论文部分内容阅读
质量等级评判是烟叶收购过程中的重要环节,影响后期烟制品的质量,因此在烟草领域中常常成为研究的重点。本文针对烟叶人工分级强度大、效率低、分级精度低等问题,将计算机图像处理技术和模糊综合评价体系结合起来,构建出准确、可靠的烟叶自动分级模型,以完成烟叶品质的自动评价。 根据确定的烟叶拍摄状态及拍摄环境,设计搭建了基于CCD的烟叶图像采集平台,完成了烟叶图像的采集。 针对图像噪声问题,选取高斯滤波法去除烟叶图像中的冗杂噪声,并以相对熵RE及峰值信噪比(PSNR)作为评判因素,确定了去噪效果较优的高斯滤波核k及标准差σ。应用Otsu法结合彩色图像蓝色单通道图去除了图像背景区域,效果较好。 重点探讨了烟叶颜色、形状对分级的重要影响程度,采用更符合人视觉感官的 HSI颜色空间对烟叶颜色量化处理,提取了色调、饱和度和亮度三个特征分量。应用基于目标-邻域颜色判定的轮廓检测算法结合轮廓点数统计法获取了烟叶最大外形轮廓,并对烟叶最大外形轮廓近似拟合,简单、快速地提取了烟叶长度L、宽度D、长宽比Y和面积S0等形状特征。 通过对特征参数间关联性进行分析,确定了用于烟叶分级的评价特征。采用梯形隶属函数和正态隶属函数建立了特征参数隶属函数,采用层次分析法计算烟叶各特征参数的权重;根据两种形式特征隶属函数和特征相应权重系数,构建了对应的烟叶模糊综合评价模型;依据最大隶属度方法,评价出烟叶相应的质量等级。通过试验比较两种评价模型,选择基于特征参数正态隶属函数的模糊综合评价模型作为最终烟叶自动分级模型,试验表明分级效果较好。 采用Visual Studio2010软件及OpenCv函数库编写了烟叶自动分级软件,能够实现烟叶的动态实时采集、预处理、特征提取和自动分级。