基于高光谱成像及机器学习的烟叶糖料液施加量判别模型

针对目前烟叶加料工序中糖料液加料效果无法进行无损检测的问题,基于高光谱成像及机器学习构建了烟叶糖料液施加量判别模型。首先,利用可见光-短波红外高光谱成像系统获取不同糖料液施加量烟叶样品的高光谱数据,采用标准正态变换(SNV)进行预处理;然后,分别使用全频域数据和主成分分析(PCA)降维数据,结合支持向量机(SVM)、逻辑回归(LR)、多层感知机(MLP)、随机森林(RF)构建4种判别模型并进行验证。结果表明:SNV预处理显著增强了高光谱数据的特征集中度;在使用全频域波段数据建模时,短波红外波段内模型的预测准确率均显著高于可见光波段,短红外波段的LR模型准确率最高(为98.23%);相较于全频域数据建模,使用PCA降维后的前10个主成分数据建模时,短红外波段的模型预测准确率无显著变化,而可见光波段的RF模型预测准确率提升较为明显(达71.43%);在可见光波段内,PCA降维后4种判别模型的最高准确率对应的主成分数量分别为217个、55个、47个、59个,在短波红外波段内,则分别为13个、11个、117个、46个。整体上,LR和RF模型表现出较优异的预测性能,在短波红外波段内,基于PCA降维数据的LR模型在使用较少主成分时仍能获得高准确率,具有快速、无损、精准地判别烟叶糖料液施加量的能力。

基于图像处理的烟草甲自动监测系统设计与应用

根据烟草仓储及卷烟生产车间的烟草甲自动监测需求,结合烟草甲[Lasioderma serricorne(Fabricius)]实际图像特征,在基于标记分水岭算法的基础上叠加分割图像算法,设计了基于图像处理的烟草甲自动监测系统,通过全自动拍照设备定时采集相应诱捕器图像,利用有线网络将图像传输至服务器,在服务器端完成图像识别与计数、实时展示、超标报警、历史曲线查看等功能,解决了烟草甲实际监测过程中虫板烟尘、虫体重合、光线等诸多干扰因素,实现了烟草甲精准的自动图像识别及计数功能。实际应用表明,该系统工作稳定,计数平均准确率大于94.00%,在卷烟生产车间烟虫监测上具有较好的应用前景。

烟草制丝线香糖料喷嘴雾化效果在线监测装置的研究应用

为有效监视烟草制丝线加香加料雾化效果,避免因雾化不均给产品质量带来风险,通过设计一种香糖料喷嘴雾化效果在线监测装置,实现实时对加香加料喷嘴雾化效果进行判断。结果表明:该装置可在线对滚筒内喷嘴雾化情况进行实时有效监测,及时发现并警示喷嘴雾化的异常情况,有效提高卷烟加香加料的稳定性和均匀性,稳定烟丝质量,保障卷烟品质。

基于STEM教育理念的线性代数可视化教学实践

STEM(科学、技术、工程和数学)教育是当前国际教育研究和改革的热点问题.跨学科性是其核心特征.本文结合STEM教育的核心特征,以线性代数课程中矩阵及矩阵计算的教学为例,融合数字图像处理的基础技术,设计了具体的可视化教学案例,引导学生将书本上的知识和实践应用结合起来,对信息化技术与教学融合的可行性进行了实践探索.

Tobacco Sorter和Tobacco Scan 6000烟草异物剔除系统的比较

对TobaccoSorter和TobaccoScan 60 0 0系列的烟草异物剔除系统进行了对比 ,从系统组成、烟叶单层化及稳定传送装置、图像获取方式及识别算法、异物的剔除方法、照明光源等方面进行了详细的比较和分析 ,由此看出 :随着相关技术的快速发展 ,应用线性CCD摄像机作为检测装置的异物剔除系统将具有越来越明显的优势。

叶中含梗率控制对打叶加工及卷烟生产的影响

为指导烤烟打叶加工工作科学开展,构建适宜的叶中含梗率控制指标,通过调整打叶加工中叶中含梗率,研究叶中含梗率控制对打叶加工及卷烟生产的影响。结果表明,适度降低叶中含梗率(由1.5%降低到1.2%),能够维持烟叶的叶片结构处于适宜水平,满足后端卷烟生产的需要,能够有效保障原烟的经济效益;降低叶中含梗率后,能有效减缓烟支卷制环节的梗签剔除压力,降低卷制烟支中的梗签含量,提高烟支中的烟丝纯净度。同时,常规烟支在叶中含梗率控制在1.5%以内时,烟支中的刺破基本可控,而细支卷烟在叶中含梗率控制在1.2%以内,并结合卷包剔梗,烟支中的刺破亦基本可控。建议打叶复烤环节细支卷烟原料、高档卷烟原料的叶中含梗率控制在1.2%以下,其他卷烟原料控制在1.5%以下。

高架草莓的果实识别与果梗分割

在高架栽培环境下,精准识别草莓果实并分割果梗对提升草莓采摘机器人的作业精度和效率至关重要。该研究在原YOLOv5s模型中引入自注意力机制,提出了一种改进的YOLOv5s模型(ATCSP-YOLOv5s)用于高架草莓的果实识别,并通过YOLOv5s-seg模型实现了果梗的有效分割。试验结果显示,ATCSP-YOLOv5s模型的精确率、召回率和平均精度值分别为97.24%、94.07%、95.59%,较原始网络分别提升了4.96、7.13、4.53个百分点;检测速度为17.3帧/s。此外,YOLOv5s-seg果梗分割模型的精确率、召回率和平均精度值分别为82.74%、82.01%和80.67%。使用ATCSPYOLOv5s模型和YOLOv5s-seg模型分别对晴天顺光、晴天逆光和阴天条件下的草莓图像进行检测,结果表明,ATCSPYOLOv5s模型在3种条件下识别草莓果实的平均精度值为95.71%、95.34%、95.56%,较原始网络提升4.48、4.60、4.50个百分点。YOLOv5s-seg模型在3种条件下分割草莓果梗的平均精度值为82.31%、81.53%、82.04%。该研究为草莓采摘机器人的自动化作业提供了理论和技术支持。

基于HSV颜色空间的烟叶烘烤阶段判别模型研究

【目的】烟叶烘烤的阶段判别对提升烘烤效率和品质具有重要意义,亟须实现烟叶烘烤阶段自动判别,减少人为影响,提高判别准确率。【方法】首先,使用图像处理技术将图像均衡化,再裁剪并剔除含背景信息多的图块,筛选出有效信息最多的图块;其次,提取烤烟图块的颜色特征,提取每一个图块的HSV三通道值,得到i项通道值;最后,使用基于阈值筛选的方法作为特征处理器,根据不同h、s、v值分类出烟叶烘烤的阶段,并将判断结果与实际情况进行对比验证。【结果】使用图像均衡化处理技术结合基于HSV颜色空间的特征提取算法,进行烟叶烘烤阶段判别,最终整体准确率达到90.64%,并且阶段3和阶段4的准确率达到了100%,效果非常理想。【结论】使用图像处理技术结合图像本身的颜色特征,能有效地判别烤烟的烘烤阶段,对判断烘烤进程、指导烘烤参数调节、提高烘烤品质、减少物料浪费和烘烤成本具有实际意义,有着广阔的应用前景。本研究为后续绕过深度学习等大算力算法但能提高实际应用效果方面的研究提供了方向。

基于机器视觉的烤烟烟叶部位的智能识别

采集烤烟不同叶位烟叶图像并进行预处理,提取烟叶叶长、叶宽、面积、周长和最小外接矩形面积5个叶片绝对形态特征参数,计算狭长度、矩形度、圆形度、叶宽最大处占比、叶宽轴与质心夹角5个相对形态特征;通过主成分分析筛选出特征向量,构建基于K近邻算法(KNN)、逻辑回归(LR)、基于线性核函数和径向基核函数的支持向量机(SVM)和BP神经网络的烟叶部位识别模型,并对比5种模型的识别效果。结果表明:基于图像轮廓特征所提取的形态特征参数可以较为有效地反映烤烟部位特征;5种识别模型中,基于BP神经网络模型的识别效果最好,识别准确度为93.75%,训练集和测试集的模型决定系数均高于90%。

基于图像处理与机器学习的初烤含青烟叶辨别及含青程度识别研究

为提升烟叶含青程度识别效率和准确度,通过对不同含青程度烟叶参比样的构建,采用计算机图像处理技术筛选出含青区域提取的最优颜色通道和参数阈值,并基于支持向量机(SVM)构建不同含青程度烟叶的识别模型.结果表明:烟叶正面透光图像适合用于含青区域的提取;Lab颜色模型的a通道提取图像中含青区域的效果最佳,其阈值范围为(141,142);SVM模型对不同程度含青烟叶样品的测试准确率达到86.01%.混淆矩阵显示,SVM模型对正组和微带青烟叶的识别准确率较高.图像处理技术和支持向量机对含青烟叶程度的划分有较好的应用效果.

基于改进YOLOv4的草莓果柄叶识别与定位

为降低采摘过程中对草莓果肉造成的损伤,并实现在复杂的实际采摘场景下对草莓果柄的识别和定位,提出一种结合改进YOLOv4和传统图像处理技术的方案。与传统思维方式不同,该方案将采摘点放在草莓果柄叶上,以确保在采摘过程中草莓的完整性。首先,通过改进YOLOv4算法,准确定位草莓的位置,然后,利用图像处理技术对果肉、果柄叶和背景进行分割,从而确定采摘点的图像坐标,最后,结合双目定位算法和测距传感器数据,测量采摘点的空间坐标。试验结果表明:改进后的YOLOv4算法测试精度达到90%,并且结合传统图像处理算法后,能够有效消除复杂背景的干扰,从而增强算法的鲁棒性。测距结果显示果柄叶深度距离误差在5 mm以内,能够准确地定位采摘点坐标,因此在实际采摘场景中表现出更好的适用性。

烤烟烟叶叶片及其烟梗的热分解过程和动力学

为了解烟叶叶片及其烟梗的热分解特性,采用热重分析研究了烤烟烟叶叶片和烟梗样品在氧化气氛中的热分解过程,并运用Coats-Redfern法和Malek法对样品在经历了吸附水的蒸发过程以后的各热失重阶段进行了动力学分析。结果表明:①叶片样品的热分解主要包括5个热失重阶段,而烟梗则表现为9个热失重阶段;②除了在吸附水的蒸发和烟草生物聚合物的热氧化降解阶段有相似的质量损失率外,两种样品其余的各失重阶段的质量变化明显不同;③两种样品的大部分热失重过程可用F1动力学模型进行模拟;与叶片样品相比较,除热氧化降解阶段具有相同的活化能外,其余各阶段烟梗具有更高的动力学参数。

基于数字图像数据的烤烟成熟度指数研究

为量化判别烤烟鲜烟叶成熟度,提出了一种基于数字图像处理的成熟度指数计算方法。首先对烟叶数字图像进行预处理去除背景,并进行马赛克压缩;其次分析烟叶图像中与烤烟鲜烟叶成熟度相关的RGB变量,从中找出一个代表性的表征变量转换为成熟度值,结合人工感官判断准则,把成熟度值的范围限定在0-10之间;然后用成熟度值将RGB 3基色值图像转换为单值图像,最后利用TRIMMEAN函数进行去极值求均值处理获得整片烤烟鲜烟叶的成熟度指数。通过实验验证,该方法计算出的成熟度指数与人工感官识别的烟叶经验成熟度有很好的关联度。因此这种可实时实现成熟度智能量化的方法可以用来判别和比较烟叶的成熟度,有望据此设计一个快速高效的烤烟鲜烟叶成熟度自动检测系统。

烟用梗丝加工工艺研究进展

梗丝是卷烟配方的重要组分之一,梗丝的使用对于节约原料成本、缓解原料对高档品牌发展的制约以及卷烟减害降焦等均具有重要的意义。阐述了梗丝质量对卷烟质量的影响,并对制梗丝生产线的主要工序(烟梗预处理工序、烟梗形变工序、梗丝膨胀与干燥和梗丝风选)及梗丝感官质量改善的研究进展进行综述,同时提出了今后研究的主要方向。

烤烟烟叶自动分级的智能技术

研究烤烟烟叶自动分级中的几种智能技术 ,提出应用图像处理技术提取烟叶质量特征参数 ,应用模糊统计技术确定特征参数对各组与各级的隶属度 ,以及应用综合评判技术判定样本的组别与级别等方法 ,并给出对云南产烟区烟叶样本的分级结果。分级结果表明 ,该系统已达到人类专家分级水平 。

烟梗、烟末和烟棒的纤维特性

为研究造纸法再造烟叶原料——烟梗、烟末及烟棒的纤维特性,测定了它们的化学成分含量,分析了其纤维显微结构和纤维质量,考察了热水抽提前后原料表面形貌变化。结果表明:烟末和烟棒的纤维特性相近,与烟梗差别较大:①烟末和烟棒的灰分、热水抽出物和综纤维素在10%,59%和27%左右,与烟梗相差较大(分别为12.30%,53.72%和27.04%);3种原料的聚戊糖和木质素含量相近,均在7%和9%左右。②3种原料经热水完全抽提后,细胞表面蜡质层消失,细胞壁明显变薄,纤维轮廓更清晰。③3种原料的纤维长度均较短,细小组分含量均较高。相比烟末和烟棒,烟梗原料的纤维质量较高,其质量平均长度为0.76 mm,细小组分含量为20.6%。④根据再造烟叶原料的纤维特性差异,在再造烟叶制浆过程中,可以用不同的打浆条件处理不同纤维特性的原料,从而获得高质量的浆料;另外,在打浆过程中需控制浆料打浆力度,避免重度打浆。

基于图像法和粒度分形模型的打叶过程烟片结构在线检测

为实现烟叶采收后初加工过程打叶质量的实时监测与调控,该文采用图像分析法在线检测烟叶打后叶片结构,即叶片面积分布,应用分形理论建立烟叶打后叶片面积分布的分形模型,用分维数表征叶片面积分布特征。结果表明:分形模式计算的打后叶片面积分布结果与实测值相关系数较高,粒度分形模式可较准确描述烟叶打后叶片面积分布;分维数可表征打后叶片面积分布均匀程度,可反映出不同等级烟叶打叶特性差异;分维数与目前打叶过程的主要工艺控制指标大中片率成线性关系,相关系数大于0.90。基于图像法和粒度分形模型建立的打叶过程烟叶结构在线检测方法,可用于打叶质量的实时监测与调控。

基于低能X射线透射成像的打叶片烟中烟梗在线检测

利用打后叶片和烟梗面密度存在的显著差异,采用低能X射线透射成像,结合形态学滤噪、灰度阈值分割、归属判断等图像实时分析处理手段,实现了打叶片烟中烟梗的在线检测识别及剔除。研究确定了70 ke V辐射强度、1.6 m/s检测带速及40 000图像灰度分割阈值等检测条件,并对该检测方法进行了试验验证。结果显示,该方法对直径1.5 mm以上游离烟梗和带叶烟梗靶物的识别率均可达到98.0%以上。将纯净叶片与带叶烟梗靶物混合后连续过料,烟梗识别率达到94.5%,剔除率达到92.5%。采用"芙蓉王"配方中Y1等级打后片烟原料测试表明,在1 000 kg/h处理流量下烟梗剔除率达到93.6%。基于低能X射线透射成像的打叶片烟中烟梗在线检测方法是可行的。

微波膨胀对烟梗致香物质的影响分析

采用微波膨胀处理烟梗,将处理前后的烟梗按常规工艺制成梗丝,分别测定了2种梗丝中的8类77种致香物质并对比分析及感官评吸。结果显示:微波处理烟梗制成的梗丝与常规梗丝相比,醇类和酯类致香物质相对含量无显著性差异;酚类和烯烃类有显著性差异,分别为-10.98%和10.33%;醛类、酮类、酸类和杂环类存在极显著性差异,分别为27.54%、12.99%、39.15%和30.83%;感官品质明显改善。

烟梗、烟叶碎片和烟末的化学成分与纤维形态

为评价造纸法再造烟叶的原料特性,采用制浆造纸原料分析方法和烟草化学分析方法,分析了云南、四川两地不同年份烟梗、烟叶碎片和烟末的化学成分与纤维形态。结果表明:1烟梗和碎片中的综纤维素、硝酸-乙醇纤维素、木素和聚戊糖含量(质量分数)均远远低于禾本科造纸原料麦草和蔗渣,烟梗和碎片中的果胶、灰分和抽出物含量均显著高于麦草和蔗渣。其中,烟梗的综纤维素、硝酸-乙醇纤维素和木素含量高于碎片,碎片的苯醇抽出物和果胶含量高于烟梗;2烟梗的总糖、还原糖、钾、氯等含量高于碎片,烟梗的总氮、总植物碱、蛋白质、淀粉、果胶等含量低于碎片;3烟梗的重均纤维长度为0.55mm,宽度为22.09μm,长宽比为24.9,烟梗中非纤维细胞含量为90.9%,碎片和烟末几乎全部由非纤维细胞组成。