机器视觉技术在初烤烟质量预测中的应用

为探究机器视觉技术在初烤烟质量预测中的应用效果,以红花大金元品种的中、上部烟叶为供试材料,通过分析不同成熟度烟叶色度学指标值、SPAD值和感官质量得分可知:中、上部鲜烟叶3个色度学指标值和SPAD值均呈下降趋势,烤后烟叶色度学指标中,中部叶的L值和a*值,上部叶的L值、a*值和b*值在不同处理间达到显著水平,其中L值和b*值达到极显著水平。机器视觉能够分辨不同成熟度的鲜烟叶颜色和烤后烟叶颜色差别,所测值能够用于烟叶质量的预测。     

机器视觉技术在初烤烟质量预测中的应用

为探究机器视觉技术在初烤烟质量预测中的应用效果,以红花大金元品种的中、上部烟叶为供试材料,通过分析不同成熟度烟叶色度学指标值、SPAD值和感官质量得分可知:中、上部鲜烟叶3个色度学指标值和SPAD值均呈下降趋势,烤后烟叶色度学指标中,中部叶的L值和a*值,上部叶的L值、a*值和b*值在不同处理间达到显著水平,其中L值和b*值达到极显著水平。机器视觉能够分辨不同成熟度的鲜烟叶颜色和烤后烟叶颜色差别,所测值能够用于烟叶质量的预测。     

基于图像处理的烘烤过程中烟叶含水量检测

【目的】量化烘烤过程中烟叶形态变化的数值特征指标,实现烘烤过程烟叶水分含量的无损检测。【方法】以密集烤房中不同烘烤阶段的烟叶为研究对象,先利用图像处理技术提取鲜烟叶及烘烤过程中烟叶图像的颜色特征（红分量（R）、绿分量（G）、蓝分量(B)）及纹理特征(纹理能量、纹理熵、纹理惯性、相关度),以其为输入指标,分别建立烘烤过程中烟叶含水量的BP神经网络模型和基于遗传算法的最小二乘支持向量机预测模型。用建立的2个模型对烘烤过程中烟叶含水量进行预测,并比较其预测精度。【结果】烟叶图像颜色特征R、G、B分量表现出变黄期剧烈上升,定色前期缓慢上升并达到最大值,定色后期至烘烤结束逐渐下降的变化趋势;纹理能量和相关度呈现出变黄前期减小,变黄后期增大,定色及干筋期逐渐减小的趋势;纹理熵、纹理惯性表现出变黄前期增大,变黄后期减小,定色及干筋期逐渐增大的趋势。以烟叶颜色和纹理特征值作为输入变量,建立了烘烤过程中烟叶含水量的BP神经网络预测模型和基于遗传算法的最小二乘支持向量机预测模型,其预测平均绝对误差分别为0.037 4和0.017 0,预测误差标准差分别为0.048 5和0.020 0,前者预测精度略低于后者,但2个模型均可以满足烘烤过程中烟叶水分含量实时检测的需要。【结论】图像处理技术可以精确量化烘烤过程中烟叶的形态特征变化;利用建立的BP神经网络模型和基于遗传算法的最小二乘支持向量机模型可以实现对烟叶含水量的精确估测。     

基于机器视觉技术的小粒中药材种子净度快速检测

为探究机器视觉技术用于小粒中药材种子净度快速检测的可行性,以黄芩、桔梗、黄芪、紫苏和柴胡5种常见小粒中药材种子为材料,使用扫描仪获取净种子、其他植物种子和所含杂质的图像,采用种子自动化分析系统(PhenoSeed)批量提取种子、其他植物种子及所含杂质的颜色、尺寸及纹理信息,通过相关性分析和主成分分析进行特征变量的筛选,采用多层感知器(MLP)和二元逻辑回归(BLR)建立上述5种中药材种子净度快速检测模型。结果表明,净种子、其他植物种子及所含杂质在物理指标方面存在显著差异,针对不同种子,采用不同指标建立的MLP净度模型的训练集和测试集准确率均在96.0%以上,该模型在不同中药材种子上的稳定性均优于BLR模型;以特征指标建立的模型稳定性优于全部指标的建模效果,运用特征变量建立的MLP模型对不同净度梯度(75.0%~100.0%)的混合样本进行预测,回归曲线的决定系数均达到0.99以上。采用机器视觉技术获取种子、其他植物种子及所含杂质颜色、尺寸和纹理等信息,以特征指标建立MLP模型可用于小粒中药材种子的净度快速检测。     

基于近红外光谱与图像识别技术融合的烟叶成熟度的判别

为提高鲜烟叶成熟度的识别精度,提出基于近红外光谱和图像识别的多源信息融合技术的烟叶成熟度判别方法:利用随机森林(RF)方法分别建立近红外光谱判别模型、图像判别模型和多源信息融合判别模型,对烟叶成熟程度进行检测.近红外光谱模型对红花大金元、K326和云烟87等3个烤烟品种烟叶成熟度的识别正确率分别为91.27％、90.4...     

基于YOLO v5s目标检测算法的烤烟鲜叶成熟度识别方法

新鲜烟叶的成熟度对烤后烟叶的质量有显著影响,可于烘烤前完成不同成熟度的新鲜烟叶分选,并对各成熟度采用特定烘烤工艺,以提高烘烤后的烟叶质量。以云烟87的新鲜烟叶为试验样本,将采集的新鲜烟叶分为上部叶、中部叶、下部叶,并依据不同部位成熟度划分为欠熟、成熟、过熟。采用YOLO v5s目标检测算法,利用卷积神经网络提取新鲜烟叶的不同成熟度特征,完成不同部位新鲜烟叶的成熟度识别试验,并与Faster-RCNN、Mask-RCNN检测模型的测试结果进行对比。结果表明,YOLO v5s对云烟87不同部位新鲜烟叶成熟度检测的总体mAP值分别为99.1%、97.5%、98.5%,单幅图像检测平均时间为29～30 ms。3种模型的对比试验中,Mask-RCNN、Faster-RCNN测试的mAP值均低于YOLO v5s,单幅图像检测平均时间均远高于YOLO v5s。采用YOLO v5s训练的不同部位新鲜烟叶的检测模型,在检测速度与精准度方面基本满足对新鲜烟叶成熟度识别的生产要求。     

基于主成分分析和BP神经网络的蚕蛹分类方法

为探究快速、无损进行蚕蛹雌雄分类的可行性,利用机器视觉技术对蚕蛹图像进行获取,应用主成分分析法结合BP人工神经网络方法进行分析识别。首先,对所得图像进行灰度化、滤波去噪、二值化、特征提取等预处理,再应用主成分分析法得到包含蚕蛹88.94%特征信息的4个主成分,将其作为BP神经网络的输入变量,对应的蚕蛹性别作为输出。建立1个BP神经网络的识别模型,该模型对于蚕蛹分类的准确率达到98%,符合我国农业部桑蚕行业的标准。机器视觉结合主成分分析和BP神经网络的方法能够准确进行蚕蛹分类,对实际生产具有积极的指导意义。     

基于计算机视觉的葵花子外观品质检测研究

通过采集完好、霉变、破损葵花子的图像并对其进行预处理,研究共提取了3个颜色特征值(G、B、I)和5个纹理特征值(灰度均匀性、梯度均匀性、惯性矩、一致性、熵),采用BP神经网络和决策树算法分别对3种葵花子进行检测识别。结果显示,BP网络采纳全部8个特征值,正确率98.58%;决策树算法采纳2个特征值(G、B),正确率99.25%,说明决策树算法模型更简洁,效果更好,表明计算机视觉技术可以实现完好、霉变、破损葵花子的检测识别。     

计算机视觉技术在核桃壳、仁及分心木识别中的应用研究

[目的]为了研究快速准确识别核桃壳、仁及分心木的方法,[方法]本研究以太谷"清香"核桃为研究对象,搭建计算机视觉系统获取核桃壳、仁及分心木的图像信息,提取各样本的12个颜色特征值(RGB和HSI各分量的均值与方差),以及利用灰度共生矩阵(gray level co-occurrence matrix,GLCM)分别提取各样本能量、熵、惯性矩、相关性、逆差矩4个方向(0°,45°,90°,135°)共20个纹理特征参数。以颜色特征值、纹理特征值、颜色-纹理特征值融合作为输入建立3种最小二乘支持向量机(LS-SVM)模型(Y-LS-SVM、W-LS-SVM、Y-W-LS-SVM),并对各预测集样本进行判别。[结果]结果表明,Y-LS-SVM模型对核桃仁、分心木及核桃壳的判别准确率分别为91.1%、82.4%、96.6%;W-LS-SVM模型对核桃仁、分心木及核桃壳的判别准确率分别为100%、85.3%、84.7%;Y-W-LS-SVM模型对核桃仁、分心木及核桃壳的判别准确率分别为93.3%、97.1%、100%。Y-W-LS-SVM模型的判别效果最好。[结论]本研究表明,基于计算机视觉技术能够很好地对核桃壳、仁及分心木进行识别,为核桃壳、仁及分心木在线分选技术提供理论基础。     

茶叶外形感官品质的计算机视觉分级研究

为摒弃茶叶品质感官评审方法存在的主观性和经验性等缺陷,研究采用计算机视觉技术快速评价茶叶感官品质。依据碧螺春茶行业标准及茶叶评审师的评审结果,将20个不同品质碧螺春绿茶样本分成4个等级。采用小波变换和灰度共生矩阵提取茶叶图像的纹理特征,采用RGB[R表示红色(red),G表示绿色(green),B表示蓝色(blue)]和HIS[H表示色调(hue),I表示亮度(intensity),S表示色饱和度(saturation)]颜色模型提取图像的颜色特征,利用遗传算法优化神经网络参数,建立茶叶感官品质的BP(back propagation,逆向传播)神经网络分级模型,并与其他模型结果进行比较。结果表明,当选用前5个主成分时,所建立的模型识别精度最高,该模型总体识别率为93.8%,Kappa系数为0.933,较PCA-BP、GA-BP、BP识别精度分别提高10.0、6.3、18.8百分点,Kappa系数分别提高0.133、0.066、0.233,模型稳定性得到提高。     

烟叶成熟度对烤烟K326品种上部叶烟叶烘烤的影响

[目的]研究烟叶田间成熟度对K326上部叶烘烤的影响。[方法]将K326上部叶成熟度划分为3个层次,尚熟、适熟、充分成熟,分别对3种成熟度采收烟叶的烘烤产量、质量、成本、收益进行分析。[结果]试验表明,K326上部叶适熟采收烘烤效果最好,产量、质量、收益均高于尚熟采收和充分成熟采收的烟叶,建议K326采收标准为叶面变黄面积约70％～80％,色差小,叶表面有少数黄斑,没有泡状突起,主脉约3／4～4／5变白,支脉约3／4变白,叶面有成熟疯。[结论]研究可为提高K326上部叶烘烤质量提供理论和现实依据。     

基于图像处理的烟叶等级标准图像合成算法研究

为了建立烤烟烟叶标准等级数据库,实现烤烟烟叶的自动分级。本文以图像处理技术为基础,以已知等级的烤后烟叶为图像素材,通过提取烟叶样本颜色特征,得到了烟叶颜色特征数据。在此基础上研究了烟叶等级标准图像合成算法,并建立了烟叶标准等级数据库。结果表明,RGB颜色模型下对R、G、B分量进行处理后合成的烟叶等级标准图像,与烟叶实际人工分级的吻合率达到90%,符合实际分级合格标准且与烟叶分级专家判定一致,为烟叶分级自动化研究提供了前期技术依据和量化方法。     

机器视觉技术在烟草行业的应用状况

机器视觉技术是一种基于计算机技术和图像处理技术的新型学科,近年来其研究与应用已扩展到农业领域并在许多方面取得了进展。概述了机器视觉技术在烟草农业（无损测量叶面积、测定鲜烟叶含水量、判定烟叶田间成熟度、烟叶烘烤与分级）和烟草工业（智能剔除烟草异物、片烟规格检测、烟制品包装和烟草工业机器人）中的应用,并讨了论该技术在应用中存在的有关问题。以期为加速我国现代烟草农业进程,提升烟草企业市场竞争力奠定基础。     

中美两国马里兰烟分级标准比较与分析

美国生产种植马里兰烟的历史悠久，经验丰富，长期的实践证明对马里兰烟的工业应用是成功的。美国马里兰烟分级标准将颜色与部位结合分组，分级细致义不繁琐，较好体现了马里兰烟烟叶的特点，不仅有利于叶组配方和产品质量的稳定及控制，而且提高了烟叶的可用性。中国现行马里兰烟分级方法基本套用了白肋烟的国家分级标准，较为笼统，部分分级因素的定义不利于展现马里兰烟烟叶的特点，影响了工业的应用和未来的发展。因此，对于仍处发展初期的中国马里兰炯，其分级标准要向符合马里兰烟固有特点的方向引导，使其更具科学性合理性，也更符合生产实际。     

中美两国马里兰烟分级标准比较与分析*

 美国生产种植马里兰烟的历史悠久,经验丰富,长期的实践证明对马里兰烟的工业应用是成功的。美国马里兰烟分级标准将颜色与部位结合分组,分级细致又不繁琐,较好体现了马里兰烟烟叶的特点,不仅有利于叶组配方和产品质量的稳定及控制,而且提高了烟叶的可用性。中国现行马里兰烟分级方法基本套用了白肋烟的国家分级标准,较为笼统,部分分级因素的定义不利于展现马里兰烟烟叶的特点,影响了工业的应用和未来的发展。因此,对于仍处发展初期的中国马里兰烟,其分级标准要向符合马里兰烟固有特点的方向引导,使其更具科学性合理性,也更符合生产实际。     

定色后期稳温点对烟叶常规化学成分和致香物质的影响

以普洱市景东县烟区烟叶为研究对象,通过对不同部位最佳采收成熟度烟叶定色阶段后期稳温点的研究,分析了定色后期不同稳温处理与烟叶化学成分、致香物质的关系,结果表明:变黄期采用"低温慢变黄"处理,上部成熟烟叶54℃稳温16 h、中部成熟烟叶稳温8 h、下部适熟烟叶稳温16 h的烟叶常规化学成分含量在较适宜范围,糖碱比、氮碱比较为适宜,钾氯比均大于4,接近或符合优质烟叶的特征;烟叶致香物质总量及各类中性致香物质总量明显高于其他处理,由此表明通过优化烟叶烘烤工艺能使各部位烟叶品质向有利的方向转化。     

豫中上六片烤烟不同采收期对烤后烟叶品质的影响

为明确豫中烟区烤烟上六片适宜的成熟采收特征、成熟度与烟叶产质量关系,确定最有利于质量提升的成熟度标准,形成优质上六片烟叶成熟采收技术规程,以中烟100为试验材料,设置不同采收梯度,在田间进行烟叶成熟特征描述和SPAD值测定,并对烤后烟叶经济性状、外观质量、物理性状、化学成分和感官指标进行相关分析。结果表明：延迟10~11 d采收的上六片烟叶呈桔黄至深桔黄色,烟叶厚薄适中,结构疏松,成熟度好,油分足,光泽强,色度浓,弹性好,经济效益较高,感官质量评价最好。此时,上六片烟叶的田间成熟特征为叶脉基本全白,叶片颜色为淡黄色,成熟斑较多,上三片和下三片相对应的SPAD值分别为5.4~5.7和6.4~6.9。因此,豫中烟区上六片烟叶应适当延迟10~11 d采收,此时可获得产质量均较好的优质上部烟叶。     

涝害年份烟叶成熟度的把控及农艺措施改良研究

在涝害年份,由于不同成熟度烤后烟叶具有不同的外观质量特征,把控烟叶成熟度对烟叶分级工作具有重要意义。对烟叶成熟过程中与烟叶分级密切相关的特征进行了分析,并提出对涝害烟叶的农艺改良措施,以期为涝害年份的烟叶分级工作提供借鉴。     

不同采收成熟度对湘西烟叶质量的影响

[目的]研究不同采收成熟度对湘西烤烟(Nicotiana tabacum L.)烟叶质量的影响,为提高湘西烟叶产量和工业可用性提供科学依据。[方法]供试烤烟品种为K326。试验共设9个小区,每个小区面积99 m2。选取上中下3个部位的烟叶分别挂牌标记。每个部位烟叶都分3种不同的成熟度,每个成熟度3次重复,烟叶采收后采用菲莫烘烤工艺进行烘烤。[结果]不同成熟度烟叶在叶绿素方面表现出一定的规律,欠熟、适熟、过熟烟叶叶绿素相对值含量均表现为下2棚叶腰叶上2棚叶,同部位烟叶叶绿素含量均值变化均为欠熟叶适熟叶过熟叶。从产值及均价来看,下2棚叶按欠熟和适熟标准采收,腰叶按适熟标准采收,能够提高单叶重和收购均价;上2棚叶按过熟标准采收,对单叶重影响不明显,但能显著提高烟叶收购均价,促进烟农增收。从化学成分和评吸质量的分析结果来看,下2棚叶按欠熟标准采收,腰叶按适熟或过熟标准采收,上2棚叶按过熟标准采收,化学成分较协调,烟叶香气质及香气量充足,劲头和刺激性适中,焦香和甜香均有,余味舒适。[结论]从保障烟农收入和满足工业生产原料需求两方面考虑,下2棚叶按欠熟标准采收,腰叶按适熟标准采收,上2棚叶按过熟标准采收,较适合湘西地区烟叶生产,既能有效增加烟农的经济效益,又能使烟叶化学成分更为协调,评吸质量更高,有效提高烟叶品质。     

豫中上六片烤烟不同采收期对烤后烟叶品质的影响

为明确豫中烟区烤烟上六片适宜的成熟采收特征、成熟度与烟叶产质量关系，确定最有利于质量提升的成熟度标准，形成优质上六片烟叶成熟采收技术规程，以中烟100为试验材料，设置不同采收梯度，在田间进行烟叶成熟特征描述和SPAD值测定，并对烤后烟叶经济性状、外观质量、物理性状、化学成分和感官指标进行相关分析。结果表明：延迟10~11 d采收的上六片烟叶呈桔黄至深桔黄色，烟叶厚薄适中，结构疏松，成熟度好，油分足，光泽强，色度浓，弹性好，经济效益较高，感官质量评价最好。此时，上六片烟叶的田间成熟特征为叶脉基本全白，叶片颜色为淡黄色,成熟斑较多，上三片和下三片相对应的SPAD值分别为5.4~5.7和6.4~6.9。因此，豫中烟区上六片烟叶应适当延迟10~11 d采收，此时可获得产质量均较好的优质上部烟叶。