【摘 要】煙葉分級是煙草行業(yè)的一項基礎(chǔ)性的工作，對煙葉進(jìn)行準(zhǔn)確的分級是提高煙草制品品質(zhì)的關(guān)鍵因素。隨著計算機(jī)技術(shù)的發(fā)展，機(jī)器視覺技術(shù)在煙草行業(yè)的應(yīng)用也越來越廣泛。本文利用支持向量機(jī)（SVM）的模式識別方法來研究煙葉的自動分級。
　　 【關(guān)鍵詞】自動分級；機(jī)器視覺；支持向量機(jī)
　　一、概述
　　烤煙是卷煙工業(yè)的原料，其煙葉質(zhì)量的好壞直接關(guān)系到煙草制品的工藝配方和生產(chǎn)質(zhì)量�？緹煙熑~分級方法是目前評判煙葉質(zhì)量的主要手段，其分級判斷的依據(jù)主要是煙葉的外觀特征，如顏色、長度、厚度、油分、成熟度，殘損等。目前國內(nèi)外煙草行業(yè)對煙葉的分級和檢驗都是依據(jù)分級標(biāo)準(zhǔn)，以人工操作為主，憑借標(biāo)準(zhǔn)樣本依靠人的感官進(jìn)行的。這種傳統(tǒng)的人工檢驗方法容易受人的因素影響，評級定價難以做到公平、公正。而且在我國，每年煙葉收購前，全國各地都會舉辦培訓(xùn)班，培訓(xùn)分級人員，并準(zhǔn)備大量的樣本發(fā)往各地，這樣必然造成人力、物力和財力的巨大消耗。機(jī)器視覺技術(shù)的發(fā)展和國家煙葉等級標(biāo)準(zhǔn)的定量化促進(jìn)了煙葉分級自動化和智能化的應(yīng)用與發(fā)展，各種圖像處理算法和模式識別方法也被應(yīng)用于煙葉的自動分級中，如2003年，張惠民等人根據(jù)提取的煙葉特征參數(shù)，建立并優(yōu)化了烤煙煙葉分級系統(tǒng)的數(shù)學(xué)模型，構(gòu)造了符合烤煙煙葉等級空間分布的高斯隸屬函數(shù)，采用模糊推理機(jī)制原理來實現(xiàn)煙葉分級。2011年，張樂明、劉劍君等以紅外光譜作為煙葉的特征，采用概率神經(jīng)網(wǎng)絡(luò)對11個等級的煙葉進(jìn)行分組和分級。
　　二、支持向量機(jī)基本原理
　　支持向量機(jī)（Support Vector Machine）簡稱SVM，是由Vapnik于1995年一種新的機(jī)器學(xué)習(xí)技術(shù)。支持向量機(jī)方法是建立在統(tǒng)計學(xué)習(xí)理論的VC維理論和結(jié)構(gòu)風(fēng)險最小化原理基礎(chǔ)上的，根據(jù)有限的樣本信息在模型的復(fù)雜性（即對特定訓(xùn)練樣本的學(xué)習(xí)精度）和學(xué)習(xí)能力（即無錯誤的識別任意樣本的能力）之間尋求最佳折中，以期獲得最好的推廣能力。
　　1．最優(yōu)分類面。SVM方法是從線性可分情況下的最優(yōu)分類面提出的。首先考慮二維兩類線性可分的情況，如圖1所示，圖中實心點和空心點分別表示兩類訓(xùn)練樣本，H為把兩類沒有錯誤地分開的分類線，H1、H2分別為各類樣本中離分類線最近的點且平行于分類線的直線。所謂最優(yōu)分類線就是要求分類線不但能將兩類無錯誤地分開，而且要使兩類的分類間隔最大。
　　三、實驗結(jié)果及分析
　　本文首先利用利用圖像采集裝置得到煙葉的原始圖像作為樣本并對煙葉圖像進(jìn)行了圖像預(yù)處理。然后根據(jù)煙葉的顏色、外形、紋理特征建立了煙葉分級的支持向量機(jī)識別模型；最后利用部分樣本進(jìn)行檢驗。實驗中樣本得到了較高的識別率。實驗結(jié)果說明了SVM分類器算法能夠較好地完成樣品集的分類，它是在基于結(jié)構(gòu)風(fēng)險最小化理論之上構(gòu)建最優(yōu)分割超平面，使得分類器能夠得到全局最優(yōu)化，并且在整個樣本空間的期望風(fēng)險以某個概率滿足一定上界，在實際應(yīng)用中有較好的優(yōu)勢。
　　四、結(jié)論
　　支持向量機(jī)是是在統(tǒng)計學(xué)習(xí)理論基礎(chǔ)上發(fā)展起來的一種新型的機(jī)器學(xué)習(xí)方法。作為一種尚未成熟的技術(shù)，支持向量機(jī)盡管在核函數(shù)的參數(shù)的構(gòu)造和選擇上缺乏相應(yīng)的理論指導(dǎo)，但是由于它在解決小樣本學(xué)習(xí)問題中的優(yōu)勢，使其成為機(jī)器學(xué)習(xí)領(lǐng)域的研究熱點，并且被廣泛地應(yīng)用于各行各業(yè)。本文將支持向量機(jī)的方法運用于煙葉的自動分級系統(tǒng)。取得了較好的分類效果。
　　參 考 文 獻(xiàn)
　　[1]閻瑞瓊，韓立群，陳晉東．計算機(jī)技術(shù)在煙葉檢測與分級領(lǐng)域的應(yīng)用[J]．煙草科技．2001，154（3）：13～15
　　[2]張惠民，韓立群，段正剛．基于圖像特征的煙葉分級[J]．武漢大學(xué)學(xué)報．2003（3）
　　[3]張樂明，申金媛，劉劍君，劉潤杰．概率神經(jīng)網(wǎng)絡(luò)在煙葉自動分級中的應(yīng)用[J]．農(nóng)機(jī)化研究．2011（12）
　　[4]李國正，王猛，曾華軍．支持向量機(jī)導(dǎo)論[J]．電子工業(yè)出版社，2004
　　[5]方輝，王倩．支持向量機(jī)的算法研究[J]．長春師范學(xué)院學(xué)報（自然科學(xué)版）．2007（6）

相關(guān)熱詞搜索：向量 煙葉 分級 支持