论文部分内容阅读
烤烟烟叶的等级划分直接决定着烟叶产品的质量好坏,必须对烟叶等级的划分有科学合理的质量评价标准,才能准确快速的进行分级。目前,我国的烟叶分级主要依靠分级技师人工来进行分级,这种分级方法有很强的主观性和随意性。不同的专家可能对相同的烟叶也会给出不一致的等级判定,这就会造成诸多的冲突和矛盾。因此,对烟叶进行智能化的分级研究很有必要。本文通过提取样本烟叶的特征参数,通过属性相关度筛选得出烟叶分级的最佳特征组合,利用模糊规则分类方法对烟叶实现智能化分级。具体工作如下:1.烟叶样本的采集和图像预处理。通过组装工业CCD相机,图像采集卡,计算机,日光灯等设备,在一个封闭的暗箱中,对烟叶样本进行图像采集并保存。然后运用数字图像处理技术对获取的样本烟叶图像进行预处理,采用中值滤波方法去除图像中的噪声,采用区域阈值法和小面积去除的方法对烟叶图像和背景进行分割,最后使用轮廓提取法得出烟叶的边缘信息。2.烟叶特征参数的提取。我们运用图像处理技术对预处理后的烟叶样本进行特征提取,包括长度、宽度、长宽比、周长、面积、破损率、圆形度、矩形度8个形状特征,RGB和HSI颜色模型中各分量的均值和方差,共计12个颜色特征,还包含纹理惯性、能量、熵和相关性4个纹理特征。3.特征选择和烟叶分级。分两个部分,先按烟叶部位进行分组,然后在每一组中再进行分级。属性筛选模块,通过对提取的特征参数进行属性相关度分析,得出各个属性在分级中所占的权重值大小。依次剔除属性相关度最小的属性,同时利用训练数据得出的分类模型来进行实验,比较正确率高低,以此来筛选出最佳的烟叶分级特征组合。烟叶分级模块,将最佳特征组合输入到利用模糊规则建立的分类器中,得到每一片烟叶属于模糊集合的隶属度值,依据最大隶属度原则,得出每一片烟叶最终的级别。通过特征筛选和烟叶分级过程中的正确率对比,得出结论,剔除不相关的属性能够简化模型;使用模糊规则建立的分类器能够有效的完成烟叶分级的任务,同时准确率较高。