烟叶素质采集装置设计与试验

摘要

【目的】设计一种烟叶素质采集装置，为实现烟叶素质特征的快速准确采集提供支持。【方法】设计了主要由箱体、光源、CCD工业相机、标准色卡、质量传感器等组成的烟叶素质采集装置，并应用机器视觉技术搭建了烟叶素质识别系统。对该采集装置光源的照明控制值（illumination control value, ICV）进行优化后，使用该装置采集烟叶图像，提取并分析不同成熟度（欠熟、适熟和过熟）烟叶的颜色特征(RGB和HSV颜色空间各通道值的一阶矩（Me_R、Me_G、Me_B、Me_H、Me_S、Me_V）及二阶矩（Va_R、Va_G、Va_B、Va_H、Va_S、Va_V）),再分别运用决策树学习算法、随机森林算法以及BP神经网络建立成熟度识别模型，通过识别单片烟叶及单竿烟叶成熟度，对各算法识别模型的性能进行评估。【结果】烟叶素质采集装置光源的最佳照明控制值（ICV）为90。在此条件下，单片及单竿烟叶的Va_R和Va_S及单片烟叶的Me_R、Me_S在不同成熟度之间差异不显著；与欠熟烟叶相比，适熟与过熟单片烟叶的Me_G、Me_B、Me_V及单竿烟叶的Me_R、Me_G、Me_B和Me_V均显著增大（P<0.05）,单片烟叶的Me_H、Va_G、Va_B、Va_H和Va_V及单竿烟叶的Me_H、Me_S、Va_G、Va_B、Va_H和Va_V均显著减小（P<0.05）,其中单片和单竿过熟烟叶的Me_G、Me_B和Me_V分别增大了6.06%,16.30%,6.28%和4.13%,13.34%,4.14%,Me_H、Va_G、Va_B、Va_H和Va_V分别减少了15.95%,20.16%,33.63%,15.14%,21.18%和16.86%,17.81%,15.11%,7.90%,18.03%。所建立的烟叶成熟度识别模型中，决策树学习算法最优，其对单片烟叶和单竿烟叶识别的平均准确率分别为97%和95%。【结论】所设计的烟叶素质采集装置可以精准高效采集烟叶的素质特征，为烟叶素质的在线自动识别提供了一种有效工具。

关键词

烟叶 / 成熟度识别 / 素质特征 / 图像采集 / 采集装置设计