目前,烟叶复烤企业中的烟叶叶中含梗率的测定主要采用的是较为传统的方法,需要进行人工取样,然后用打叶风分法对叶片样品中的叶梗实现分离,再用振动筛分器对分离出来的烟梗进行筛分并分别称重计算出叶中含梗率。针对其效率低下,准确度低,破坏式的检测法,本文提出了一种利用机器视觉技术对烟叶叶中含梗率进行无损实时检测的方法,并将其付诸于工业实际应用之中,有效提高了检测精度,并且经济可靠。本课题主要是涉及基于X射线图像对烟叶叶中含梗率进行在线测定技术方案的研究与实现,其主要内容如下:(1)研究了基于高光谱方案进行烟叶叶中含梗率测定的可能性,并进行了一系列的试验,信息采集以及数据分析,并根据分析结果得出该方案不适于进行烟叶叶中含梗率的测定。然后对采用X射线图像进行叶中含梗率测定的方案进行了研究,分析了采用X射线图像方案的可行性与优势。(2)利用X射线图像进行了叶中含梗率分析的研究,对图像处理过程包括烟叶X射线图像的平滑去噪,图像分割,低通滤波,连通域标记,骨架的细化提取,烟梗直径的确定以及不同烟梗直径下其烟梗面积的计算等进行了研究探索并予以实现。(3)开发了一套较为完整的烟叶叶中含梗率在线实时检测系统,基于C++开发了一套烟梗识别检测软件,其中包括图像处理程序,工程师操控模块,实时显示等部分,并将其应用到了实际的复烤企业应用中。(4)参与进行了现场设备的安装与调试,完成了相机标定,现场设备改进优化等,并在后期进行了一系列的实验,包括比对实验,重复性实验,证明了该套系统方案在实际工业现场是可用的,且能满足企业的需求,并且和传统的检测方法相比,能显著提高检测效率和精度。