題目：

基于圖像處理的煙葉烘烤階段判別模型優(yōu)選

目的：

選擇最優(yōu)的煙葉烘烤階段判別模型，實(shí)現(xiàn)烘烤階段的精確識(shí)別和操控，提升煙葉烘烤的精準(zhǔn)度。以期為圖像處理技術(shù)在煙葉智能烘烤中的應(yīng)用提供理論依據(jù)和技術(shù)支持。

創(chuàng)新點(diǎn)：

利用耐高溫高清攝像頭實(shí)時(shí)采集密集烘烤過程中煙葉狀態(tài)變化圖像，提取煙葉圖像的顏色紋理特征值，進(jìn)行變量聚類和相關(guān)性分析，優(yōu)選特征值作為模型的輸入變量，建立基于粒子群算法的反向傳播神經(jīng)網(wǎng)絡(luò)（PSO-BP）、基于遺傳算法的支持向量機(jī)(GA-SVM)和極限學(xué)習(xí)機(jī)(ELM)的煙葉烘烤階段的分類識(shí)別模型，優(yōu)選出最優(yōu)的煙葉烘烤階段判別模型，并針對(duì)優(yōu)選模型各階段的誤識(shí)別率進(jìn)行了系統(tǒng)分析。

方法：

利用耐高溫高清攝像頭實(shí)時(shí)采集烘烤過程中煙葉狀態(tài)變化圖像，經(jīng)圖像處理后，提取烘烤過程中整夾煙葉圖像的顏色和紋理特征，分別對(duì)顏色特征和紋理特征進(jìn)行變量聚類分析，并利用相關(guān)性分析篩選出每類特征中與烘烤階段相關(guān)性最強(qiáng)的1個(gè)特征組成特征子集（R/G、l*、灰度平均和慣性），作為模型輸入，分別利用基于遺傳算法的支持向量機(jī)（GA-SVM）、基于粒子群算法的反向傳播（PSO-BP）神經(jīng)網(wǎng)絡(luò)和極限學(xué)習(xí)機(jī)（ELM）進(jìn)行煙葉烘烤階段的分類識(shí)別研究，最后優(yōu)選出最優(yōu)的判別模型。

結(jié)論：

圖像處理技術(shù)能有效地量化烘烤過程中煙葉顏色及表面皺縮、卷曲、光滑程度等物理形態(tài)特征的變化，對(duì)于判斷烘烤過程、指導(dǎo)烘烤操作具有實(shí)際意義。所建立的3類烘烤階段預(yù)測(cè)模型表現(xiàn)為基于遺傳算法的SVM模型烘烤階段識(shí)別效果優(yōu)于基于粒子群算法的BP神經(jīng)網(wǎng)絡(luò)模型，基于粒子群算法的BP神經(jīng)網(wǎng)絡(luò)模型識(shí)別效果優(yōu)于ELM模型。各個(gè)模型的建立情況均表現(xiàn)為前6個(gè)階段識(shí)別精度較好，第7到第10階段的識(shí)別精度相對(duì)較差，這為后續(xù)研究提供了方向，可以單獨(dú)尋找干筋期特征，建立獨(dú)立的分類判別模型。?

關(guān)鍵詞：

烤煙；烘烤階段；圖像處理；特征模型；智能烘烤

作者：

李增盛，孟令峰，王松峰，高峻，徐小洪，朱先洲，楊超，汪伯軍，王愛華，孟霖，劉自暢，杜海娜，劉浩，孫福山

引用本文：

李增盛,孟令峰,王松峰,等. 基于圖像處理的煙葉烘烤階段判別模型優(yōu)選[J]. 中國煙草學(xué)報(bào), 2022 , 28 ( 2 ): 65-76.?

LI Zengsheng, MENG Lingfeng, WANG Songfeng, et al. Selection of optimum discriminant model in tobacco curing stage based on image processing[J]. Acta Tabacaria Sinica, 2022,28(2): 65-76 .?

doi: 10.16472 /j.chinatobacco. 2021.178

重要圖表