基于图像处理的烟叶烘烤阶段判别模型优选

[背景和目的]烟叶烘烤阶段的自动判别是建立智能化烟叶烘烤系统的重要环节.为实现烘烤阶段的精确识别和操控,提升烟叶烘烤的精准度.[方法]提取烘烤过程中整夹烟叶图像的11种颜色特征和8种纹理特征,分别对颜色特征和纹理特征进行变量聚类分析,以10为距离,将提取的颜色特征和纹理特征各分为2类.利用相关性分析筛选出每类特征中与烘...     

两种烤烟分级方法的对比分析

我国烟叶分级方法与菲·莫烟叶分级方法存在较大的差距，主要表现在对成熟度、颜色的认识不一致，叶片结构和残伤标准不同等方面，只有更新烟叶质量观念、提高烟叶生产水平、认真执行分级标准，才能真正实现与国际分级标准的接轨     

基于深度学习的烟叶等级分类及特征可视化

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。     

基于计算机视觉的槟榔分级研究

槟榔品种的分级技术目前比较落后,主要靠人工完成分级,因而品种分级的质量难以得到保证。该试验用计算机视觉技术进行品种分级,通过图像获取、预处理等提取其颜色特征、形状特征和纹理特征,通过试验分析,发现由颜色和形状特征参数结合起来即可以获得较好的效果。并对其进行主成分分析后代入支持向量机进行分级,预测集的正确识别率达到90.38%以上。     

BP人工神经网络南疆红枣颜色分级方法的研究

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。     

基于隐马尔科夫模型的苹果分级方法研究

提出了一种基于隐马尔科夫模型的苹果分级方法。以3种不同颜色和形状的苹果为研究对象,提取苹果的六角锥体模型(HSV)作为苹果的颜色特征,提取苹果Hu不变矩作为苹果的形状特征,将这些特征量采用Lloyd算法编码,并将它们作为隐马尔科夫模型(HMM)的输入。依据HMM模式识别方法,对不同颜色和形状的苹果进行了分类识别,进而完成苹果分级。试验表明,该方法完成的分级识别率为100%。     

基于模糊光照处理的田间鲜烟成熟度图像智能判别方法研究

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。     

绿色翡翠基于HSL色度参数的计算机颜色分级

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。     

基于粒子群算法和神经网络的大豆识别研究

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。     

烟叶分级指标量化研究的技术创新过程

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。     

不同照明条件下烟叶的视觉反映

  目的  为考察初烤烟叶在不同照明条件下的视觉反映, 以期为烟叶评级准确性和自动化提供参考。  方法  运用感官分析技术, 分析了烟叶在3个自然光处理和11个人工照明处理环境中的视效。  结果  ①在自然光条件下, 即便色温的变化较大, 烟叶的视觉反映却无明显差异; ②在人工照明条件下: 当相关色温为5000~5100 K、一般显色指数大于90、照度大于400 lx时, 烟叶的黄色、青色、平滑、褪色、灰色和红色等外观特性的视觉反映接近自然呈现; 当相关色温或一般显色指数超出该区间时, 烟叶部分外观特性的视觉反映将被明显强化或弱化; 当照度低于400 lx时, 视效模糊, 烟叶的光泽度和对比度被弱化。  结论  烟叶评级活动若在人工照明条件下进行, 相关色温应为5000~5100 K, 一般显色指数应大于90, 照度应大于400 lx。      

模糊数学在烟叶分级中的应用

根据国家颁布的烤烟40级国家标准,烤烟分为40个级别。由于国家标准仅对烟叶的外观质量进行了定性描述,因此评判烟叶的质量存在很大的主观性和模糊性。模糊数学是一门研究和处理现实世界中广泛存在的一类模糊现象的学科。在应用计算机图像处理技术的基础上,利用模糊数学和模式识别的技术,将有可能实现烟叶的自动分级。试验表明,应用模糊数学的方法,可以较好的解决烟叶自动分级问题。      

不同香型区烤烟外观区域特征差异及其与感官质量的关系

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。     

烤烟表面颜色的量化及其与胡萝卜素类物质的关系

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。     

卷烟企业调入烟叶的等级质量分析

依据2005年度全国烟叶工商交接等级质量监督检查资料对卷烟工业企业调入的烟叶等级质量进行了分析。结果表明:全国卷烟工业企业调入的烟叶总体等级合格率为63.4%,其中51.4%的企业调入烟叶的平均等级合格率达到65%以上。调拨量大、价格较高的烟叶等级合格率相对较低,中部烟叶等级合格率显著低于上部和下部烟叶。等级质量方面的主要问题是普遍存在混低(混入低于原等级的烟叶)现象,不仅存在部位相混、大等级相混,而且也有颜色间相互混杂现象。     

基于机器视觉和MSD微结构描述算法的霉变烟在线检测研究

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。      

基于K-means 聚类分析的不同种植区烤烟外观质量区域分类

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。     

鲜烟叶高光谱特征与颜色分析及其关系研究

  目的  明确各部位不同颜色鲜烟叶的高光谱特征及其与颜色参数的关系,为科学判定烟叶成熟度提供参考。  方法  研究了各部位烟叶颜色参数和高光谱特征的变化规律,对颜色参数和高光谱特征参数进行了相关分析和回归分析,基于高光谱特征参数建立了颜色参数回归模型,并对其进行检验。  结果  随着落黄程度的提高,颜色参数L、b、C呈不断增大的趋势,a值呈先减小后增大的趋势,H°呈不断减小的趋势;高光谱特征参数随烟叶颜色的改变呈现规律性的变化;高光谱特征参数与各颜色参数有显著或极显著相关性,基于高光谱特征参数建立的颜色参数回归模型预测效果较好。  结论  利用高光谱技术对鲜烟叶颜色参数进行分析是可行的。      

基于BPNN和SVM的烟叶成熟度鉴别模型

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。      

沂蒙丘陵生态区蜜甜焦香烤烟外观特征及与烟叶品质的关系

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。