烟叶分级是烟叶从农产品向商品转化的第一步,是决定烟叶制品质量的关键环节。传统的烟叶分级方法是人工分级,即由受过专业培训的人员,依靠眼观、手摸等感官感受,以及所掌握的分级理论知识和积累的分级经验,对烟叶等级做出判断。这种分级方法,具有很强的主观性,且分级结果不稳定。因此,研究更加客观和稳定的烟叶分级方法、开发烟叶自动分级系统具有重要的现实意义。本文主要工作包括以下几点:(1)烟叶图像采集系统的搭建。为了保证每一张烟叶图像具有一致的、均匀的光照强度,搭建了一套烟叶图像采集系统,该系统主要包括:数码相机、灯管、电源、载物台、封闭的箱体等。(2)烟叶图像预处理方法。烟叶图像预处理主要包括:图像滤波、图像二值化、图像分割。采用中值滤波法,既保护了烟叶图像的细节信息,又滤除图像中的噪声信号;为了提取烟叶几何特征,滤波后的烟叶图像还要采用迭代阈值法进行二值化,实现烟叶图像的二值化;为了提取烟叶的颜色特征,滤波后的烟叶图像还要基于区域生长法进行图像分割,剔除烟叶图像的背景、褶皱、叶脉等,分割出目标对象。(3)烟叶外观特征的提取方法。烟叶的外观特征包括几何特征和颜色特征,应用最小外接矩形法,提取烟叶的长度、宽度、长宽比、面积、矩形度等几何特征;在HSI颜色空间模型和LAB颜色空间模型下,提取烟叶的色调H、饱和度S、A通道、B通道等颜色特征。(4)基于模糊模式识别的烟叶自动分级算法。首先以烟叶等级空间为论域,每个等级外观特征向量的均值为模糊模式,采用梯形和半阶梯形隶属函数计算各个外观特征对烟叶等级空间的隶属度;再将各个外观特征的隶属度加权平均;最后基于最大隶属度原则实现烟叶等级的识别。(5)烟叶自动分级软件系统的开发。选用MATLAB平台开发了集烟叶图像预处理、烟叶外观特征提取和烟叶等级识别为一体的烟叶自动分级软件系统。(6)实例分析。收集了22级234份样品,以148份样品为建模集,86份样品为预测集,基于模糊模式识别方法,以建模集烟叶样品的外观特征对象,建立烟叶自动分级模型,并对预测集烟叶样品进行了分组和分级实验,其中分组正确率为93.02%,分级正确率为80.23%。表明基于机器视觉的烟叶自动分级方法实现了在烟叶形状和颜色上的识别正确率达到甚至超过了人工分级水平。