共查询到20条相似文献,搜索用时 203 毫秒
1.
2.
3.
为探索深度学习技术在烟叶图像上的特征提取效果,提出了一种基于卷积神经网络(Convolutional Neural Network,CNN)模型的烟叶等级分类方法,并对模型关注的烟叶特征进行了可视化分析。通过图像预处理得到高分辨率的局部烟叶图像,以弥补全局烟叶图像缩放后导致烟叶细节信息丢失;利用改进的CNN模型VGG-16和ResNet-50分别提取烟叶全局和局部图像特征;构建分类器对烟叶全局和局部图像的特征向量进行分类和结果融合;采用类别激活图(Class Activation Map,CAM)技术绘制模型关注烟叶特征的热力图。结果表明:提出的方法对6个等级的烟叶分级准确率达到84.71%,单张烟叶图像测试时间为17.87 ms;特征热力图显示ResNet-50模型对烟叶病斑、皱褶、主脉和纹理走势等局部特征较为敏感。该方法可为实现烟叶快速、准确分级提供支持。 相似文献
4.
5.
BP人工神经网络南疆红枣颜色分级方法的研究 总被引:1,自引:0,他引:1
以南疆红枣颜色分级为研究对象,从预处理后的红枣图像中提取红体均值(R)、绿体均值(G)和蓝体均值(B)以及它们的均方差σR、σG、σB共6种颜色特征变量;再将图像从RGB到HIS颜色空间转换,然后从HIS颜色空间中,提取色度均值(H)、亮度均值(I)和饱和度均值(S)以及它们的各自的均方差σH、σS、σI共6个颜色特征变量,总计12个颜色特征变量,最后应用BP神经网络进行红枣颜色分级。结果表明,BP人工神经网络分级与人工分级的一致度达到了91.6%,该网络分级效果良好,能较好地满足红枣颜色分级的需求,对南疆红枣产品的生产、销售具有一定的理论指导和实际应用意义。 相似文献
6.
7.
自然环境下田间烟叶受光照影响导致采收机械对烟叶成熟度的判别率较低,为解决此问题,提出一种基于模糊光照处理的田间烟叶成熟度判别模型。首先,使用卷积神经网络分割模型提取感兴趣烟叶区域;其次,构建烟叶区域的分段模型用以建立光照与烟叶颜色信息间的模糊非线性关系,消除光照的影响;然后,统计不同成熟度颜色先验知识,根据先验知识建立自然环境下黄色、绿色模糊关系推理烟叶区域像素点颜色属性并计算黄色面积;最后,构建黄色面积与鲜烟叶成熟度之间的隶属度概率关系,计算烟叶成熟度。使用本研究方法对四川地区云烟87中、上部叶和中川208中、上部叶田间鲜烟叶进行处理,分别获得82.0%、77.0%、75.0%和71%的成熟度分类准确率,普遍优于ELM、SVM和BP神经网络。试验结果表明,提出的田间烟叶成熟度判别方法能够有效克服光照的影响,准确判定不同田间环境烟叶的成熟度,为烟叶智能采集装备视觉系统提供理论基础。 相似文献
8.
色相、饱和度及亮度是翡翠颜色分级的基本参数,通过彩色数码相机采集翡翠图像,提取出色彩的HSL色度学参数,并以此为基础,利用Visual C++语言编写计算机分析程序,对绿色翡翠样品图像进行像素点的扫描与分析,进一步进行色彩类型分类,获得颜色色级、均匀度等结果。为了验证这一程序的可靠性,对样品色彩进行主观分级、GemDialogue色卡描述及HSL色度学参数分析,结果显示与计算机颜色分级的数据吻合,说明绿色翡翠基于HSL色度参数的计算机颜色分级系统运行稳定快捷,具有一定的可行性,能很好的完成对绿色翡翠图像各种绿色像素点的分类与计算,并能针对不均匀翡翠根据各种绿色像素点所占的比例进行分析,并最终给出分级定名,实现了计算机程序对绿色翡翠色彩的自动分类。 相似文献
9.
基于粒子群算法和神经网络的大豆识别研究 总被引:1,自引:1,他引:1
在分析大豆表面颜色特征的基础上,提出了利用神经网络和大豆表面颜色特征对大豆进行分级的方法。选取了大豆图像的6种颜色特征值作为神经网络的训练样本,并尝试利用粒子群优化算法与BP结合算法训练网络。仿真结果表明,提出的方法取得很好的效果。 相似文献
10.
烟叶分级指标量化研究的技术创新过程 总被引:4,自引:0,他引:4
本文以辨证地对烟叶分级指标从传统的定性转向定量的过程及可行性进行了思考和讨论。《烟叶分级指标量化》已经被国家专卖局列入科研计划、正在实施。 相似文献
11.
12.
13.
为明确不同香型产区烟叶外观区域特征及其与感官质量的关系,选取八大香型产区2020年度178份C3F初烤烟叶样品为材料,采用量化赋分、方差分析和聚类分析对不同香型产区烟叶外观区域特征进行分析,并对烟叶外观区域特征与感官质量的关系进行相关分析和回归分析。结果表明:(1)底色和光泽是焦甜醇甜香型、清甜蜜甜香型、蜜甜焦香型烟叶的主要识别依据,蜡质感是识别木香蜜甜香型烟叶的主要依据。(2)清甜香型、蜜甜香型和醇甜香型产区烟叶底色、柔韧性和叶面组织相近,清甜蜜甜香型和焦甜醇甜香型产区烟叶蜡质感、光泽和油润感相近,而木香蜜甜香型和焦甜焦香型产区烟叶厚度、叶面叶背色差和油润感相近。(3)C3F初烤烟叶底色、蜡质感和柔韧性与烟叶感官评吸品质呈显著相关性。八大香型产区烟叶外观区域特征具有明显差异,可为烟叶识别归类和分类使用提供依据。 相似文献
14.
烤烟表面颜色的量化及其与胡萝卜素类物质的关系 总被引:2,自引:0,他引:2
为揭示我国不同产区烤烟颜色特征差异的成因,采用L*a*b*均匀颜色空间的颜色表征方法对我国11个省60个产烟县的C3F烟叶进行了测量分析,并研究了烤烟颜色的色空间分布指标与类胡萝卜素含量的关系。结果表明:①我国不同产区烤烟颜色的色空间指标明度L*、红度a*、黄度b*、色饱和度c*及类胡萝卜素类物质差异明显,东南烟区烟叶的明度、黄度和色饱和度较低,红度较高,类胡萝卜素含量较低,叶黄素比例较高;长江中上游和西南烟区烟叶的明度、黄度和色饱和度较高,红度相对较低,类胡萝卜素含量较高;北方烟区烟叶的明度相对较高,色饱和度相对较低,类胡萝卜素含量较低。②烤烟类胡萝卜素类物质与颜色色空间分布指标关系密切,随类胡萝卜素含量的提高,红度、黄度、色饱和度等指标均呈现出显著上升趋势,明黄度比值呈显著下降趋势。 相似文献
15.
16.
为实现醇化烟叶中霉变烟的自动在线精选, 设计了基于机器视觉的霉变烟在线检测系统。该系统通过高速线阵CCD动态获取烟叶图像, 采用MSD微结构描述算法提取烟叶图像颜色、纹理特征, 基于神经网络集成分类算法, 通过合格烟叶样本和霉烟样本的训练学习, 实现霉变烟的在线检测识别。经过测试, 该检测算法对霉烟图像样本的测度为0.918。在线检测试验结果显示, 采用霉烟靶物单独过料时, 机器视觉系统对霉烟的平均在线识别率在95%以上; 将霉烟靶物与合格烟片混掺过料时, 系统对霉烟的平均识别率在87%以上。研究结果表明, 机器视觉方法用于醇化后烟叶中霉变烟的在线精选是可行的。 相似文献
17.
基于K-means 聚类分析的不同种植区烤烟外观质量区域分类 总被引:4,自引:0,他引:4
根据全国烤烟主产区生态特点,采集了全国112 个典型生态点初烤C3F 烟叶样品,运用快速聚类法(K-Means Cluster)分析了各烟草种植区烤烟外观质量区域特征及分布。结果表明,5 大烟草种植区中部烤烟外观质量均可分为3 类;“油分”和“色度”指标在北方烟草种植区烤烟样品间差异极显著,“叶片结构”指标在黄淮烟草种植区烤烟样品间差异极显著,“身份”和“色度”指标在长江中上游烟草种植区烤烟样品间差异极显著,“身份”和“油分”指标在东南烟草种植区烤烟样品间差异极显著,烤烟外观各项指标在西南烟草种植区烤烟样品间差异均达极显著水平。 相似文献
18.
19.
为了在烟叶采收环节中快速准确地鉴别适熟烟叶。以下部烟叶为样本,利用烟叶图像的RGB颜色特征信息,以目标区域和背景区域平均灰度值的最大对比度为依据,选取G-B图像提取烟叶目标区域。目标区域通过形态学膨胀和腐蚀运算去除噪声后,从原始烟叶图像中得到目标烟叶图像。通过MATLAB软件提取R、G、H、S、V颜色特征均值,以及能量ASM、熵ENT、惯性矩INE、相关性CORRL纹理特征,将这9个变量作为输入参数,分别建立基于BP神经网络、支持向量机的烟叶成熟度鉴别模型,准确率分别为93.83%和97.53%。试验结果表明,通过机器视觉对烟叶成熟度鉴别是可行的,为进一步研制烟叶采收机奠定了基础。 相似文献
20.
为明确沂蒙丘陵生态区蜜甜焦香型特色烟叶的外观识别特征,对取自山东潍坊、日照、临沂等3个烤烟主产地的C2F样品的外观区域特征和外观品质特征进行了评价,与我国其他香型区烟叶进行了比较,并分析了其与常规化学成分及感官质量的关系。结果表明,该区烟叶外观特征为:底色白略偏灰,厚度多为中等,蜡质感弱-中,叶片稍脆硬,叶面叶背色差为小-中,叶尖叶基身份差多为小,光泽亮偏暗,叶面组织较细腻偏粗糙,颜色橘黄,成熟为主,结构尚疏松-疏松,身份多为中等,油分有-,色度中。与其他香型区烟叶相比,底色、柔韧性、叶面组织和光泽为该区烟叶的主要识别指标。相关及逐步回归分析表明,烟叶厚度越厚,则钾、氮碱比、钾氯比及糖碱比越低,烟碱和氯越高,烟叶蜜甜香韵、青香香韵及蜜甜焦香型越明显,香气状态越悬浮,浓度越大,而木香香韵、焦甜香韵及焦香香韵越弱;叶面组织越粗糙,则香气质越好,香气量越足,烟气越细腻柔和。可见,底色白略偏灰、质地稍脆、组织较细腻偏粗糙、光泽亮偏暗为识别该区特色烟叶的主要外观特征,厚度为影响该区烟叶化学成分和感官风格的关键指标,叶面组织为影响烟叶感官品质的关键指标。 相似文献