不同产地烟叶化学成分的部位特征

在大区域、多种生态条件下对不同产地烟叶化学成分的部位特征进行了探讨。结果表明：南方烟叶除还原糖外，化学成分部位特征比较明显；北方烟叶除还原糖外，化学成分部位特征相对不大显著。     

特殊外观特征烟叶部位的识别判定研究

不同部位的烟叶有着不同的外观特征,烟叶外观特征变化虽有一定的规律性,但实际生产中会出现差异性;不同品种的烟叶在不同的土壤条件、栽培措施、环境因素以及烘烤工艺的影响下,外观特征也不尽相同。针对烤烟生产中的几种特殊烟叶,即外观特征与烤烟国家标准矛盾的烟叶：脉相较显露的中下部叶;中下部厚叶;中部宽圆叶;上部薄叶;上部宽大叶;脉相较遮盖的上部叶,上部的窄长叶等,分析了其产生的原因及部位判定不准确的基本情况,找出正确的识别判定方法,总结部位识别的基本依据。此依据对提高分级技术人员的分级操作水平非常重要,可为指导烟叶收购、分级技术人员培训、烟叶工商交接提供参考。     

基于颜色和纹理特征的异常玉米种穗分类识别方法

针对玉米选种过程中异常种穗的外观缺陷难以准确识别的问题,以玉米种穗为研究对象,通过计算机视觉技术快速识别杂色、缺粒、虫蛀、籽粒杂乱4种异常种穗。选择单目视觉采集装置,采集任意姿态玉米种穗图像,利用凹点匹配算法分割粘连玉米种穗;采用HSV和CLBP(完全局部二值模式)方法提取玉米种穗的颜色和纹理特征,利用匹配得分融合算法融合玉米种穗的颜色和纹理特征,建立玉米种穗分类模型,利用SVM实现4种异常玉米种穗的快速分类。试验结果表明,该方法相对于传统玉米种穗检测技术能快速有效识别出4种异常玉米种穗,对杂色、缺粒、虫蛀、籽粒杂乱玉米种穗的识别正确率分别达到了96.0%、94.7%、93.6%和95.3%,玉米种穗在有粘连和无粘连情况下平均识别速度分别为每穗1.180 s和0.985 s,能够满足异常种穗分类识别的需求。     

基于轮廓特征的猪行为识别方法研究

[目的]提出一种基于轮廓特征的目标识别方法对猪的行为进行分类和识别。[方法]先采用背景减除法提取运动目标的轮廓,并利用HSV彩色空间模型的色度和饱和度信息消除阴影对目标检测的影响,再运用其轮廓的边界矩特征构建一个轮廓特征向量模型,分析比较待测行为姿态轮廓特征向量与每类标准模板之间的欧氏距离,对猪的4种行为即正常行走、低头站立、抬头站立和躺卧进行分类。[结果]该方法能够有效对猪的4种行为进行分类,准确率达80%以上。[结论]该项研究对养殖场中猪的精神状态和异常行为识别进行了有益的探索。     

基于高光谱成像技术的鲜烟叶叶位识别方法

为实现鲜烟叶叶位的快速无损识别,以不同着生部位烟叶为研究对象,应用高光谱成像技术,构建基于特征光谱的鲜烟叶叶位判别模型。首先,利用标准正态变换（SNV）、二阶导数（2ND）、SavitzkyGolay卷积平滑（SG）和多元散射校正（MSC）4种光谱预处理方法对烟叶原始高光谱数据进行处理,然后采用预处理后的全波段光谱数据和特征波段光谱数据,构建基于支持向量机（SVM）、偏最小二乘判别分析（PLS-DA）和反向传播神经网络（BPNN）的鲜烟叶叶位识别模型。结果表明：采用SG滤波预处理和BPNN所构建的模型识别效果最好,训练集和预测集的预测准确率分别为91.15%和90.63%。此外,利用竞争性自适应重加权算法（CARS）所筛选的特征波长所建立的BPNN模型最优,训练集和预测集的预测准确率达到了93.23%和92.19%。表明利用高光谱成像技术判别鲜烟叶所属部位是可行的,可以实现鲜烟叶所属部位快速、无损检测。     

基于正交线性判别分析的植物分类方法

首先计算数据的类内和类间散度矩阵,得到差形式的目标函数;然后进行特征值分解,得到映射矩阵;最后利用实际植物叶片数据集进行植物分类试验。结果表明,该算法对植物分类是有效可行的。     

烤烟邻近部位烟叶等级的识别判定

在烤烟的分级收购过程中,准确判定烟叶的部位和等级,对执行烤烟国家标准,维护国家、烟农、企业三者利益关系,体现优质优价的价格政策具有十分重要的作用。针对烟叶生产、分级加工、收购环节中,邻近部位烟叶容易出现混部、混级,等级把握不准确,影响烟叶的等级质量和收购质量的现象,通过分析不同部位烟叶外观特征,掌握正确判定邻近部位烟叶等级的方法,以提高烟叶等级纯度与收购质量,合理利用国家资源。     

云南省主产烟区烟叶化学成分的部位特征

 在云南省多种生态条件下对不同主产烟区烟叶化学成分的部位特征进行了初步分析。结果表明：思茅烟区总糖含量部位间差异较大;大理烟区烟碱、总氮含量部位间差异较大;保山烟区钾、氯离子含量部位间差异较大;玉溪烟区糖/碱部位间差异较大;曲靖烟区氮/碱部位间差异较大。     

鲜烟分类对烟叶质量和效益的影响

通过鲜烟分类烘烤,研究烘烤成本、烟叶等级和质量的变化情况。结果表明：下、中、上部叶烘烤成本每炉分别节省110、125、130元,烤后烟叶均价分别为15.0、19.2、15.8元/kg,烟叶等级和质量明显提高。     

基于Elman神经网络的烤烟鲜烟叶含水量模型研究

在Matlab中利用ANN方法建立了鲜烟叶含水量Elman非线性动态预测数学模型,利用计算机视觉技术,选取在改进AHP法中占较大权重综合评判指标叶片宽、面积以及均值特征量,作为网络的输入,克服了用单一指标进行评判的缺陷,通过实验数据对Elman模型进行验证和误差分析,结果表明该含水量模型可对鲜烟叶含水量进行预测,预测精度大于90%,预测结果达到预期目标,在此基础上进行了含水量检测系统软件的开发。     

基于Fisher判别分析对不同油分烟叶的识别研究

为烟叶油分档次的判别提供参考,以三门峡主产区132份初烤烟叶为样品,评定油分档次后,测定烟叶样品中主要含氮化合物的含量,运用方差分析、Spearman相关性分析和主成分分析筛选出油分档次的判别指标,采用Fisher判别分析建立烟叶油分档次的判别模型。结果表明,不同油分烟叶的含氮化合物中大多数氨基酸含量(19/21)存在显著差异,除脯氨酸外,基本与油分呈显著或极显著负相关。经过主成分分析,从主要含氮化合物中提取出4个主成分,代表了总指标73.441%的信息,筛选出17种烟叶油分的特征含氮化合物。经Fisher判别分析,确定了17种游离氨基酸作为烟叶油分的有效判别指标,构建了烟叶油分档次的Fisher判别模型,训练集和测试集的识别率均为100%。并利用江西吉安和云南楚雄的20份样品对模型进行了验证,准确率分别为100%和80%,对烟叶油分档次的判别效果较好。游离氨基酸的检测结合多元统计分析方法可用于烟叶油分档次的判别。     

基于纹理特征和神经网络的图像识别

图像特征是用来区分图像内部最基本属性或特征的,它包括了几何特征、形状特征、颜色特征、纹理特征等,在这些特征中纹理特征理解过于复杂,至今尚未有一个大家都认同的定义,从而也就使得纹理分析变得很困难。该文主要研究图像的分类识别,采用基于灰度共生矩阵的纹理特征的提取。以8位灰度图为研究对象,依次对图像进行4个方向(0°、45°、90°、135°)的扫描,并分别建立灰度共生矩阵,从而提取纹理特征参数,然后建立BP神经网络模型,用提取的纹理特征值,来训练BP神经网络模型,使网络模型能够识别图像的内容。此文提出了用纹理特征训练神经网络的方法来识别图像,研究结果表明,纹理是图像分析中一个非常重要的特征,所提取的图像特征是描述图像相当有效的参数。     

不同鲜烟分类方式对烟叶质量和效益的影响

[目的]考察不同鲜烟分类方式对烟叶质量和效益的影响.[方法]对2种不同鲜烟分类方式的用工成本、经济性状、原烟外观质量进行了研究分析.[结果]试验表明,按成熟度进行鲜烟分类的用工比对照的节省3.9个,增产467.40元/hm2;按成熟度和长度进行鲜烟分类的用工比对照的节省4.4个,增产792.30元/hm2.[结论]研究可为烤烟生产中烟叶的提质增效、减工降本提供参考依据.     

基于支持向量机回归的鲜烟叶含水量预测模型

为了提高鲜烟叶含水量的检测准确率,基于机器视觉技术,应用支持向量机理论,建立支持向量机回归的鲜烟叶含水量预测模型,输入变量为鲜烟叶图像的r（红色分量所占比例）、g（绿色分量所占比例）、H（色调）、均值、一致性、熵、宽、面积和伸缩率9个特征参数,输出变量为含水量.通过对利用机器视觉技术提取到的鲜烟叶图像参数进行模型的训练测试,并将其结果与ELMAN神经网络对比.结果表明:支持向量机含水量模型的最大相对误差绝对值为2.410%,平均绝对误差为0.007 9,平均绝对百分比误差为1.119%,误差方差为7.806×10-5,其拟合效果均优于ELMAN神经网络.该方法能够更准确地反映鲜烟叶含水量的实际值,为选择最优烘烤模式和烘烤工艺提供了参考依据.     

田间摘除不适用鲜烟叶数量和时期对上部烟叶物理性状的影响

采用正交试验设计,运用极差分析、方差分析、综合评价方法研究了邵阳烟区不适用鲜烟叶的田间摘除叶片数和时期对上部烟叶物理性状的影响。结果表明:摘除下部叶片数量主要影响烤烟上部烟叶的开片度、叶片厚度、平衡含水率、叶质重;摘除下部叶片数和摘除时期以及摘除顶叶片数主要影响烤烟上部烟叶的单叶重和含梗率。邵阳烟区稻田烤烟优化烟叶结构以打顶时摘除下部2片烟叶和倒数第1烤时摘除顶部1片烟叶为最佳。     

基于计算机视觉的烤烟鲜烟叶含水量无损检测及MATLAB实现

用计算机视觉技术研究判断鲜烟叶水分含量的方法.在日光条件下采集鲜烟叶片图像,用matlab软件进行图像分割算法研究,提取了r、g、H、面积、宽、伸缩率、均值、一致性和熵作为烟叶含水量综合评价指标,以减少单参数对其含水量判定缺陷,并用三标度AHP法对指标综合排序.分析结果表明:叶片宽和面积以及均值在整个评价体系中占较大权重,可用作快速判断含水量的指标.

Abstract：

Water content of fresh tobacco leaves was judged with the computer vision technology. Images of fresh tobacco leaves were gathered under sunlight and image segmentation algorithm was performed with the Matlab software. The parameters of r, g, H, acreage, width, shrinkage rate, mean value, consistency and entropy were extracted and used as the indexes of comprehensive evaluation so as to reduce the inaccuracy of water content estimation based on a single parameter, and they were ranked with the three-demarcation AHP method. The results showed that leaf width, leaf area and mean value had relatively great weights and, therefore, are recommended as the indicators in rapid determination of water content of fluecure tobacco leaves.     

外轮廓与花纹特征相结合的平面鞋印图像识别的研究

采用鞋印形状特征提取技术,提出基于外轮廓、内部花纹形状特征的鞋印图像识别方法。采用各分区纵横比、特征点来表示鞋印外轮廓特征,内部的花纹特征用傅立叶描述子和链码来表示。实验结果表明,该方法具有快速准确、科学实用等优点。     

一种基于反射光谱的烤烟鲜烟叶成熟度测定方法

为实现烤烟鲜烟叶成熟度的准确测定, 使用ASD Fieldspec FR2500光谱仪进行了5个不同成熟度烤烟鲜烟叶的可见/近红外(350～1 650 nm)光谱测定和分析, 研究了鲜烟叶成熟度的反射光谱特性, 建立了量化判别烟叶成熟度模型并作了验证. 结果表明: 不同成熟度鲜烟叶在可见光503～651 nm之间光谱差异极其显著. 通过逐步回归分析筛选出514 nm、 629 nm、 650 nm的反射率共3个主要预测因子的典则判别分析模型. 判别模型的准确率检验结果是训练样本为98%, 验证样本为97%. 基于高光谱的烟叶成熟度判别模型具有较好的稳健性. 使用光谱技术进行鲜烟叶成熟度判定是可行的.