачного сырья.

ближний инфракрасный спектр; готовый табак; классификация и распознавание; метод анализа главных компонентов (PCA); метод дискриминантного анализа с частичной наименьших квадратов (PLS-DA); метод ортогонального дискриминантного анализа с частичной наименьших квадратов (OPLS-DA)