一种量化烤烟烟叶烘烤特性的判定系统及判定方法技术方案

本发明专利技术公开了一种量化烤烟烟叶烘烤特性的判定系统，包括颜色分割模块，颜色分割模块连接有均匀光照模块、图像采集模块、预训练模块和数据统计模块，数据统计模块连接有输出模块。具有以下优点：量化鲜烟叶变黄和变褐面积，精确判定鲜烟叶烘烤特性。

【技术实现步骤摘要】
一种量化烤烟烟叶烘烤特性的判定系统及判定方法
本专利技术属于烤烟调制
，具体涉及一种量化烤烟烟叶烘烤特性的判定系统及判定方法。
技术介绍
烟叶烘烤特性是指烟叶在烘烤过程中表现出的变黄和脱水的速度及同步程度，变黄后是否容易定色等特性，包括易烤性和耐烤性。容易变黄，变黄和脱水协调性好的鲜烟叶易烤性好，反之易烤性差。叶片变黄快且维持不变褐的时间越长，其耐烤性越好，烘烤特性越好。烟叶烘烤特性与烟叶烤后质量的形成有着极为密切的关系，这是因为田间收获的鲜烟叶必须经过烘烤才能体现和固定其优良品质，成为商品烟叶。国内外烟草科技者一直重视对烟叶烘烤特性的研究。目前，对烟叶烘烤特性的研究多数集中在水分含量、色素含量和颜色参数的变化上，而有关烘烤特性量化指标主要是通过暗箱试验中鲜烟叶变黄时间和变褐时间来判定。变黄时间代表烟叶的易烤性，以烟叶达到全黄所需的时间为准。变黄时间越短易烤性越好，反之易烤性较差。变褐时间代表烟叶的耐烤性，以烟叶由全黄至叶片褐变三成(变褐面积占速整片烟叶面积的30％)的时间为准。变褐时间越长耐烤性越好，反之耐烤性较差。CN102172296A公开了一种烤烟烘烤特性的判定方法，当下部叶变黄时间为48-60h，中上部叶为72h左右，则易烤性较好；当下部叶变褐时间为72h以上，中部叶变褐时间为120h以上，上部叶变褐时间为60h以上，则耐烤性较好。然而，该专利不足之处是凭借人工经验来判断烟叶变黄和变褐面积。目前研究发现鲜烟叶颜色参数可以作为判定其烘烤特性的量化指标，但并未给出明确的量化方法。<br>
技术实现思路
本专利技术要解决的技术问题是针对以上不足，提供一种量化烤烟烟叶烘烤特性的判定系统及判定方法，量化鲜烟叶变黄和变褐面积，精确判定鲜烟叶烘烤特性。为解决以上技术问题，本专利技术采用以下技术方案：一种量化烤烟烟叶烘烤特性的判定系统，包括颜色分割模块，颜色分割模块连接有均匀光照模块、图像采集模块、预训练模块和数据统计模块，数据统计模块连接有输出模块；所述均匀光照模块即照明系统，确保烟叶能够被均匀照明，便于后续分割处理；所述预训练模块用于对样本图像在HSV颜色空间中进行预手动分割，训练KNN分类器或支持向量机SVM分类器；所述图像采集模块分为离线或者在线采集，用来获取烟叶的整体图像；所述颜色分割模块用于对采集得到的图像，通过预训练的KNN分类器或支持向量机SVM分类器进行分割烟叶图像，得到对应结果；所述数据统计模块用于统计烟叶的面积，以及各种分割颜色的面积，进行各种参数的数据计算统计；所述输出模块用于对获取的各种数据进行显示或者输出。一种量化烤烟烟叶烘烤特性的判定方法，所述方法包括以下步骤：步骤1，采集鲜烟叶的图像；步骤2，将采集的鲜烟叶图像采用CIE-lab色差公式进行色差消除；步骤3，采用最大稳定值区域MSER和最大类间方差法Otsu对图片进行检测进行叶片整体分割；步骤4，颜色分割模块和预训练模块利用六角锥体模型HSV和邻近算法KNN或支持向量机SVM分类器进行颜色空间分割和训练；步骤5，最后数据统计模块和输出模块输出分割图片、黄色和褐色面积比，从而判断出烟叶的烘烤特性。进一步的，所述步骤1中采集鲜烟叶的图像具体方法如下：等烤烟各部位烟叶成熟时，采摘田间成熟烟叶，将烟叶放于黑暗、不通风、室温环境下进行暗箱试验，之后每隔12h利用图像采集模块拍摄鲜烟叶图像，拍摄时将鲜烟叶平铺于黑色亚光板上，均匀光照模块中标准光源作为灯光背景，图像采集模块垂直距离鲜烟叶0.5m处进行拍摄。进一步的，所述步骤2中CIE-lab色差公式如下：进一步的，所述步骤3中最大稳定值区域(MSER)计算公式如下：其中，Qi表示第i个连通区域的面积，△为灰度阈值的微小变化量，当vi小于给定阈值时认为该区域为MESR。进一步的，所述步骤3中最大类间方差法otsu的计算公式具体如下：记T为前景与背景的分割阈值，T将图像分为前景和背景。前景点数占图像比例为w0，平均灰度为u0；背景点数占图像比例为w1，平均灰度为u1，则图像的总平均灰度为：u＝w0*u0+w1*u1；前景和背景图象的方差计算如下：g＝w0*(u0-u)*(u0-u)+w1*(u1-u)*(u1-u)＝w0*w1*(u0-u1)*(u0-u1)；当方差g最大时，可以认为此时前景和背景差异最大，也就是此时的灰度是最佳阈值。进一步的，所述步骤4中邻近算法具体方法如下：如果一个样本在特征空间中的k个最邻近的样本中的大多数属于某一个类别，则该样本也划分为这个类别，KNN算法中，所选择的邻近类别都是已经正确分类的对象，该方法在定类决策上只依据最邻近的一个或者几个样本的类别来决定待分样本所属的类别；先对LP距离进行定义：其中xi∈Rn，xj∈Rn，其中L∞定义为：其中p是一个变参数，当P＝2时，LP距离就变成了欧氏距离，欧式距离对应L2范数，在选择两个实例相似性时，使用欧氏距离。两点之间或多点之间的距离表示法，又称之为欧几里得度量，它定义于欧几里得空间中，欧几里得空间中的两个点x1(x11,x12,…，x1n)与x2(x21，x22,…，x2n)间的欧氏距离；欧氏距离计算公式为：L2范数表示为：L2定义为其中进一步的，所述步骤4中支持向量机SVM分类器基本模型建立如下：寻找最大间隔，ω为法向量，垂直于超平面，决定了超平面的方向，b为偏移项，决定了超平面与原点之间的距离，两个异类支持向量到超平面的距离之和γ为：预找到具有“最大间隔”的划分超平面，寻找参数ω和b使得γ最大，具体公式如下：s.t.yi(ωTxi+b)≥1，i＝1，2，…，m.；以上的间隔公式分子是常数，所以最大化间隔，只需要最小分母∣∣ω∣∣就行；s.t.yi(ωTxi+b)≥1，i＝1，2，…，m.；为了更简便，以上公式将最小化分母转化为最小化∣∣ω∣∣2；采用拉格朗日乘子法解决存在的对偶问题：第一步：引入拉格朗日乘子αi≥0得到拉格朗日函数，具体公式如下：第二步：令L(ω，b，α)对ω和b的偏导为零可得，具体公式如下：第三步：回代，具体公式如下：最终模型，具体公式如下：KKT条件，具体公式如下：支持向量机解的稀疏性：训练完成后，大部分的训练样本都不需保留，最终模型仅与支持向量有关。本专利技术采用以上技术方案，与现有技术相比，具有如下技术效果：一是可以对鲜烟叶在暗箱试验时的变黄面积和变褐时间进行量化，避免了人工的主观性，加强了数据的准确性和客观性；二是本专利技术也可以借鉴到判断鲜烟叶成熟度的应用上。附图说明为了更清楚本文档来自技高网...

【技术保护点】
1.一种量化烤烟烟叶烘烤特性的判定系统，其特征在于：包括颜色分割模块，颜色分割模块连接有均匀光照模块、图像采集模块、预训练模块和数据统计模块，数据统计模块连接有输出模块；/n所述均匀光照模块即照明系统，确保烟叶能够被均匀照明，便于后续分割处理；/n所述预训练模块用于对样本图像在HSV颜色空间中进行预手动分割，训练KNN分类器或支持向量机SVM分类器；/n所述图像采集模块分为离线或者在线采集，用来获取烟叶的整体图像；/n所述颜色分割模块用于对采集得到的图像，通过预训练的KNN分类器或支持向量机SVM分类器进行分割烟叶图像，得到对应结果；/n所述数据统计模块用于统计烟叶的面积，以及各种分割颜色的面积，进行各种参数的数据计算统计；/n所述输出模块用于对获取的各种数据进行显示或者输出。/n

【技术特征摘要】
1.一种量化烤烟烟叶烘烤特性的判定系统，其特征在于：包括颜色分割模块，颜色分割模块连接有均匀光照模块、图像采集模块、预训练模块和数据统计模块，数据统计模块连接有输出模块；
所述均匀光照模块即照明系统，确保烟叶能够被均匀照明，便于后续分割处理；
所述预训练模块用于对样本图像在HSV颜色空间中进行预手动分割，训练KNN分类器或支持向量机SVM分类器；
所述图像采集模块分为离线或者在线采集，用来获取烟叶的整体图像；
所述颜色分割模块用于对采集得到的图像，通过预训练的KNN分类器或支持向量机SVM分类器进行分割烟叶图像，得到对应结果；
所述数据统计模块用于统计烟叶的面积，以及各种分割颜色的面积，进行各种参数的数据计算统计；
所述输出模块用于对获取的各种数据进行显示或者输出。


2.一种量化烤烟烟叶烘烤特性的判定方法，其特征在于：所述方法包括以下步骤：
步骤1，采集鲜烟叶的图像；
步骤2，将采集的鲜烟叶图像采用CIE-lab色差公式进行色差消除；
步骤3，采用最大稳定值区域MSER和最大类间方差法Otsu对图片进行检测进行叶片整体分割；
步骤4，颜色分割模块和预训练模块利用六角锥体模型HSV和邻近算法KNN或支持向量机SVM分类器进行颜色空间分割和训练；
步骤5，最后数据统计模块和输出模块输出分割图片、黄色和褐色面积比，从而判断出烟叶的烘烤特性。


3.如权利要求2所述的一种量化烤烟烟叶烘烤特性的判定方法，其特征在于：所述步骤1中采集鲜烟叶的图像具体方法如下：
等烤烟各部位烟叶成熟时，采摘田间成熟烟叶，将烟叶放于黑暗、不通风、室温环境下进行暗箱试验，之后每隔12h利用图像采集模块拍摄鲜烟叶图像，拍摄时将鲜烟叶平铺于黑色亚光板上，均匀光照模块中标准光源作为灯光背景，图像采集模块垂直距离鲜烟叶0.5m处进行拍摄。


4.如权利要求2所述的一种量化烤烟烟叶烘烤特性的判定方法，其特征在于：所述步骤2中CIE-lab色差公式如下：





5.如权利要求2所述的一种量化烤烟烟叶烘烤特性的判定方法，其特征在于：所述步骤3中最大稳定值区域(MSER)计算公式如下：



其中，Qi表示第i个连通区域的面积，△为灰度阈值的微小变化量，当vi小于给定阈值时认为该区域为MESR。


6.如权利要求2所述的一种量化烤烟烟叶烘烤特性的判定方法，其特征在于：所述步骤3中最大类间方差法otsu的计算公式具体如下：
记T为前景与背景的分割阈值，T将图像分为前景和背景。前景点数占图像比例为w0，平均灰度为u0；背景点数占图像比例为w1，平均灰度为u1，则图像的总平均灰度为：u＝w0*u0+w1*u1...

【专利技术属性】
技术研发人员：徐秀红，李青山，姜滨，任杰，李家广，苏建东，王术科，管恩森，黄择祥，谭效磊，孙阳，周康，熊涛，
申请(专利权)人：中国农业科学院烟草研究所，中国烟草总公司山东省公司，山东图析生物技术有限公司，
类型：发明
国别省市：山东;37