一种基于图像处理技术的烟叶成熟度在线判别方法技术

本发明专利技术公开了一种基于图像处理技术的烟叶成熟度在线判别方法，包括以下步骤：1）对成熟期烟株的下部/中部/上部不同成熟度的烟叶进行图像采集；2）对采集的图像在线进行预处理以对图像进行滤波降噪及边缘、轮廓提取；3）对预处理后的图像在线进行特征值提取；4）利用这些特征值的均值和标准差作为支持向量机的输入建立网络端多分类模型，并最终确定烟叶成熟度等级。本发明专利技术方法能够实现在采摘之前在线识别烟叶成熟度，不需要（携带）昂贵的设备，只需使用手机或相机对烟叶进行图像采集，即可在线对图像进行成熟度分析判定，对用户的专业能力要求不高；本发明专利技术保证了在每片叶子在采收之前的成熟度结果准确预判，提高了效率，节约了劳动资源。

【技术实现步骤摘要】
一种基于图像处理技术的烟叶成熟度在线判别方法
本专利技术属于烟叶外观质量评价
，具体涉及一种基于图像处理技术的烟叶成熟度在线判别方法。
技术介绍
烟叶成熟度是指烟叶成熟的程度，它包含两个方面：一是指在充足的营养条件下，烟叶生长发育达到成熟的程度，即田间鲜叶成熟度。二是指采收成熟的烟叶，经过调制后达到成熟的程度。烟叶成熟时，其外观特征和生理特性，表现出不同的特点，这是判断烟叶成熟度与否的标准，通常划分为欠熟、假熟、适熟、完熟、过熟。目前，国内外在烟叶成熟采收时所采用的方法不尽相同。日本采用比色卡比色的方法；津巴布韦根据烟叶成熟时彩色图片颜色、烤房试验及抽屉试验的量化指标来判断烤烟成熟度；美国则通过提前1周采摘烟叶样品进行化学成分分析，以此来判断烟叶是否成熟；也曾有人提出用烤烟叶片电导率诊断法来判断烟叶成熟度。在国内烤烟生产上，主要采用叶片外观特征结合叶龄的方法，如根据不同成熟度烟叶的外观特征，茎叶夹角、适熟烟叶采收叶龄来判别烤烟的成熟度。但运用传统的目测(触摸)方法过于笼统和抽象，在应用时存在经验性、主观性及含糊性问题，无统一判断标准，在实际操作中也很难掌握。近几年，随着光电技术的发展，色差计、光谱仪等设备被用于烟叶成熟度数据的采集，使用光谱技术结合化学计量学方法来量化研究烟叶成熟度的应用不断被报道。但这种操作不断需要(携带)昂贵的设备、对用户的专业能力要求也大大提高且缺乏时效性，同时检测时会对烟叶造成一定的损伤，从而导致该类技术无法广泛推广。针对目前国内外的烟叶成熟度检测技术尚无一种田间快速、便捷、实用性强的技术方法，因此研究一种快速、便捷的烟叶成熟度在线判别方法是极其重要的。
技术实现思路
本专利技术的第一目的在于提供一种基于图像处理技术的烟叶成熟度在线判别方法，包括以下步骤：1)对成熟期烟株的下部/中部/上部不同成熟度的烟叶进行图像采集并上传至网络数据库；2)对采集的图像在线进行预处理以对图像进行滤波降噪及边缘、轮廓提取；3)对预处理后的图像在线进行特征值提取；4)利用这些特征值的均值和标准差作为支持向量机的输入建立网络端多分类模型，并最终确定烟叶成熟度等级。本专利技术的有益效果：1)本专利技术根据不同品种烟叶的外观形状通过对烟叶图像进行去噪、边缘提取、背景扣除后，结合烟叶特征提取(主要依据颜色特征)结果，利用已建立的多分类模型，快速判别烟叶成熟度结果，整个识别过程老法新用、巧妙的结合图像预处理的多种方法，实现了在线判别烟叶成熟度，大大提高了识别效率和准确度。本专利技术方法包含了烟叶的图像预处理(一维小波变换+自适应模糊聚类)、特征值提取(灰度共生矩阵+RGB范围限定)、网络端多分类模型建立(支撑向量机)巧妙的应用于本专利技术研究的3个烟草品种烟叶，结果识别精度高，各算法之间及相互独立又相辅相成，除SVM方法需要输入参数外，其他算法无需参数输入，大大提高了分析结果的客观性，且SVM方法参数经过大量样本优化而得，其可在相应参数±5％的偏差范围内适当调整，提高了分析结果的准确度。2)本专利技术方法能够实现在采摘之前在线识别烟叶成熟度，不需要(携带)昂贵的设备，只需使用手机或相机对烟叶进行图像采集，即可在线对图像进行成熟度分析判定，对用户的专业能力要求不高；本专利技术保证了在每片叶子在采收之前的成熟度结果准确预判，而不是采摘之后的质量理化分析，不仅能提高效率，节约劳动资源，而且克服了人工采收成熟判别不清晰的缺点；3)本专利技术烟叶成熟度在线判别方法，在烟叶生产收购工作中，延续了烟叶“提质增效”工程，确保烤烟产业健康、稳定、持续发展。同时给收购工作中在对等级质量把关方面做了很好的示范作用，解决了依靠定级员经验、人工分级烟叶的主观性，大力消除工业企业和商业企业存在定级眼光不一致的问题，为烟叶采收创造了良好的环境。4)本专利技术烟叶成熟度在线判别方法，突破了地域和品种的限制，个性化分类模型，高效实现了整块田野烟叶成熟度随机抽查采收。始终把烟农利益放在心上，杜绝了“人情烟、面子烟”，做到公平、公正收购烟叶，稳定烟叶收购等级。具体实施方式下面结合实施例对本专利技术作进一步的说明，但不以任何方式对本专利技术加以限制，基于本专利技术教导所作的任何变换或替换，均属于本专利技术的保护范围。本专利技术一种基于图像处理技术的烟叶成熟度在线判别方法，包括以下步骤：1)对成熟期烟株的下部/中部/上部不同成熟度的烟叶进行图像采集并上传至网络数据库；2)对采集的图像在线进行预处理以对图像进行滤波降噪及边缘、轮廓提取；3)对预处理后的图像在线进行特征值提取；4)利用这些特征值的均值和标准差作为支持向量机的输入建立网络端多分类模型，并最终确定烟叶成熟度等级。以特征值均值和标准差进行建模可以有效的剔除异常烟叶对建模的影响。所述图像的预处理采用小波变换方法对烟叶图像滤波降噪，采用自适应模糊C-均值聚类算法进行烟叶边缘以及轮廓提取。所述步骤3中，采用灰度共生矩阵进行特征值提取。所述特征值为烟叶图像的RGB、HSV以及纹理特征，所述纹理的特征包括纹理的纹理惯性、纹理能量、纹理熵和纹理相关性。在采用灰度共生矩阵建模计算时，考虑到烟叶成熟的实际特征(深绿→浅绿→黄绿→浅黄→深黄)，在建模计算时，通过限定RGB取值范围[0/100/0→···→128/128/0]，剔除提取后的异常值，使模型预测结果更稳健。惯性(CON)的计算公式如下：能量(ASM)的计算公式如下：熵(ENT)的计算公式如下：相关性的计算公式如下：所述烟叶为无病害烟叶。采集的烟叶的图像像素不小于600*800。所述支持向量机的决策函数采用的参数为(c_svc，linear,rho17.363,-39.238,-68.126,-83.344,-191.902,34.962,probA-1.06,-0.865,-0.840,-0.752,-0.974,-0.953；probB-0.096,-0.366,-0.218,-0.0278,0.003,-0.020)，所述参数可在±5％的偏差范围内调整。本专利技术SVM多分类模型策略是：首先选择一非线性映射Ψ把n维样本向量从原空间映射到特征空间，在此高维特征空间中构造最优线性决策函数，在构造最优决策函数时，利用了结构风险最小化原则，同时引入了间隔的概念，并巧妙地运用原空间的核函数取代了高维特征空间的点积运算，避免了复杂运算。在本模型中，对于五分类问题选择一对一法进行分类，即对任意两个类别之间构造一个决策函数。在这种情况下，五分类问题就有10个决策函数。同时，支持向量即为构造决策函数时所依赖的向量，并且每一类均有自己的支持向量，且个数不一定相同。综合以上情况，列出建模后每个模型的：支持向量总个数、每个类中支持向量个数、每个类的具体支持向量，以及决策函数中常数项b。本专利技术采样间接法实现多分类，主要通过组合多个二分类器实现对多分类器的构造，常见的构造方法有“一对本文档来自技高网...

【技术保护点】
1.一种基于图像处理技术的烟叶成熟度在线判别方法，其特征在于，包括以下步骤：/n1）对成熟期烟株的下部/中部/上部不同成熟度的烟叶进行图像采集并上传至网络数据库；/n2）对采集的图像在线进行预处理以对图像进行滤波降噪及边缘、轮廓提取；/n3）对预处理后的图像在线进行特征值提取；/n4）利用这些特征值的均值和标准差作为支持向量机的输入建立网络端多分类模型，并最终确定烟叶成熟度等级。/n

【技术特征摘要】
1.一种基于图像处理技术的烟叶成熟度在线判别方法，其特征在于，包括以下步骤：
1）对成熟期烟株的下部/中部/上部不同成熟度的烟叶进行图像采集并上传至网络数据库；
2）对采集的图像在线进行预处理以对图像进行滤波降噪及边缘、轮廓提取；
3）对预处理后的图像在线进行特征值提取；
4）利用这些特征值的均值和标准差作为支持向量机的输入建立网络端多分类模型，并最终确定烟叶成熟度等级。


2.根据权利要求1所述的基于图像处理技术的烟叶成熟度在线判别方法，其特征在于，所述图像的预处理采用小波变换方法对烟叶图像滤波降噪，采用自适应模糊C⁃均值聚类算法进行烟叶边缘以及轮廓提取。


3.根据权利要求1所述的基于图像处理技术的烟叶成熟度在线判别方法，其特征在于，所述步骤3中，采用灰度共生矩阵进行特征值提取。


4.根据权利要求1或2所述的基于图像处理技术的烟叶成熟度在线判别方法，其特征在于，所述特征值为烟叶图像的RGB、HSV以及纹理特征，所述纹理的特征包括纹理的惯性、能量、熵和相关性。


5.根据权利要求4所述的基于图像处理技术的烟叶成熟度在线判别方...

【专利技术属性】
技术研发人员：陈颐，陈辉，蔺忠龙，邹聪明，杨睿，姜永雷，何聪莲，赵高坤，苏家恩，胡彬彬，宾俊，丁梦娇，范志勇，李文标，胡小东，王文伦，汪华国，王涛，冀新威，
申请(专利权)人：云南省烟草农业科学研究院，
类型：发明
国别省市：云南;53