按照国家烟叶质量分级分组标准,烟叶可以划分为正组烟和副组烟。在烟制品生产过程中,副组烟是不符合生产要求的烟叶,在处理过程中将副组烟分离出来具有一定的必要性。目前烟叶质量分组主要依靠人工的感官和经验,主观性强,效率低,不适应烟叶自动化生产。基于计算机视觉的烟叶自动分组方法具有快速、高效的特点,是解决效率低下等问题的主流研究技术,在业界得到认可和重视。此外,模糊聚类的思想可以解决烟叶描述不清晰的问题,因此,将模糊聚类的方法应用于烟叶分组之中具有重要意义。本文针对烟叶分组过程中主观性强、准确率和效率低等问题,利用计算机视觉的技术对烟叶图像进行获取并处理,通过模糊聚类的方法对烟叶进行有效的分组。具体工作内容包括:第一,改进了烟叶的处理和特征提取过程。通过对比不同的颜色模型,结合烟叶的特性,选取了 Lab颜色模型,并在b通道中设定阈值对烟叶图像进行分割处理。采用小波变换的算法对烟叶直方图进行处理获取小波系数,采用灰度共生矩阵的方法提取出惯性、能量、熵和相关性等纹理参数并求出均值与标准差,为烟叶分组实验提供了特征数据。第二,提出了一种新的烟叶分组思路,将烟叶分为正面烟和反面烟,分别进行烟叶的质量分组过程。从烟叶的正面和反面进行对比分析,用灰度直方图的方法总结比较,得出烟叶正反面的特征信息均具有一定的差异性。第三,设计了基于模糊思想的分类器。选取合适的隶属度函数和模糊量清晰方法,对模糊矩阵和聚类中心进行了推导与分析。分别将不同批次的正组烟和副组烟放入分类器中进行模糊分组实验。通过验证得出结论,基于计算机视觉的烟叶模糊分组方法行之有效,模糊规则可以避免人为因素对烟叶分组的干扰,依据模糊思想建立的分类器能自动完成烟叶分组实验,并且准确率较高。烟叶的正面和反面信息作为新的研究思路,可以进一步提升烟叶分组的正确率。