[目的]设计一种烟叶素质采集装置,为实现烟叶素质特征的快速准确采集提供支持。[方法]设计了主要由箱体、光源、CCD工业相机、标准色卡、质量传感器等组成的烟叶素质采集装置,并应用机器视觉技术搭建了烟叶素质识别系统。对该采集装置...[目的]设计一种烟叶素质采集装置,为实现烟叶素质特征的快速准确采集提供支持。[方法]设计了主要由箱体、光源、CCD工业相机、标准色卡、质量传感器等组成的烟叶素质采集装置,并应用机器视觉技术搭建了烟叶素质识别系统。对该采集装置光源的照明控制值(illumination control value, ICV)进行优化后,使用该装置采集烟叶图像,提取并分析不同成熟度(欠熟、适熟和过熟)烟叶的颜色特征(RGB和HSV颜色空间各通道值的一阶矩(Me_(R)、Me_(G)、Me_(B)、Me_(H)、Me_(S)、Me_(V))及二阶矩(Va_(R)、Va_(G)、Va_(B)、Va_(H)、Va_(S)、Va_(V))),再分别运用决策树学习算法、随机森林算法以及BP神经网络建立成熟度识别模型,通过识别单片烟叶及单竿烟叶成熟度,对各算法识别模型的性能进行评估。[结果]烟叶素质采集装置光源的最佳照明控制值(ICV)为90。在此条件下,单片及单竿烟叶的Va_(R)和Va_(S)及单片烟叶的Me_(R)、Me_(S)在不同成熟度之间差异不显著;与欠熟烟叶相比,适熟与过熟单片烟叶的Me_(G)、Me_(B)、Me_(V)及单竿烟叶的Me_(R)、Me_(G)、Me_(B)和Me_(V)均显著增大(P<0.05),单片烟叶的Me_(H)、Va_(G)、Va_(B)、Va_(H)和Va_(V)及单竿烟叶的Me_(H)、Me_(S)、Va_(G)、Va_(B)、Va_(H)和Va_(V)均显著减小(P<0.05),其中单片和单竿过熟烟叶的Me_(G)、Me_(B)和Me_(V)分别增大了6.06%,16.30%,6.28%和4.13%,13.34%,4.14%,Me_(H)、Va_(G)、Va_(B)、Va_(H)和Va_(V)分别减少了15.95%,20.16%,33.63%,15.14%,21.18%和16.86%,17.81%,15.11%,7.90%,18.03%。所建立的烟叶成熟度识别模型中,决策树学习算法最优,其对单片烟叶和单竿烟叶识别的平均准确率分别为97%和95%。[结论]所设计的烟叶素质采集装置可以精准高效采集烟叶的素质特征,为烟叶素质的在线自动识别提供了一种有效工具。展开更多
文摘[目的]设计一种烟叶素质采集装置,为实现烟叶素质特征的快速准确采集提供支持。[方法]设计了主要由箱体、光源、CCD工业相机、标准色卡、质量传感器等组成的烟叶素质采集装置,并应用机器视觉技术搭建了烟叶素质识别系统。对该采集装置光源的照明控制值(illumination control value, ICV)进行优化后,使用该装置采集烟叶图像,提取并分析不同成熟度(欠熟、适熟和过熟)烟叶的颜色特征(RGB和HSV颜色空间各通道值的一阶矩(Me_(R)、Me_(G)、Me_(B)、Me_(H)、Me_(S)、Me_(V))及二阶矩(Va_(R)、Va_(G)、Va_(B)、Va_(H)、Va_(S)、Va_(V))),再分别运用决策树学习算法、随机森林算法以及BP神经网络建立成熟度识别模型,通过识别单片烟叶及单竿烟叶成熟度,对各算法识别模型的性能进行评估。[结果]烟叶素质采集装置光源的最佳照明控制值(ICV)为90。在此条件下,单片及单竿烟叶的Va_(R)和Va_(S)及单片烟叶的Me_(R)、Me_(S)在不同成熟度之间差异不显著;与欠熟烟叶相比,适熟与过熟单片烟叶的Me_(G)、Me_(B)、Me_(V)及单竿烟叶的Me_(R)、Me_(G)、Me_(B)和Me_(V)均显著增大(P<0.05),单片烟叶的Me_(H)、Va_(G)、Va_(B)、Va_(H)和Va_(V)及单竿烟叶的Me_(H)、Me_(S)、Va_(G)、Va_(B)、Va_(H)和Va_(V)均显著减小(P<0.05),其中单片和单竿过熟烟叶的Me_(G)、Me_(B)和Me_(V)分别增大了6.06%,16.30%,6.28%和4.13%,13.34%,4.14%,Me_(H)、Va_(G)、Va_(B)、Va_(H)和Va_(V)分别减少了15.95%,20.16%,33.63%,15.14%,21.18%和16.86%,17.81%,15.11%,7.90%,18.03%。所建立的烟叶成熟度识别模型中,决策树学习算法最优,其对单片烟叶和单竿烟叶识别的平均准确率分别为97%和95%。[结论]所设计的烟叶素质采集装置可以精准高效采集烟叶的素质特征,为烟叶素质的在线自动识别提供了一种有效工具。
