烟叶的品质检测和分级一直都是采用人工分级方式,靠人的感官经验进行定性评判。但这种评判方式存在工作量大、主观因素及经验影响大、分级标准不统一等问题,在收购过程中出现物不符级现象,导致优质烟叶被浪费,大大降低了烟叶制品的质量和烟叶经济效益。本文针对贵州省部分地区收购的烟叶,利用机器视觉检测技术和模式识别技术,对烟叶叶片形态和体态、叶面颜色、表面纹理等特征进行分析研究,提取特征参数,基于支持向量机分类技术实现烟叶自动分级。具体的工作内容如下几个方面:(1)根据烟叶形状特点,设计并搭建烟叶图像采集装置,采集一定数量的烟叶样本,建立实验所需的图像样本库。(2)对常用的几种预处理方法作介绍,本文提取的特征种类较多,各类特征提取方法需要的预处理方式不同。因此,研究并确定适合烟叶各类特征提取的预处理方式,主要是对烟叶图像进行中值滤波去除噪声、最大类间方法确定烟叶阀值并进行二值化处理、二值化图像区域生长除去小面积区域等。经过预处理的烟叶图像大大提高了特征提取的准确度。(3)提取烟叶叶片形态特征,包括烟叶长度、宽度、长宽比,提取烟叶叶片体态特征,包括烟叶周长、面积、圆形度、破损率;基于RGB颜色空间和HSV颜色空间对烟叶图像的颜色进行分析研究,提取R、G、B、H、S、V六个通道的颜色分量特征值;基于灰度共生矩阵方法提取烟叶表面纹理特征,包括能量值、熵均值、对比度值;基于Gabor小波变换对烟叶表面纹理进行分析研究,提取图像的纹理平均值和标准差。对各类特征的数据结果进行分析,选择对烟叶分级有效果的特征值组成烟叶特征向量,作为烟叶分级模型的训练参数。(4)基于支持向量机一对多的分类思想构建烟叶分级模型,利用特征参数对模型进行训练,比较多项式核函数、高斯径向基核函数、Sigmoid核函数三种核函数构建的分类模型的分类效果和性能,选择分类效果最佳的支持向量机模型作为烟叶分级模型。(5)基于MATLAB的GUI平台,开发烟叶自动分级分类系统的人机界面,实现烟叶在质量分级生产线上的人机交互。