基于图像特征的烟叶分级方法研究

　　摘要[目的]研究基于图像特征的烟叶分级方法。[方法]采用机器视觉获取烟叶图像特征，运用图像处理技术对图像进行预处理，进一步介绍烟叶图像特征的提取方法，并利用人工神经网络算法进行分类的测试，设计基于图像特征的烟叶分级方法。[结果]通过训练集和测试集的验证，分级准确率高达90%以上，达到了人工分级准确率。[结论]该研究可为烟叶智能化高效分级提供理论基础和技术支持。
　　关键词机器视觉;图像处理;人工神经网络;烟草分级
　　中图分类号S126文献标识码
　　A文章编号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
　　煙草作为一种重要的经济作物，在国民经济中占有举足轻重的地位。国内烟叶多采用人工分级，存在着耗时、费力、分级模糊和主观性大等一系列问题[1-2]。随着现代烟草生产的发展和卷烟产品质量的不断提高，需要更加专业、精确的烟叶分级系统研究。
　　随着计算机技术和数字图像技术日趋成熟，这些技术也越来越多地运用到烟叶分级中。魏扬帆[3]提出了一种基于颜色特征的烟叶分级算法设计及系统实现，该算法利用均匀的颜色模型作为衡量标准，通过对已知等级烟叶颜色的学习，根据颜色分布区域进行分级;刘剑君等[4]提出一种基于红外光谱的烟叶分级方法，为烟叶分级提供了新思路;阮静等[5]对烟叶自动分级系统进行研究，从烟叶的破损率、颜色、长度三方面进行讨论，特征因素较少，不能精确地实现烟叶分级;郭强等[6]基于图像处理与神经网络的烟叶分级研究，采用迭代阈值法进行图像背景分析，并用轮廓法提取叶片轮廓信息，把叶片主要特征参数作为分级模型的依据;陈朋等[7]提出基于模糊择近原则的烟叶分级方法，最大限度地把烟叶归类于合适的等级，并通过试验验证了可行性;韩力群等[8]开发了拟脑智能烟叶分级系统，具有自动学习、自动识别分级能力，分级效果较好。虽然前人对于烟叶分级做了不少研究，但仍处于初级阶段，应用到生产中的烟叶分级系统多数存在特征采集不完善、样本数量少、分级不精准等一系列问题。
　　通过对图像特征的研究，提出一种基于图像特征的烟草分级方法，提取颜色特征、形状特征、纹理特征，分别从烟叶成熟度、身份、叶片结构、长度、色度、油分、残伤7个外观品级因素出发，通过人工神经网络（artificial neural network，ANN）算法建立分类器，区分烟草等级，试验结果将有助于烟草智能分级系统的研发。
　　1数据采集与研究方法
　　1.1图像数据采集图像由实验室开发的封闭式图像采集系统（图1）获取，其中图像采集系统包括采集平台、CCD相机、LED条形灯、密封箱、计算机、RFID读卡器、卡条、数据线等。该试验通过人工放置烟叶进行图像采集，共放置烟叶520片，采集有效图像519张，其中346张用于分类器训练集，173张用于分类器测试集。
　　1.2图像预处理首先，将采集的有效图像进行灰度化处理（图2、3），以减少后续图像处理的工作量，提高作业效率，对得到的灰度图像进行高斯滤波，减少图像噪声，得到平滑图像。然后，对平滑图像进行直方图均衡化，使图像的灰度分布更加平均，利用灰度线性变换得到更加清晰的图像;为了更好地描述烟叶图像的轮廓，对图像进行二值化处理，得到只有2个灰度级的二值化图像。最后，采用形态学去除小面积区域，得到轮廓清晰烟叶图像。