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。