论文部分内容阅读
摘 要：文章对烟叶成熟度判定方法进行了综述，总结了判断成熟度的四种方法：外观结合叶龄、生化指标、数字图像及光谱方法，结合生产应用，对烟叶成熟度判定方法的发展方向提出了展望。
关键词：烟叶 成熟度 生化指标 数字图像 光谱
烟叶成熟度有两个概念，田间成熟度及分级成熟度，分级成熟度是分级中衡量烟叶品质的首要因素，而烟叶田间成熟度是分级成熟度的基础，只有田间成熟充分的烟叶经过合适的烘烤调制才能获得分级成熟度优良的烟叶。美国烟草专家认为，对烟叶品质的贡献，田间栽培占1/3，成熟采收占1/3，烘烤技术占1/3，可见烟叶成熟度的重要性。近年来，随着工业对优质烟叶原料需求的提高，需要进一步加强烟叶成熟度与烟叶品质关系的认识，加强对成熟采收的重视。本文旨在综述成熟采收判断方式并提出展望，为指导烟叶成熟采收，获得最适成熟度烟叶提供参考。
一、成熟度判定方法
1.外观及叶龄综合判断。外观判断是长期以来我国烟叶生产采用的最普遍的方法，主要从烟叶颜色，叶片茸毛及茎叶夹角角度出发进行成熟度判断。研究认为成熟时烟叶下部叶面黄绿；中部叶面黄色明显，有黄色至黄白色成熟斑，叶耳微黄至淡黄；上部叶面黄色鲜明、较深而均匀，成熟斑呈黄白色，叶耳淡黄。王怀珠[ ]针对K326品种，提出当下部叶片烟叶颜色由绿转黄，茎叶夹角达60～70时，烟叶成熟，此时采收可获得最佳产质量；中、上部叶片，当烟叶外观颜色达一定程度，茎叶夹角达80～90时，可视为适熟标志，采收后易烤性较好，烤后烟叶品质佳。对叶龄的研究表明，在适宜的叶龄采收烟叶化学成分协调，物理性状较好，烤后烟叶品质好，香气量足，香气质优。有基于叶龄的研究认为，有效积温较叶龄更能反应烟叶的成熟度，不同移栽期相同叶位在烟叶成熟时所需要的有效积温无显著差异，叶片的成熟时间与发育期的有效积温呈极显著线性正相关，基于此提出通过有效积温判断烟叶成熟时间是可行的。当前的国标烤烟烘烤技术规程对烟叶成熟度描述是根据烟叶基本色、主支脉颜色、茎叶角度、茸毛脱落情况、断面整齐情况等外观综合状况及叶龄进行描述的。
2.烟叶成熟度生化判断指标。随着烟叶成熟度的增加，内在化学成分也在发生着变化，研究人员通过筛选伴随成熟过程具有明显规律或相关性的化学成分，从而辅助判断烟叶成熟采收。贾琪光等研究认为鲜烟叶淀粉和α-氨基酸含量可作为烟叶最佳成熟的生理指标。聂荣邦研究表明，烟叶α-氨基酸总量及与阿马杜里化合物合成有关的α-氨基酸总量，随着成熟度的进程先逐渐下降，到最低值后迅速升高，且鲜烟叶的α-氨基酸含量变化达最小值时烤后烟叶质量最好，可最为最佳成熟采收期的化学判断指标。张光利实验证明脯氨酸在鲜烟叶成熟过程中呈现先降低后升高的V型变化特点，并选择适宜于对大批量样品测定的磺基水杨酸法测定烟叶游离脯氨酸含量，为鲜烟叶成熟度化学测定提供了推广基础。赵光伟[ ]研究发现，鲜烟叶糖碱比随叶龄增加逐渐下降，不同叶龄间的差异极显著，进一步研究烤烟叶片成熟过程糖碱比适宜范围可为指导成熟采收提供理论依据。陈进红[ ]等通过对云烟85和K326两品种19项生理生化指标的主成分分析表明，决定第一主成分的是总氮、叶绿素、超氧化物歧化酶或丙二醛、叶厚度，结合生产，总氮和叶绿素含量可作为衡量烟叶成熟度的首要指标。
3.基于烟叶数字图像判断成熟度研究。烟叶图像机器视觉判断烟叶成熟度是基于各不同颜色空间（RGB，CMY，HSV，HSI，Lab）及烟叶纹理特征与成熟度的相关性，通过对烟叶图像的计算机学习，经过不同计算机算法建立模型，从而根据模型判断烟叶成熟度。史龙飞[ ]等采用了HSV颜色空间与烟叶成熟度的相关性，通过主成分分析法进行优化，并利用BP神经网络算法建立烟叶成熟度检测模型，模型的最佳判断准确率达到93.67%。劉剑君[ ]通过分析烟叶图像中RGB颜色空间与成熟度相关性，通过人工成熟度赋值，建立图像与成熟的相关模型，与生产实际基本一致。张军刚[ ]研究表明在烟叶成熟过程中，各部位烟叶颜色空间Lab各单值均与各色素含量、类叶比值呈显著或极显著性相关关系。王杰将烟叶图像归一化处理后平均分成4块，然后提取烟叶图像的分块颜色直方图特征，并进行降维处理，最后利用了两种计算机算法进行识别判断，对极限学习机算法的仿真实验结果表明，测试精度可达96.43%；通过稀疏自编码器算法的测试数据分类准确率可达98.63%。与以上通过暗箱内置光源采集数码照片有所不同，DS Guru等在晴天及阴天大田环境下采集图片，用CIELAB颜色空间将数字图像剔除背景，分别提取成熟斑密度和绿色程度，提取灰度级局部纹理，利用计算机算法，将烟叶区分为未熟、成熟及过熟三个等级。
4.成熟度光谱识别。成熟度的光谱识别主要是基于不同成熟度的烟叶在光谱带的吸收、反射等光谱差异，李佛琳[ ]研究发现，不同成熟度鲜烟叶在可见光503-651nm之间有极其显著的光谱差异，筛选出3个主要预测因子514、629、650nm，并建立反射率模型对成熟度进行判别，模型判别训练样本的准确率为98%，验证样本为97%。李向阳[ ]通过试验研究烤烟不同成熟度的叶片光谱红边参数特性，得出成熟叶片红边位置为693--695nm，过熟叶片红边位置极值为688nm，认为运用红边位置估测叶绿素含量效果较好，从而可以判断烟叶成熟度。余志虹等筛选出560、660、710及1100nm波长对不同成熟度反应敏感，并利用RVI（1100，660）建立与叶绿素相关模型，RVI（1100，660）处于2.81～3.47 范围时，中部叶成熟；小于 2.72 时，中部烟叶过熟；大于3.75时，中部叶未熟。这些研究可以看出，不同成熟度在可见光谱带及高原区差异显著，筛选出的预测因子不同可能是与品种、施肥及区域有关。
二、成熟采收判定技术应用
外观结合叶龄判断烟叶成熟度在指导生产实践上发挥着巨大的作用，长期指导着烟叶成熟采收，为了降低感官自由度，日本通常采用比色卡对成熟度进行辅助判断，我国也曾引进过这种技术，但因为种种原因，未在推广开来，主要从量化夹角及叶龄角度辅助成熟采收。在实际生产中，不管是拿比色卡还是量角器都是会降低采收效率的，在操作上也很不便，还是以感官判断叶色、夹角、手感黏度等，雇工的差异及感官判断自由度太大，造成烟叶采生、成熟度不一致，在生产上造成了巨大损失。 为了减小感官对成熟度判断的影响，人们从化学成分、数字图像、光谱识别层面进行了烟叶成熟度的量化研究，目前来看与烟叶生产的投入应用尚有很远距离，一方面是由于我国当前的烟叶生产组织模式，烟农群体庞大，栽培管理措施不一致，造成成熟度量化判断单次受惠面积小，成本较高，另一方面则是研究需要持续跟进，需要常态化的数据积累、模型修正，及适宜当前条件下的生产对接。当前在化学成分的层面，美国通常在预计采收时间一周通过检测烟叶化学成分指导成熟采收，农场主种植模式及机械化操作使这种方法经济且精确，对于我国来说，组织规模的扩大不是一夕之功，但是可以考虑基于工业基地单元、大面积种植地块等地力、农艺措施较一致地域，筛选出适宜大量测定的化学指标，进一步对特定基因型、特定生态等条件下的烟叶测定指标建立模型，提出基于化学成分的采收指标，从而指导成熟采收。对于烟叶数字图像及光谱层面，当前的研究主要是基于室内或暗箱人工光源，需要图像、光谱信息采集环境的一致性，目前理论方面的研究比较充分，主要的差距是技术的物化，要对不同品种，不同部位烟叶的不同成熟度图像数据建立数据库，不断修正完善，基于此开发出便携式移动装置，以更好实现在烟叶生产中的作用。
三、探讨
烟叶的成熟采收技术的应用与发展，一方面是技术成熟程度及物化水平，另一方面是管理水平。栽培管理是量化成熟采收技术应用的前提，目前发展的量化采收技术都是基于以点及面的思路，这就要求相对一致的烟叶生长水平，需要精细化的栽培管理措施。
针对技术发展层面，笔者提出两点看法以供探讨：高光谱成像及自动化采收设备发展。高光谱成像结合了光谱数据与图像数据，目前主要应用于水果成熟度及品质的无损检测，相较单一的光谱数据或图像数据，高光谱成像对水果成熟度的判断准确度更高。当前基于高光谱、数字图像对烟叶成熟度的判断已有部分研究，但高光谱成像尚无研究报道。笔者认为高光谱成像在烟叶成熟度判定中有很大的发展潜力与应用前景，需要进行相关研究，建立大田环境下高光谱图像特征数据与成熟度的相关性；通过冠层信息反演烟叶不同着生部位的生长状况等，以期达到两种效果，基于手持地物高光谱成像仪的烟叶成熟度田间快速测定，适用于种植面积较大且生长水平一致的烟田；基于无人机+高光谱成像仪对大范围烟田烟叶成熟度测报。目前的自动化采收设备主要是为了降低生产投入劳动力成本，对采收的烟叶成熟度没有选择性，探索机器视觉技术判断烟叶成熟度在自动采收机中的应用不仅有利于彻底摆脱人们主观影响，更是对现代烟草农业机械智能化水平有力的提升。
参考文献：
[1]烟草调制学[M]. 中国农业出版社， 2003.
[2]韩锦峰， 宫长荣， 王瑞新， 等. 烤烟叶片成熟度的研究 Ⅱ， 烤烟成熟标准及不同成熟度烟叶烘烤效应的研究[J]. 中国烟草， 1991， 4： 15-20.
[3]王怀珠， 汪健， 胡玉录， 等. 烤烟成熟度与茎叶夹角关系的研究[J]. 安徽农业科学， 2005， 33（3）： 458-459.
[4]鲁艺， 李虎林， 姬文秀， 等. 烤烟不同成熟度叶片外观性状特征与化学成分变化规律的研究[J]. 安徽农业科学， 2008， 36（35）： 15550-15551.
[5]金文华， 宫长荣， 王振坤， 等. 烤烟成熟度质量效应分析 [J][J]. 烟草科技， 1997， 3： 36-38.
[6]赵铭钦， 张钺， 刘云， 等. 烤烟成熟过程中烟叶叶龄与品质特性的关系[J]. 科技导报， 2010， 28（22）： 100-105.
[7]钱益亮， 崔会会， 邵伏文， 等. 有效积温对烤烟叶龄及成熟度的影响[J]. 中国烟草科学， 2013， 34（6）： 15-19.
[8]贾琪光， 宫长荣. 烟叶生长发育过程中主要化学成分含量与成熟度关系的研究[J]. 烟草科技， 1988， 6： 40-43.
[9]聂荣邦， 周建平. 烤烟叶片成熟度与 α-氨基酸含量的关系[J]. 湖南农业大学学报， 1994， 1.
[10]张光利， 聂荣邦. 以烟叶脯氨酸含量判断田间成熟度的研究[J]. 作物研究， 2008， 22（1）： 31-32.
[11]赵光伟. 烤烟叶片成熟过程中化学成分派生值的变化[J]. 河南农业科学， 2007 （6）： 43-45.
[12]吳峰， 陈进红， 金亚波. 烤烟成熟度诊断指标筛选研究[J]. 科技通报， 2009， 25（1）： 56-60.
[13]史龙飞， 宋朝鹏， 贺帆， 等. 基于机器视觉技术的烤烟鲜烟叶成熟度检测[J]. 湖南农业大学学报： 自然科学版， 2012， 38（4）： 446-450.
[14]杨铁钊， 刘剑君. 基于数字图像数据的烤烟成熟度指数研究[J]. 中国烟草学报， 2013， 19（3）： 61-0.
[15]张军刚， 王永利， 吕国新， 等. 烤烟成熟过程中鲜烟颜色值与色素含量变化及相关分析[J]. 中国烟草科学， 2014， 35（1）： 54-60.
[16]王杰， 毕浩洋. 基于极限学习机的烟叶成熟度分类 [J][J]. 烟草科技， 2013， 5： 005.
[17]王杰， 贾育衡， 赵昕. 基于稀疏自编码器的烟叶成熟度分类[J]. 烟草科技， 2014， 9： 004.
[18]Guru D S， Mallikarjuna P B. Spots and color based ripeness evaluation of tobacco leaves for automatic harvesting[C]//Proceedings of the First International Conference on Intelligent Interactive Technologies and Multimedia. ACM， 2010： 198-202.
[19]Mallikarjuna P B， Guru D S. Fusion of Texture Features and SBS Method for Classification of Tobacco Leaves for Automatic Harvesting[M]//Multimedia Processing， Communication and Computing Applications. Springer India， 2013： 115-126.
[20]李佛琳， 赵春江， 王纪华， 等. 不同成熟度烤烟鲜叶的高光谱响应及其判别分析[J]. 福建农林大学学报： 自然科学版， 2008， 37（6）： 565-569.
[21]李向阳， 刘国顺， 史舟， 等. 利用室内光谱红边参数估测烤烟叶片成熟度[J]. 遥感学报， 2007， 11（2）： 269-275.
[22]余志虹， 陈建军， 吕永华， 等. 利用烟叶光谱植被指数快速监测烤烟成熟度[J]. 烟草科技， 2013 （2）： 77-82.
作者简介：赵浩宾（1986—），男，河南省汝阳县人，河南科技大学研究生，现就职于河南省烟草公司，一直致力于烟草科学技术研究及推广。
关键词：烟叶 成熟度 生化指标 数字图像 光谱
烟叶成熟度有两个概念，田间成熟度及分级成熟度，分级成熟度是分级中衡量烟叶品质的首要因素，而烟叶田间成熟度是分级成熟度的基础，只有田间成熟充分的烟叶经过合适的烘烤调制才能获得分级成熟度优良的烟叶。美国烟草专家认为，对烟叶品质的贡献，田间栽培占1/3，成熟采收占1/3，烘烤技术占1/3，可见烟叶成熟度的重要性。近年来，随着工业对优质烟叶原料需求的提高，需要进一步加强烟叶成熟度与烟叶品质关系的认识，加强对成熟采收的重视。本文旨在综述成熟采收判断方式并提出展望，为指导烟叶成熟采收，获得最适成熟度烟叶提供参考。
一、成熟度判定方法
1.外观及叶龄综合判断。外观判断是长期以来我国烟叶生产采用的最普遍的方法，主要从烟叶颜色，叶片茸毛及茎叶夹角角度出发进行成熟度判断。研究认为成熟时烟叶下部叶面黄绿；中部叶面黄色明显，有黄色至黄白色成熟斑，叶耳微黄至淡黄；上部叶面黄色鲜明、较深而均匀，成熟斑呈黄白色，叶耳淡黄。王怀珠[ ]针对K326品种，提出当下部叶片烟叶颜色由绿转黄，茎叶夹角达60～70时，烟叶成熟，此时采收可获得最佳产质量；中、上部叶片，当烟叶外观颜色达一定程度，茎叶夹角达80～90时，可视为适熟标志，采收后易烤性较好，烤后烟叶品质佳。对叶龄的研究表明，在适宜的叶龄采收烟叶化学成分协调，物理性状较好，烤后烟叶品质好，香气量足，香气质优。有基于叶龄的研究认为，有效积温较叶龄更能反应烟叶的成熟度，不同移栽期相同叶位在烟叶成熟时所需要的有效积温无显著差异，叶片的成熟时间与发育期的有效积温呈极显著线性正相关，基于此提出通过有效积温判断烟叶成熟时间是可行的。当前的国标烤烟烘烤技术规程对烟叶成熟度描述是根据烟叶基本色、主支脉颜色、茎叶角度、茸毛脱落情况、断面整齐情况等外观综合状况及叶龄进行描述的。
2.烟叶成熟度生化判断指标。随着烟叶成熟度的增加，内在化学成分也在发生着变化，研究人员通过筛选伴随成熟过程具有明显规律或相关性的化学成分，从而辅助判断烟叶成熟采收。贾琪光等研究认为鲜烟叶淀粉和α-氨基酸含量可作为烟叶最佳成熟的生理指标。聂荣邦研究表明，烟叶α-氨基酸总量及与阿马杜里化合物合成有关的α-氨基酸总量，随着成熟度的进程先逐渐下降，到最低值后迅速升高，且鲜烟叶的α-氨基酸含量变化达最小值时烤后烟叶质量最好，可最为最佳成熟采收期的化学判断指标。张光利实验证明脯氨酸在鲜烟叶成熟过程中呈现先降低后升高的V型变化特点，并选择适宜于对大批量样品测定的磺基水杨酸法测定烟叶游离脯氨酸含量，为鲜烟叶成熟度化学测定提供了推广基础。赵光伟[ ]研究发现，鲜烟叶糖碱比随叶龄增加逐渐下降，不同叶龄间的差异极显著，进一步研究烤烟叶片成熟过程糖碱比适宜范围可为指导成熟采收提供理论依据。陈进红[ ]等通过对云烟85和K326两品种19项生理生化指标的主成分分析表明，决定第一主成分的是总氮、叶绿素、超氧化物歧化酶或丙二醛、叶厚度，结合生产，总氮和叶绿素含量可作为衡量烟叶成熟度的首要指标。
3.基于烟叶数字图像判断成熟度研究。烟叶图像机器视觉判断烟叶成熟度是基于各不同颜色空间（RGB，CMY，HSV，HSI，Lab）及烟叶纹理特征与成熟度的相关性，通过对烟叶图像的计算机学习，经过不同计算机算法建立模型，从而根据模型判断烟叶成熟度。史龙飞[ ]等采用了HSV颜色空间与烟叶成熟度的相关性，通过主成分分析法进行优化，并利用BP神经网络算法建立烟叶成熟度检测模型，模型的最佳判断准确率达到93.67%。劉剑君[ ]通过分析烟叶图像中RGB颜色空间与成熟度相关性，通过人工成熟度赋值，建立图像与成熟的相关模型，与生产实际基本一致。张军刚[ ]研究表明在烟叶成熟过程中，各部位烟叶颜色空间Lab各单值均与各色素含量、类叶比值呈显著或极显著性相关关系。王杰将烟叶图像归一化处理后平均分成4块，然后提取烟叶图像的分块颜色直方图特征，并进行降维处理，最后利用了两种计算机算法进行识别判断，对极限学习机算法的仿真实验结果表明，测试精度可达96.43%；通过稀疏自编码器算法的测试数据分类准确率可达98.63%。与以上通过暗箱内置光源采集数码照片有所不同，DS Guru等在晴天及阴天大田环境下采集图片，用CIELAB颜色空间将数字图像剔除背景，分别提取成熟斑密度和绿色程度，提取灰度级局部纹理，利用计算机算法，将烟叶区分为未熟、成熟及过熟三个等级。
4.成熟度光谱识别。成熟度的光谱识别主要是基于不同成熟度的烟叶在光谱带的吸收、反射等光谱差异，李佛琳[ ]研究发现，不同成熟度鲜烟叶在可见光503-651nm之间有极其显著的光谱差异，筛选出3个主要预测因子514、629、650nm，并建立反射率模型对成熟度进行判别，模型判别训练样本的准确率为98%，验证样本为97%。李向阳[ ]通过试验研究烤烟不同成熟度的叶片光谱红边参数特性，得出成熟叶片红边位置为693--695nm，过熟叶片红边位置极值为688nm，认为运用红边位置估测叶绿素含量效果较好，从而可以判断烟叶成熟度。余志虹等筛选出560、660、710及1100nm波长对不同成熟度反应敏感，并利用RVI（1100，660）建立与叶绿素相关模型，RVI（1100，660）处于2.81～3.47 范围时，中部叶成熟；小于 2.72 时，中部烟叶过熟；大于3.75时，中部叶未熟。这些研究可以看出，不同成熟度在可见光谱带及高原区差异显著，筛选出的预测因子不同可能是与品种、施肥及区域有关。
二、成熟采收判定技术应用
外观结合叶龄判断烟叶成熟度在指导生产实践上发挥着巨大的作用，长期指导着烟叶成熟采收，为了降低感官自由度，日本通常采用比色卡对成熟度进行辅助判断，我国也曾引进过这种技术，但因为种种原因，未在推广开来，主要从量化夹角及叶龄角度辅助成熟采收。在实际生产中，不管是拿比色卡还是量角器都是会降低采收效率的，在操作上也很不便，还是以感官判断叶色、夹角、手感黏度等，雇工的差异及感官判断自由度太大，造成烟叶采生、成熟度不一致，在生产上造成了巨大损失。 为了减小感官对成熟度判断的影响，人们从化学成分、数字图像、光谱识别层面进行了烟叶成熟度的量化研究，目前来看与烟叶生产的投入应用尚有很远距离，一方面是由于我国当前的烟叶生产组织模式，烟农群体庞大，栽培管理措施不一致，造成成熟度量化判断单次受惠面积小，成本较高，另一方面则是研究需要持续跟进，需要常态化的数据积累、模型修正，及适宜当前条件下的生产对接。当前在化学成分的层面，美国通常在预计采收时间一周通过检测烟叶化学成分指导成熟采收，农场主种植模式及机械化操作使这种方法经济且精确，对于我国来说，组织规模的扩大不是一夕之功，但是可以考虑基于工业基地单元、大面积种植地块等地力、农艺措施较一致地域，筛选出适宜大量测定的化学指标，进一步对特定基因型、特定生态等条件下的烟叶测定指标建立模型，提出基于化学成分的采收指标，从而指导成熟采收。对于烟叶数字图像及光谱层面，当前的研究主要是基于室内或暗箱人工光源，需要图像、光谱信息采集环境的一致性，目前理论方面的研究比较充分，主要的差距是技术的物化，要对不同品种，不同部位烟叶的不同成熟度图像数据建立数据库，不断修正完善，基于此开发出便携式移动装置，以更好实现在烟叶生产中的作用。
三、探讨
烟叶的成熟采收技术的应用与发展，一方面是技术成熟程度及物化水平，另一方面是管理水平。栽培管理是量化成熟采收技术应用的前提，目前发展的量化采收技术都是基于以点及面的思路，这就要求相对一致的烟叶生长水平，需要精细化的栽培管理措施。
针对技术发展层面，笔者提出两点看法以供探讨：高光谱成像及自动化采收设备发展。高光谱成像结合了光谱数据与图像数据，目前主要应用于水果成熟度及品质的无损检测，相较单一的光谱数据或图像数据，高光谱成像对水果成熟度的判断准确度更高。当前基于高光谱、数字图像对烟叶成熟度的判断已有部分研究，但高光谱成像尚无研究报道。笔者认为高光谱成像在烟叶成熟度判定中有很大的发展潜力与应用前景，需要进行相关研究，建立大田环境下高光谱图像特征数据与成熟度的相关性；通过冠层信息反演烟叶不同着生部位的生长状况等，以期达到两种效果，基于手持地物高光谱成像仪的烟叶成熟度田间快速测定，适用于种植面积较大且生长水平一致的烟田；基于无人机+高光谱成像仪对大范围烟田烟叶成熟度测报。目前的自动化采收设备主要是为了降低生产投入劳动力成本，对采收的烟叶成熟度没有选择性，探索机器视觉技术判断烟叶成熟度在自动采收机中的应用不仅有利于彻底摆脱人们主观影响，更是对现代烟草农业机械智能化水平有力的提升。
参考文献：
[1]烟草调制学[M]. 中国农业出版社， 2003.
[2]韩锦峰， 宫长荣， 王瑞新， 等. 烤烟叶片成熟度的研究 Ⅱ， 烤烟成熟标准及不同成熟度烟叶烘烤效应的研究[J]. 中国烟草， 1991， 4： 15-20.
[3]王怀珠， 汪健， 胡玉录， 等. 烤烟成熟度与茎叶夹角关系的研究[J]. 安徽农业科学， 2005， 33（3）： 458-459.
[4]鲁艺， 李虎林， 姬文秀， 等. 烤烟不同成熟度叶片外观性状特征与化学成分变化规律的研究[J]. 安徽农业科学， 2008， 36（35）： 15550-15551.
[5]金文华， 宫长荣， 王振坤， 等. 烤烟成熟度质量效应分析 [J][J]. 烟草科技， 1997， 3： 36-38.
[6]赵铭钦， 张钺， 刘云， 等. 烤烟成熟过程中烟叶叶龄与品质特性的关系[J]. 科技导报， 2010， 28（22）： 100-105.
[7]钱益亮， 崔会会， 邵伏文， 等. 有效积温对烤烟叶龄及成熟度的影响[J]. 中国烟草科学， 2013， 34（6）： 15-19.
[8]贾琪光， 宫长荣. 烟叶生长发育过程中主要化学成分含量与成熟度关系的研究[J]. 烟草科技， 1988， 6： 40-43.
[9]聂荣邦， 周建平. 烤烟叶片成熟度与 α-氨基酸含量的关系[J]. 湖南农业大学学报， 1994， 1.
[10]张光利， 聂荣邦. 以烟叶脯氨酸含量判断田间成熟度的研究[J]. 作物研究， 2008， 22（1）： 31-32.
[11]赵光伟. 烤烟叶片成熟过程中化学成分派生值的变化[J]. 河南农业科学， 2007 （6）： 43-45.
[12]吳峰， 陈进红， 金亚波. 烤烟成熟度诊断指标筛选研究[J]. 科技通报， 2009， 25（1）： 56-60.
[13]史龙飞， 宋朝鹏， 贺帆， 等. 基于机器视觉技术的烤烟鲜烟叶成熟度检测[J]. 湖南农业大学学报： 自然科学版， 2012， 38（4）： 446-450.
[14]杨铁钊， 刘剑君. 基于数字图像数据的烤烟成熟度指数研究[J]. 中国烟草学报， 2013， 19（3）： 61-0.
[15]张军刚， 王永利， 吕国新， 等. 烤烟成熟过程中鲜烟颜色值与色素含量变化及相关分析[J]. 中国烟草科学， 2014， 35（1）： 54-60.
[16]王杰， 毕浩洋. 基于极限学习机的烟叶成熟度分类 [J][J]. 烟草科技， 2013， 5： 005.
[17]王杰， 贾育衡， 赵昕. 基于稀疏自编码器的烟叶成熟度分类[J]. 烟草科技， 2014， 9： 004.
[18]Guru D S， Mallikarjuna P B. Spots and color based ripeness evaluation of tobacco leaves for automatic harvesting[C]//Proceedings of the First International Conference on Intelligent Interactive Technologies and Multimedia. ACM， 2010： 198-202.
[19]Mallikarjuna P B， Guru D S. Fusion of Texture Features and SBS Method for Classification of Tobacco Leaves for Automatic Harvesting[M]//Multimedia Processing， Communication and Computing Applications. Springer India， 2013： 115-126.
[20]李佛琳， 赵春江， 王纪华， 等. 不同成熟度烤烟鲜叶的高光谱响应及其判别分析[J]. 福建农林大学学报： 自然科学版， 2008， 37（6）： 565-569.
[21]李向阳， 刘国顺， 史舟， 等. 利用室内光谱红边参数估测烤烟叶片成熟度[J]. 遥感学报， 2007， 11（2）： 269-275.
[22]余志虹， 陈建军， 吕永华， 等. 利用烟叶光谱植被指数快速监测烤烟成熟度[J]. 烟草科技， 2013 （2）： 77-82.
作者简介：赵浩宾（1986—），男，河南省汝阳县人，河南科技大学研究生，现就职于河南省烟草公司，一直致力于烟草科学技术研究及推广。