论文部分内容阅读
为了量化密集烘烤过程中烟叶形态变化的数字特征指标,实现成熟烟叶与烘烤过程烟叶β-胡萝卜素含量及水分含量的无损检测,以成熟烟叶及密集烤房不同烘烤阶段共450片烟叶为研究对象,首先利用图像处理技术提取烟叶图像的颜色特征红分量(R)、绿分量(G)、蓝分量(B)、色相(H)、饱和度(S)、亮度(B),纹理特征(纹理能量、纹理熵、纹理惯性、相关度)及形状特征(长、宽、长宽比、面积、横向收缩率、纵向收缩率),然后分别应用BP神经网络和基于遗传算法的最小二乘支持向量机,建立烘烤过程烟叶β-胡萝卜素含量及水分含量预测模型。烟叶图像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趋势。烟叶图像的亮度值呈现先升高后降低的趋势,烟叶色相值在整个烘烤过程中剧烈下降,而烟叶饱和度变化相对较缓。纹理能量和相关表现出变黄前期减小,变黄后期增大,定色及干筋阶段逐渐减小的趋势;纹理熵、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6个特征值作为输入变量结合BP神经网络模型对烘烤过程烟叶β-胡萝卜素含量进行模拟,所建模型的预测值与实测值相关系数达到0.982,平均相对误差为0.092,完全符合烟叶烘烤过程的需要。以烟叶颜色和纹理特征值作为输入变量结合BP神经网络模型与LS-SVM模型对烘烤过程烟叶含水量进行模拟,预测平均绝对误差分别达到0.0374和0.0170,预测误差标准差分别达到0.0485和0.0200,前者预测精度略低于后者,但可以满足烘烤过程烟叶水分含量实时检测的需要。利用图像处理技术能有效地量化烘烤过程烟叶颜色及烟叶表面皱缩、卷曲、光滑程度等物理形态特征的变化,基于图像处理的烘烤过程烟叶β-胡萝卜素含量及水分含量实时检测可以满足烘烤过程的需要。