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。     

浅谈不同颜色模型在烟叶颜色数字化中的运用

为实现烟叶颜色数字化,分析了不同颜色模型在烟叶颜色、色度测定方面的运用效果,结果显示:烟叶颜色测定采用Lab颜色模型较好;烟叶亮度和饱和度测定时需同时具备Lab和HSV颜色模型转换方式;烟叶色度均匀度测定时需运用新型图像分割、识别技术并结合传统均匀度评价方法,建立一种新型的烟叶色度均匀度数字化评价方法.     

成像环境因素对烟叶图像采集结果的影响及校正研究

【目的】研究灯箱中采集烟叶图像时照明电压、不同品牌数码相机、聚焦距离及相机分辨率等成像环境因素对图像识别结果的影响，用相对颜色法对因成像环境因素影响而引起的烟叶图像颜色变异进行实时校正。【方法】通过试验筛选出颜色表现稳定的聚四氟乙烯材料作为颜色参照白板，在灯箱环境中，设置不同的因素处理，用数码相机同期采集烟叶与颜色参照白板图像，通过分析烟叶图像R、G、B颜色特征变化来确定成像环境因素构成的影响。提取烟叶图像三颜色分量与颜色参照白板对应颜色分量的比率，即相对颜色分量作为校正烟叶图像识别误差的特征参量。【结果】照明电压、不同品牌数码相机、相机分辨率相同而聚焦距离不同均使烟叶图像颜色产生变异，从而出现识别误差。【结论】相对颜色法能够实时校正识别误差，降低因成像环境因素影响而产生的颜色变异，为规范烟叶图像的数字采集环境奠定了基础。     

开放环境下烟叶等级RGB图像智能识别及判别模型的构建

为烟叶生产及分级人员提供高效、精确、方便和低成本的烤烟等级智能判别方法,采用开放环境下烟叶RGB图像识别方法,通过百分位区间估计,确定B2F和C3F等级烟叶外观质量的红色(Red)、绿色(Green)、蓝色(Blue)3个色彩通道及灰度图像叶色均值区间及叶型特征区间,并基于贝叶斯分类器,构建智能判别模型,通过系统固化后对烟叶样品进行等级识别判定。结果表明:红色(Red)、绿色(Green)、蓝色(Blue)通道及灰度图像的色阶均值25%分位点及75%分位点可作为B2F和C3F等级烟叶叶色判别区间的上限和下限;烟叶叶片长宽比及叶片有效面积占比不满足判别区间的条件,不选择叶型参数作为判别区间;构建的模型对B2F和C3F等级烟叶判别的准确率分别为92.86%和95.56%,总体准确率为94.21%,且不受干扰叶片的影响,判别精度较高。     

基于机器视觉的核桃仁特征提取与分级方法研究

基于机器视觉技术研究出一种适合新疆核桃仁分级特征提取与分级的方法。该方法利用已经完成图像预处理的实时采集的样品核桃图像,运用OpenCV完成从RGB到HSV的颜色空间转换,提取核桃仁颜色和完整度特征,建立原始特征矩阵特征,利用mRMR特征选择算法筛选原始特征集并对特征的重要性进行排列,最后通过对支持向量机、决策树和朴素贝叶斯3种机器学习算法进行模型训练和测试,得出最佳分级方法。结果表明,在使用特征bin19、K_1和bin15训练朴素贝叶斯分类器时,核桃仁的分级正确率达到最大,为97.33%。故得出基于机器视觉研究出的核桃仁特征提取与分级方法可以完成对核桃颜色和完整度的分级任务的结论。     

薏米视觉检测中图像采集环境的研究

[目的]优化薏米视觉检测中图像采集条件。[方法]在薏米视觉检测中通过图像采集设备采集薏米图像,以灰色、黑色、红色背景,在0～80 lx的光强区间,对采集后的图像进行阈值分割,采用阈值分割算法对图像进行处理。以分割图像薏米粒误差率为评价标准,分析了背景颜色、光照强度2个因素对薏米图像的影响,以确定薏米视觉检测中图像采集的最佳环境。[结果]较好的图像采集环境是黑色背景下50～60 lx的光照强度,其误差控制在6%,且在该光照区间旁光照强度上下浮动10 lx内误差也在10%内,这种环境能有效提高薏米图像的质量。[结论]优化薏米图像采集环境可大幅度降低图像噪声的影响,提高了薏米图像的质量。     

基于深度学习的皖南烟区烟叶分级模型的构建与应用研究

本文围绕皖南烟区烟叶分级的业务要求和现状,开展烟叶智能化分级研究,主要包括烟叶分级模型的构建和烟叶自动化分级设备的设计。研究基于深度学习的皖南烟区烟叶分级模型构建方法,结合提出的图像预处理算法,将预处理后的烟叶图像导入预训练好的卷积神经网络中,对采集的B2F、C3F、X2F、X3F四个等级皖南烟叶图像共3615张进行建模,模型在测试集上的分级准确率可达到94.3%。在烟叶等级识别智能算法的基础上,围绕等级识别和分选分拣等烟叶自动分级关键技术,设计研发烟叶自动化分级设备。研究结果表明,通过上述方法可初步实现烟叶分级的自动化,提升烟叶分级工作效率,降低人员投入,提高烟叶分级质量一致性。     

基于RGB与HSV颜色空间的水稻齐穗后叶片SPAD值估测方法研究

通过计算机视觉技术对齐穗期至成熟期的水稻叶片图像进行分割,提取水稻叶片图像在RGB和HSV颜色空间中的6种颜色特征参数,计算典型的18种颜色分量,分析了颜色特征参数和颜色分量与水稻叶片SPAD值之间的相关关系;然后,采用线性回归分析方法,分别建立了基于RGB颜色空间和基于RGB与HSV颜色空间的SPAD值的估测模型,并采用逐步回归方法,分别建立了基于颜色特征参数和颜色分量的SPAD值的估测模型。结果表明:RGB颜色空间和HSV颜色空间均与水稻叶片的SPAD值有极显著的相关关系,以HSV颜色空间与水稻叶片SPAD值的相关关系更为密切;颜色特征参数H与SPAD值之间的相关关系最密切,其次是S、R、V;颜色分量r/b与SPAD值之间的相关关系最密切,其次是R-B、b、r;在建立的水稻叶片SPAD值的4个估测模型中,以基于颜色分量的逐步回归模型的拟合效果最好。因此,综合RGB和HSV颜色空间中图像颜色信息的分析应用,有利于提高水稻叶片SPAD值的图像反演精度。     

基于RGB与HSV颜色空间的水稻齐穗后叶片SPAD值估测方法研究

通过计算机视觉技术对齐穗期至成熟期的水稻叶片图像进行分割,提取水稻叶片图像在RGB和HSV颜色空间中的6种颜色特征参数,计算典型的18种颜色分量,分析了颜色特征参数和颜色分量与水稻叶片SPAD值之间的相关关系;然后,采用线性回归分析方法,分别建立了基于RGB颜色空间和基于RGB与HSV颜色空间的SPAD值的估测模型,并采用逐步回归方法,分别建立了基于颜色特征参数和颜色分量的SPAD值的估测模型。结果表明:RGB颜色空间和HSV颜色空间均与水稻叶片的SPAD值有极显著的相关关系,以HSV颜色空间与水稻叶片SPAD值的相关关系更为密切;颜色特征参数H与SPAD值之间的相关关系最密切,其次是S、R、V;颜色分量r/b与SPAD值之间的相关关系最密切,其次是R-B、b、r;在建立的水稻叶片SPAD值的4个估测模型中,以基于颜色分量的逐步回归模型的拟合效果最好。因此,综合RGB和HSV颜色空间中图像颜色信息的分析应用,有利于提高水稻叶片SPAD值的图像反演精度。     

利用数字图像分析法评价油菜种子颜色

为了客观方便地评价油菜种子颜色,研究探索了数字图像分析评价方法。随机选取籽粒颜色不同的甘蓝型油菜30份,采用扫描仪获取种子的数字图像,通过建立色彩描述文件（ICC Profile）对图像进行颜色校正后,再运用自行编制软件“RSCA”采集种子颜色值．主要对油菜种子颜色在颜色空间RGB、CIEL^＊a^＊b^＊、HSB中的特征,目测颜色等级与各颜色分量的相关性进行了分析。结果表明;RGB颜色模型的R分量是一个理想的油菜种子颜色等级衡量尺度,数字图像分析法评价油菜种子颜色是可行的。     

光强对水稻叶色白化突变体苗期生长的影响

为揭示水稻叶色突变体——高光A和9522中脉白苗期对光强的响应,在光照培养箱中采用遮光法,观测了6种光强下2个水稻叶色突变体及其野生型的出叶速度、苗高和叶绿体色素的动态变化．结果表明,相同生长期内,各种光强下水稻叶色突变体的叶龄和苗高均小于野生型,且高光A比9522中脉白对光强更敏感．高光强下的高光A叶片白化表现最明显,而9522中脉白的叶片白化最明显表现在低光强．2个水稻叶色突变体的叶绿体色素含量与野生型差异最小时的光强均为90001x,但高光A和9522中脉白的差异最大时的光强分别为21000lx和18000lx,这为今后深入研究2个水稻叶色突变体的内在机制提供了先决条件．     

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...     

不同光照强度对槲蕨叶绿素荧光参数·色素含量及抗性生理的影响

在不同光照条件下,测定了槲蕨孢子叶叶绿素荧光参数、叶绿素a、叶绿素b、叶绿素a+b、类胡萝卜素含量及过氧化物酶(POD)、过氧化氢酶(CAT)、丙二醛(MDA)和可溶性糖(SS)含量的变化。研究表明:在强光3 000 lx下Fo比1 0002、000 lx大,Fm各处理间相差不大,Fv/Fm在3 000 lx下明显减小。在1 000和2 000 lx下处理46、d后,ETR随光照强度的增加而增加,光抑制被消除。不同光照处理7d后3 000 lx叶绿素及类胡萝卜素含量下降幅度较大,1 000和2 000 lx差异不明显,POD和CAT活性、MDA、SS含量都在3 000 lx下最高。由此可见,3 000 lx光强对槲蕨生长不利,在实际生产中进行槲蕨人工栽培时应避免强光。     

基于图像融合特征的番茄叶部病害的识别

为了提高基于数字图像识别番茄叶部病害的准确率,适应不同分辨率条件下的应用需求,并满足实践拍摄条件的不确定性,以番茄晚疫病、花叶病、早疫病叶片图像为研究对象,选择HSV模型中的4维H分量等量分割波段作为颜色特征,基于灰度差分统计的均值、对比度和熵3维特征作为纹理特征,融合7维特征向量作为支持向量机(SVM)分类器的输入,用粒子群算法(PSO)优化SVM模型参数。试验结果表明,融合灰度差分统计与H分量4维特征的病害识别模型准确率可达90%。     

支持向量机和最大类间方差法结合的水稻冠层图像分割方法

针对田间多变光照强度给水稻冠层图像分割带来的难题,探讨了一种基于支持向量机(SVM)和最大类间方差法(OTSU法)相结合的水稻冠层图像分割算法。首先,从不同光强条件下的水稻冠层图像中采集代表性水稻和背景像元构建训练图像S1和S2,通过分析水稻S1和背景S2两类图像在RGB色彩空间中R、G、B色彩特征值的分布频率,rgb(标准化RGB)色彩空间中r、g、b色彩特征值的分布频率,CIE L*a*b*色彩空间中L*、a*、b*色彩特征值的分布频率,以及HSV色彩空间中H、S、V色彩特征值的分布频率,筛选出具有明显双峰特征的g、a*、b*和S作为关键色彩特征;然后,在由g、a*、b*和S色彩特征构成的多维色彩空间中采用支持向量机学习算法获得分隔水稻和背景像元的优化超平面Z(Z=0.421g+0.753 a*+0.152 b*+0.051S+0.085);最后,计算水稻冠层图像中每一像元的Z值,并用最大类间方差法计算分割阈值Z_t,从而实现水稻冠层图像分割。为了评价该分割方法,以90幅不同光强(阴天、多云和晴天)条件下采集到的田间水稻冠层图像作为测试图像,并以常用的ExGOTSU分割方法作为对比,分析该分割方法的分割精度和光强稳健性。结果表明,Ex GOTSU方法的精确度显著受光强条件影响,随着光强强度的提高而显著降低,光强稳健性差;该研究所提分割方法对阴天、多云和晴天条件下水稻冠层图像的分割误差为7.30%、8.72%和8.98%,分割精确度较高,且具有良好的光强稳健性。因此,该基于支持向量机和最大类间方差法相结合的水稻冠层图像分割方法具有较高的分割精度和光强稳健性,可为田间多变光照条件下水稻冠层图像精准分割提供技术参考。     

基于图像分析技术的烤烟叶片含氮量诊断模型

为了给叶片颜色特征参数与全氮的预测模型研究提供理论依据,利用图像处理技术提取生长关键期烟叶的颜色特征参数RGB,同时测定叶片全氮,采用线性拟合和多元回归分析方法,建立了烤烟旺长期叶片全氮含量估算模型,并对其精度进行了评价和验证。结果表明：RGB颜色系统的G、B可以作为叶片全氮含量估算的主要颜色特征参数,全氮含量的预测值与实测值的决定系数为R2=0.649（P〈0.01）;直线斜率为1.022 9,接近1,模型精度高,预测可靠。进而为烟株氮素快速诊断提供理论基础。     

光照度对蛹虫草生长发育的影响

以蛹虫草CM-16菌株为供试材料,分别在75、150、300、500和650lx的光照度环境下进行培养,以蛹虫草的菌丝体颜色饱和度、子座颜色饱和度、生物学效率、栽培周期、子座密度、子座长度、基质利用率为指标,研究不同光照度对蛹虫草生长发育的作用规律。结果表明,供试范围内,光照度与以上各指标之间均呈显著的二次函数关系,蛹虫草生长最适的光照度为140~280lx。可见,光照度对蛹虫草的生长发育有显著影响,在蛹虫草的栽培管理中,应分阶段调节培养环境的光照度。     

烤烟叶片叶绿素含量与颜色特征的关系

利用图像处理技术提取不同成熟时期烟叶的叶绿素含量,采用线性拟合和回归分析方法,建立了烟叶成熟期叶绿素含量估算模型,并对其精度进行了评价和验证.结果表明,RGB颜色系统的B/(R G),色度坐标b可以作为叶绿素含量估算的主要颜色特征参数,叶绿素含量的模拟值与实测值均呈极显著正相关,相关系数均达到0.767以上.     

提升烟叶分级实训中部位判定准确性研究

烟叶等级判定是烟叶分级技术培训的主要内容,是烟叶分级技术员必须掌握的技能。烟叶分级体系按照分类-分型-分组-分级来进行,同一类型烟叶中分组是分级的前提,而部位是首要的分组因素,只有将部位判定准确,才能将烟叶等级判定正确,从而将烟叶按等级质量区分开来,提高可用性。采用统计分析方法对烤烟分级实训中部位错判率及错误趋向进行分析,找出易错等级,并对错判原因进行分析,从而提出提高烟叶分级实训中部位判定准确性的途径。