基于機(jī)器視覺(jué)技術(shù)的鮮煙葉含水量模型研究.pdf

1、論文利用現(xiàn)代計(jì)算機(jī)視覺(jué)技術(shù)，結(jié)合地方經(jīng)濟(jì)建設(shè)，在尋求快速、簡(jiǎn)便、準(zhǔn)確判斷鮮煙葉含水量的方法上作了有益的探索?？緹煿に囍校r煙葉水分含量與烤煙的烘烤特性有密切關(guān)系，新鮮煙葉即濕煙葉含水量準(zhǔn)確判斷是決策最優(yōu)烘烤模式和制定合理煙葉烘烤工藝和程序的重要依據(jù)。如果將串掛好的不同含水量的濕煙葉合理布置在烤房不同溫濕度點(diǎn)熱流體流場(chǎng)位置進(jìn)行統(tǒng)籌烘烤，與隨意串掛相比，大大減少烘烤時(shí)間，而且克服了烘烤過(guò)程中含水量多難烤，含水量少易烤性差的問(wèn)題。此外提高了烘

2、烤效率、烤煙品質(zhì)和優(yōu)質(zhì)煙葉百分比，使煙葉平均價(jià)值增加，煤和其它能源的浪費(fèi)減少，具有顯著的經(jīng)濟(jì)效益。 如果采用人工檢測(cè)，勞動(dòng)強(qiáng)度大、主觀性大、干擾大、工作效率低、分級(jí)標(biāo)準(zhǔn)不易掌握、分級(jí)精度也很難穩(wěn)定。即使很有經(jīng)驗(yàn)的受過(guò)培訓(xùn)的技師或煙農(nóng)由于受人主觀因素的影響太多，譬如個(gè)人的經(jīng)驗(yàn)，且許多指標(biāo)呈模糊狀態(tài)，不能準(zhǔn)確判定煙葉水分含量。 本文用機(jī)器視覺(jué)技術(shù)將在煙田采集的160幅濕煙葉葉片樣本中與含水量相關(guān)性大的表象特征檢測(cè)提取出來(lái)，實(shí)

3、現(xiàn)特征提取的無(wú)損化和處理的快速化，用Elman神經(jīng)網(wǎng)絡(luò)科學(xué)建立具有一定精度的煙葉含水量非線性評(píng)判體系模型，通過(guò)模型可以預(yù)測(cè)葉片實(shí)際含水量。 為了提高系統(tǒng)精度，進(jìn)行了系統(tǒng)構(gòu)建、圖像預(yù)處理、圖像特征的提取、算法的選擇等關(guān)鍵技術(shù)的理論研究。用Matlab圖像處理軟件將目標(biāo)與背景分割，通過(guò)比較，選用“無(wú)振鈴”現(xiàn)象、特性均衡的Butterworth低通濾波器對(duì)葉片進(jìn)行濾波。運(yùn)用Matlab語(yǔ)言設(shè)計(jì)顏色、紋理、外形算法進(jìn)行圖像特征提取，分別

4、提取了鮮煙葉的顏色、紋理、外形特征值作為煙葉含水量綜合評(píng)價(jià)指標(biāo)，以減少單參數(shù)對(duì)其含水量判定缺陷。用三標(biāo)度AHP層次分析法對(duì)指標(biāo)綜合排序，分析結(jié)果表明：葉片均值、寬和面積在整個(gè)評(píng)價(jià)體系中占較大權(quán)重，可用作快速判斷含水量的指標(biāo)，將此三個(gè)指標(biāo)作為Elman神經(jīng)網(wǎng)絡(luò)的輸入，以含水量作為輸出目標(biāo)建立三層神經(jīng)網(wǎng)絡(luò)，采用附加動(dòng)量因子的梯度下降權(quán)值/閾值學(xué)習(xí)函數(shù)learngdm對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，訓(xùn)練后的網(wǎng)絡(luò)對(duì)測(cè)試樣本進(jìn)行含水量預(yù)測(cè)，測(cè)試樣本與實(shí)際值的相對(duì)

5、誤差控制在10％范圍內(nèi)，預(yù)測(cè)精度大于90％，預(yù)測(cè)結(jié)果達(dá)到預(yù)期目標(biāo)。 利用Matlab中的GuI(Graphic User Interface)設(shè)計(jì)圖像處理仿真平臺(tái)，制作一個(gè)供反復(fù)使用且操作簡(jiǎn)單的專用工具。提供圖像輸入、圖像增強(qiáng)、圖像分析及輸出鮮煙葉含水量的功能。能根據(jù)新鮮煙葉葉片含水量模型預(yù)測(cè)輸入鮮煙葉圖片的含水量。 研究表明：基于機(jī)器視覺(jué)的鮮煙葉含水量信息外觀無(wú)損檢測(cè)機(jī)理可行，檢測(cè)效果較好，為鮮煙葉烘烤控制工藝和程序的