摘要[目的]研究基于圖像特征的煙葉分級方法。[方法]采用機(jī)器視覺獲取煙葉圖像特征，運(yùn)用圖像處理技術(shù)對圖像進(jìn)行預(yù)處理，進(jìn)一步介紹煙葉圖像特征的提取方法，并利用人工神經(jīng)網(wǎng)絡(luò)算法進(jìn)行分類的測試，設(shè)計基于圖像特征的煙葉分級方法。[結(jié)果]通過訓(xùn)練集和測試集的驗(yàn)證，分級準(zhǔn)確率高達(dá)90%以上，達(dá)到了人工分級準(zhǔn)確率。[結(jié)論]該研究可為煙葉智能化高效分級提供理論基礎(chǔ)和技術(shù)支持。
　　關(guān)鍵詞機(jī)器視覺;圖像處理;人工神經(jīng)網(wǎng)絡(luò);煙草分級
　　中圖分類號S126文獻(xiàn)標(biāo)識碼
　　A文章編號0517-6611（2018）28-0191-03
　　Research on Tobacco Leaf Grading Method Based on Image Features
　　ZHAO Shimin1，2，SONG Zhengxiong1，HE Zhitao2 et al（1.Luoyang Branch of Henan Tobacco Company，Luoyang，Henan 471000;2.Henan University of Science and Technology，Luoyang，Henan 471003）
　　Abstract[Objective]To study the tobacco leaf grading method based on image features.[Method]Using machine vision to obtain tobacco leaf image features and using image processing techniques for image preprocessing，the extraction method of tobacco image features was further introduced.Using artificial neural network algorithm to classify the test，we designed the leaf classification method based on image features.[Result]With the verification of the training set and the test set，the classification accuracy rates were more than 90% which achieved manual grading accuracy.[Conclusion]This research can provide theoretical foundation and technical support for intelligent and efficient classification of tobacco leaves.
　　Key wordsMachine vision;Image recognition;Artificial neural networks;Tobacco grading
　　煙草作為一種重要的經(jīng)濟(jì)作物，在國民經(jīng)濟(jì)中占有舉足輕重的地位。國內(nèi)煙葉多采用人工分級，存在著耗時、費(fèi)力、分級模糊和主觀性大等一系列問題[1-2]。隨著現(xiàn)代煙草生產(chǎn)的發(fā)展和卷煙產(chǎn)品質(zhì)量的不斷提高，需要更加專業(yè)、精確的煙葉分級系統(tǒng)研究。
　　隨著計算機(jī)技術(shù)和數(shù)字圖像技術(shù)日趨成熟，這些技術(shù)也越來越多地運(yùn)用到煙葉分級中。魏揚(yáng)帆[3]提出了一種基于顏色特征的煙葉分級算法設(shè)計及系統(tǒng)實(shí)現(xiàn)，該算法利用均勻的顏色模型作為衡量標(biāo)準(zhǔn)，通過對已知等級煙葉顏色的學(xué)習(xí)，根據(jù)顏色分布區(qū)域進(jìn)行分級;劉劍君等[4]提出一種基于紅外光譜的煙葉分級方法，為煙葉分級提供了新思路;阮靜等[5]對煙葉自動分級系統(tǒng)進(jìn)行研究，從煙葉的破損率、顏色、長度三方面進(jìn)行討論，特征因素較少，不能精確地實(shí)現(xiàn)煙葉分級;郭強(qiáng)等[6]基于圖像處理與神經(jīng)網(wǎng)絡(luò)的煙葉分級研究，采用迭代閾值法進(jìn)行圖像背景分析，并用輪廓法提取葉片輪廓信息，把葉片主要特征參數(shù)作為分級模型的依據(jù);陳朋等[7]提出基于模糊擇近原則的煙葉分級方法，最大限度地把煙葉歸類于合適的等級，并通過試驗(yàn)驗(yàn)證了可行性;韓力群等[8]開發(fā)了擬腦智能煙葉分級系統(tǒng)，具有自動學(xué)習(xí)、自動識別分級能力，分級效果較好。雖然前人對于煙葉分級做了不少研究，但仍處于初級階段，應(yīng)用到生產(chǎn)中的煙葉分級系統(tǒng)多數(shù)存在特征采集不完善、樣本數(shù)量少、分級不精準(zhǔn)等一系列問題。
　　通過對圖像特征的研究，提出一種基于圖像特征的煙草分級方法，提取顏色特征、形狀特征、紋理特征，分別從煙葉成熟度、身份、葉片結(jié)構(gòu)、長度、色度、油分、殘傷7個外觀品級因素出發(fā)，通過人工神經(jīng)網(wǎng)絡(luò)（artificial neural network，ANN）算法建立分類器，區(qū)分煙草等級，試驗(yàn)結(jié)果將有助于煙草智能分級系統(tǒng)的研發(fā)。
　　1數(shù)據(jù)采集與研究方法
　　1.1圖像數(shù)據(jù)采集圖像由實(shí)驗(yàn)室開發(fā)的封閉式圖像采集系統(tǒng)（圖1）獲取，其中圖像采集系統(tǒng)包括采集平臺、CCD相機(jī)、LED條形燈、密封箱、計算機(jī)、RFID讀卡器、卡條、數(shù)據(jù)線等。該試驗(yàn)通過人工放置煙葉進(jìn)行圖像采集，共放置煙葉520片，采集有效圖像519張，其中346張用于分類器訓(xùn)練集，173張用于分類器測試集。
　　1.2圖像預(yù)處理首先，將采集的有效圖像進(jìn)行灰度化處理（圖2、3），以減少后續(xù)圖像處理的工作量，提高作業(yè)效率，對得到的灰度圖像進(jìn)行高斯濾波，減少圖像噪聲，得到平滑圖像。然后，對平滑圖像進(jìn)行直方圖均衡化，使圖像的灰度分布更加平均，利用灰度線性變換得到更加清晰的圖像;為了更好地描述煙葉圖像的輪廓，對圖像進(jìn)行二值化處理，得到只有2個灰度級的二值化圖像。最后，采用形態(tài)學(xué)去除小面積區(qū)域，得到輪廓清晰煙葉圖像。

相關(guān)熱詞搜索：煙葉 分級 圖像 特征 方法