基于图像处理的烟叶分级研究

论文摘要

烟草是一种重要的经济作物,是卷烟产品的基础,必需要有科学合理的烟叶质量标准和准确的分级鉴定才能提高烟草产品的质量。当前烤烟烟叶被分为42个等级,划分依据有7个分级因素,包括叶片结构,成熟度,颜色,身份,油分,残伤和长度。这些分级标准的描述比较模糊。目前,我国烟叶分级仍然是根据感官经验,没有具体的量化指标,仍是依赖于受过特殊训练的分级专家的味觉和嗅觉等感官经验。这种人工分级方法需要消耗相当的人力,物力和财力,并且分级结果往往受诸多因素的影响。在实践中,同一片烟叶,不同的专家可能做出不同的等级判定。这就会导致许多问题和矛盾。目前的分级方法是无法适应现代社会工业化,现代化,自动化和信息的要求。为了克服这些缺点和不足,越来越多的研究人员已经开始研究智能分级方法。计算机视觉是计算机科学的重要分支。它涉及计算机,图像处理,模式识别,人工智能,信号处理,光学等领域。所以我的论文是基于图像处理的烟叶分级研究。本研究一共提取烟叶图像的6个形状特征：周长、面积、圆形度系数、长度、宽度、长宽比。由于HSI颜色模型与人眼视觉系统比较接近,本研究选用了HSI颜色模型。提取了烟叶的色调均值(H)、饱和度均值(S)和亮度均值(I)和以及各自的方差δH、δS、δI等6个颜色特征变量。同时提取了烟叶纹理参数：能量ENT,角二阶矩ASM,对比度CON,相关性COR,一致性U,灰度平均值,灰度均方差等。然后通过比较和分析,选择人工神经网络的BP反向传播算法,建立了烟叶分级数学模型。文章最后的实验结果已充分显示了该方法的有效性和实用性。实验结果,训练样本均得到100%的识别率。所有的测试样本的平均识别率超过84.76%,识别率最高为82.3%。相比于测定化学成分或者光谱的分级,此方法是一种无损检测,且成本较低,在烟叶的实际收购中有较强的实用性,相比于人工分级,尤其是大规模的烟叶收购,可以明显提高速度,分级结果更加客观。虽然本研究的取得了比较好的分级结果,但是由于研究时间和研究条件有限,研究中同时也存在着缺点和不足,更深入的工作有待进一步研究。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究目的和意义
• 1.2 国内外研究现状
• 1.2.1 烟叶的常规化学分析
• 1.2.2 应用于卷烟生产烟组配方的研究
• 1.2.3 不同分类模型的研究
• 1.3 本研究的主要内容
• 1.4 研究方案
• 1.5 本论文研究内容及其章节安排
• 1.6 本章小结
• 第二章 烟叶的品质评审
• 2.1 烟叶质量要素划分
• 2.2 化学成分
• 2.3 吸食性状
• 2.4 外观性状
• 2.5 本章小结
• 第三章 烟叶分级中的特征提取
• 3.1 烟叶图像的预处理
• 3.1.1 局部均值滤波和中值滤波
• 3.1.2 灰度直方图的均衡化
• 3.2. 值化方法
• 3.2.1 P-参数法
• 3.2.2 模式法
• 3.2.3 最大方差比方法
• 3.2.4 可变阈值法
• 3.3 烟叶图像质量特征参数的提取
• 3.3.1 图像采集装置
• 3.3.2 烟叶图像的颜色特征
• 3.3.2.1 RGB颜色空间
• 3.3.2.2 HSI颜色空间
• 3.3.2.3 HSV颜色空间
• 3.3.3 烟叶图像的形状特征
• 3.3.4 图像的纹理分析
• 3.3.4.1 灰度共生矩阵法
• 3.3.5 烟叶图像的纹理特征
• 第四章 人工神经网络在烟叶分级中的应用
• 4.1 人工神经元模型
• 4.1.1 模型处理单元的激活转移函数
• 4.2 BP网络
• 4.2.1 BP神经元模型
• 4.2.2 BP网络结构和算法
• 4.2.3 BP网络在烟叶分级中的应用
• 4.2.3.1 烟叶分组介绍
• 4.2.3.1.1 烟叶分组
• 4.2.3.2 试验材料
• 4.2.3.3 建立烟叶分级的BP神经网络
• 4.2.3.4 结果与分析
• 4.2.4 反向传播算法的不足与限制
• 4.2.5 BP学习算法的改进
• 第五章 总结与展望
• 参考文献
• 个人简历、攻读硕士期间发表论
• 致谢