基于图像处理与人工神经网络的烟叶检测系统的研究与应用

论文摘要

烟草行业在我国国民经济中有着重要作用。烟叶分级是烟草行业中的一项基础性工作,按照国家标准对烤烟烟叶的外观质量进行准确的分级,是提高烟草制品质量的关键,对于减少吸烟对身体的危害以及保证农、工、商3个生产环节之间经济利益的合理分配具有重要作用。目前国内外烟草行业对于烟叶质量的检验与分级都是根据分级标准,依靠人的感官进行经验性判定。近年来,我校的研究团队采用计算机图象处理技术和模式识别技术对烟叶进行特征提取与自动分级,取得了一系列成果。本文在该团队前期研究基础上取得了以下研究成果:1.基于神经网络的烟叶成熟度、油分检测模型研究烟叶的成熟度和油分是烟叶分级的两个重要指标,无法直接量化提取。本文首先根据烤烟烟叶成熟度和油分与已提取的外观量化因素之间的关系,通过实验选取合适的外观因素组成特征向量,利用反向传播网络和概率神经网络分别建立成熟度和油分两个单指标分类模型,测试分类模型的识别准确率,并对两个网络所建立起来的模型的性能进行比较,确立了概率神经网络在成熟度和油分分类模型中的应用优势。2.基于不变矩的烟叶形状算法研究本文提取了烤烟烟叶图像的两个不变矩特征,并将不变矩描述作为新增特征分量加入到成熟度和油分两个神经网络分类模型中。通过实验对比,不变矩特征的加入对成熟度分类模型没有起到改善作用,但提高了油分分类模型的识别准确率。3.基于支持向量机的烟叶生长部位分组研究烤烟烟叶分级的基础是先判断烟叶在烟株上的着生部位,再对不同的部位组进行分级。本文采用支持向量机建立了烤烟烟叶的分组模型,提高了分组准确率。研究结果表明,采用图像处理、人工神经网络等技术进行烟叶特征提取并建立分组、分级模型具有现实可行性,可以在烟叶质量标准的制定及完善、烟叶质量检验及仲裁以及烟叶分级人员的培训等领域中起到良好的辅助作用。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究目的及意义
• 1.2 国内外研究现状
• 1.2.1 计算机技术在烟叶检测与分级中的主要研究成果
• 1.2.2 人工神经网络技术在烟叶自动检测与分级中的应用
• 1.3 烟叶外观质量分级标准
• 1.4 本研究的主要内容
• 第二章 人工神经网络
• 2.1 BP 网络
• 2.1.1 BP 网络的结构及原理
• 2.1.2 BP 网络性能分析
• 2.2 PNN 网络
• 2.2.1 PNN 网络的理论基础
• 2.2.2 PNN 网络结构与工作原理
• 2.2.3 PNN 的特点
• 2.3 支持向量机
• 2.3.1 SVM 的基本原理
• 2.3.2 核函数方法
• 第三章 成熟度分级模型的建立
• 3.1 样本数据准备
• 3.1.1 样本集的选取
• 3.1.2 特征向量的选取
• 3.1.3 输入输出数据的预处理
• 3.2 BP 网络模型的建立
• 3.2.1 网络结构设计
• 3.2.2 网络训练与测试
• 3.3 PNN 网络模型的建立
• 3.3.1 网络结构设计
• 3.3.2 网络训练与测试
• 3.4 两种模型的性能比较
• 3.5 本章小结
• 第四章 油分模型的建立
• 4.1 样本数据准备
• 4.1.1 样本集的选取
• 4.1.2 特征向量的选取
• 4.2 PNN 网络模型的建立
• 4.3 BP 网络模型的建立
• 4.4 本章小结
• 第五章 不变矩在单指标模型中的应用
• 5.1 不变矩特征的提取
• 5.1.1 不变矩的计算
• 5.1.2 不变矩的软件实现
• 5.2 不变矩在成熟度分类模型中的应用
• 5.3 不变矩在油分分类模型中的应用
• 5.4 本章小结
• 第六章 SVM 分组模型
• 6.1 样本集的选取
• 6.2 输入数据预处理
• 6.3 SVM 分类模型的建立
• 6.3.1 C-SVM 算法
• 6.3.2 核函数和参数C 的选择
• 6.4 本章小结
• 第七章 研究结论及展望
• 7.1 本研究的总结
• 7.2 进一步的研究方向与展望
• 参考文献
• 在学期间发表的学术论文与研究成果
• 致谢