近红外光谱结合无参数校正增强实现不同年份烟叶总糖含量模型更新

近红外光谱技术因快速、无损等特点，已广泛应用于烟草行业质量快速分析。然而，由于采收时间、环境差异等因素的影响，建立的近红外定量模型在新批次样本中的预测性能通常变差，因此必须对原有模型进行维护和更新。该研究采用半监督无参数校正增强（SS－PFCE）方法，通过约束优化，对主模型的回归系数进行修正。首先建立了2016年烟叶样本总糖含量的原始定量模型，其预测相关系数（Rp）为0.997 8、预测均方根误差（RMSEP）为0.310 8。采用SS－PFCE方法对模型更新后，分别预测2017年、2018年和2020年样本的总糖含量，3个测试集的Rp值比未更新模型提高了0.13%、1.32%和4.29%，RMSEP分别下降了15.26%、58.69%和36.53%。与重新建立的定量分析模型相比，更新后的模型具有更优的预测性能，同时大大降低了建模成本。研究表明，SS－PFCE方法可高效地实现不同年份烟叶样本的模型维护，在实际生产中具有重要的应用价值。

Model Update of Total Sugar Content in Tobacco Leaves of Different Years by Near-infrared Spectroscopy Combined with Parameter-free Calibration Enhancement