Para mejorar la precisión del espectrómetro portátil de infrarrojo cercano en la detección del contenido de nicotina en hojas de tabaco, este artículo propone un método cuantitativo optimizado. Primero, se recopilan datos espectrales de hojas de tabaco utilizando el espectrómetro portátil de infrarrojo cercano y se realiza un preprocesamiento de derivada de primer orden; luego, mediante un método de exploración de máxima información de prueba no paramétrica, se extraen los coeficientes de longitud de onda no lineales, y se utilizan métodos de regresión lineal para extraer los coeficientes determinantes lineales de longitud de onda; a continuación, combinando el umbral de decisión de los coeficientes de correlación, se divide la combinación de longitudes de onda en bandas lineales y no lineales utilizando un algoritmo de perceptrón multicapa, estableciendo modelos predictivos para cada una. Finalmente, los resultados predictivos de cada banda se combinan mediante diferentes coeficientes de ponderación y se comparan con los resultados de modelado tradicional con el método de mínimos cuadrados parciales en toda la banda. Los resultados muestran que el coeficiente de correlación del modelo basado en bandas combinadas mejoró un 6,57%, el error absoluto medio disminuyó un 26,05% y el error relativo medio disminuyó un 28,11%. Este método mejora significativamente la precisión predictiva del modelo, satisfaciendo las necesidades prácticas de detección rápida, precisa y no destructiva del contenido de nicotina en hojas de tabaco mediante el espectrómetro portátil de infrarrojo cercano.

espectrómetro portátil de infrarrojo cercano; contenido de nicotina; prueba no paramétrica; regresión lineal; perceptrón multicapa