烤烟数字化收购流水线研制

针对现阶段市面上烟叶收购线存在的收购效率低、数字化程度低等问题,设计了一款烟叶数字化收购系统,对整个收购装置的结构及数字化系统进行了重新设计。通过提高收购系统的智能化程度和各系统模块结构上的合理配合交互,提高烟叶收购的效率及准确率。烤烟数字化收购流水线研制完成后,在烟叶收购站进行试验并投入试运行,对烤烟定级检测模块的准确性进行验证,准确率保持在97.54%,满足实际生产需求;日收购烟叶可达20 t,与传统人工相比,该数字化收购流水线单条线减工可达70%,极大地减少了用工成本。

基于彩色图像的烟叶智能分选研究

为解决打叶复烤企业人工烟叶分选准确率和效率低等问题,通过传统图像处理与神经网络相结合的方法对彩色图像进行处理,从而实现智能选叶。在分选预处理部分,采用语义分割分类网络进行烟叶状态和非主等级类检测提高分选时效性,在烟叶主等级分类部分,采用多维度的正面、背面、叶脉和叶尖不同特征建模,提高模型的鲁棒性和泛化能力。结果表明,单张图像的处理时间小于200 ms,青杂类分类准确率达到96.5%,主等级准确率达到82.1%。基于彩色图像的烟叶智能分选技术提高了打叶复烤烟叶分选效率和准确率,降低了劳动强度,加快了复烤企业分选智能化进程。

浅析影响烟叶纯度的因素及对策

烟叶作为卷烟产品的原料,等级纯度直接影响卷烟制品的质量。从平顶山市烟叶等级纯度的现状和影响烟叶等级纯度的因素着手,把提高烟叶纯度作为一项系统工程,指出从生产到收购的主要环节中的重点问题和注意事项,通过建立科学的烟叶生产技术路线、实施精益管理等改进措施,破解制约提高烟叶等级质量的关键因素,为提高烟叶等级纯度提出了改进方法和措施。

弥勒异种等级烤烟陈化致香成分分析研究

为分析烤烟品种和等级对自然陈化后烟叶品质的影响,以云南省红河州弥勒地区的两个不同品种和等级的烤烟为原料,于该地经自然陈化后,重点测定和分析了陈化前后不同烤烟致香成分的变化情况。研究结果表明:不同品种不同等级烟叶致香成分总量在陈化过程中均处于积累状态,且增长迅速,在陈化一年后,致香物质的总量增加了一倍,使得烟叶的内在品质得到显著提高。针对K326来说其致香成分在前期增长缓慢,后期则增长迅速;而红大(HD)烤烟则在前期致香成分增长迅速,后期反而变缓。由此可见,不同品种烤烟在陈化过程中其致香物质的总量增长趋势一致;而就致香物质增加的百分率看,K326-51和HD-51的增长率高于K326-41和HD-41。本研究初步揭示了自然陈化后不同品种等级烤烟致香成分的变化规律,可为弥勒仓储筛选最适宜的陈化烟叶品种,也可为弥勒卷烟仓储企业对烟叶的合理陈化及利用提供参考。

冠突散囊菌GT-1固态发酵对低次烟叶品质的影响

为探究应用冠突散囊菌固态发酵提升低次烟叶品质的可行性,从茯砖茶中分离筛选冠突散囊菌并接种于低次烟叶进行固态发酵,通过感官评吸考察固态发酵对烟叶品质的影响,应用同时蒸馏萃取和GC/MS检测固态发酵过程中1、3、5、7 d的烟叶主要致香成分的变化.结果表明,从茯砖茶中成功分离到候选菌株GT-1,经形态和分子生物学鉴定确认为冠突散囊菌.将GT-1接种于低次烟叶进行固态发酵,发酵5天烟叶感官质量最佳,香气量、香气质、浓度和余味较对照均有较为明显改善.发酵烟叶中共检测出33种主要致香成分,包含16种类胡萝卜素降解产物、9种芳香族氨基酸转化产物、1种叶绿素降解产物、1种类西柏烷降解产物、6种美拉德反应产物.随着固态发酵时间的延长,烟叶主要致香成分总量呈现先上升后下降的趋势,致香成分总量在第5 d达到最高,为402.03μg/g;相较于未发酵烟叶,致香成分含量提高了22.54%,其中4,7,9-巨豆三烯-3-酮、香叶基丙酮、二氢猕猴桃内酯、苯甲醇、苯乙醇、2-乙酰基吡咯等致香物质含量显著提高,极大的丰富了烟气的甘甜香、烟草香、果香、花香等香气.冠突散囊菌固态发酵可提高烟叶香气物质含量和种类,有效提升低次烟叶品质.

打顶方式对‘云晒1号’晒黄烟等级结构及产质量的影响

为满足卷烟工业在烤烟型卷烟中对晒黄烟原料的应用需求,明确云南省德宏州晒黄烟最佳打顶方式和打顶时间,以‘云晒1号’晒黄烟为材料,研究4种打顶方式(T_(1)处理为抠心打顶,T_(2)处理为现蕾期打顶,T_(3)处理为初花期打顶,T4处理为盛花期打顶)对晒黄烟农艺性状、经济性状、等级结构和内在化学品质的影响。结果表明,烟叶经济性状及等级结构以T_(1)处理综合表现最好,其次是T_(3)处理;上、中部烟叶化学成分含量多数指标达到了优质烟叶要求,均能满足工业需求,以T_(2)、T_(3)处理综合表现较好;从关键指标烟碱含量来看,上部烟叶均超过了2%,其中T_(2)表现最好,超过了2.5%,T_(3)接近2.5%,中部烟叶烟碱含量均超过了2.4%,T_(2)、T_(3)处理接近于3%。综上,云南德宏州晒黄烟最佳打顶方式为初花期打顶(即中心花开发10%时封顶,当烟田有10%的烟株第1朵中心花开时进行打顶),其次是现蕾期打顶[即烟田大部分烟株现蕾,主茎伸出幼叶,花蕾与幼叶明显分开后,将花蕾、花梗连同其下2~3张小叶(花序)一并打掉];打顶最佳时间为3月中下旬(即移栽后110d左右)。

基于一维残差卷积的烟叶分级方法研究

在烟叶分级过程中,由于人为主观性、分级标准不一致等因素导致分级结果不一致。针对以上问题,提出一种一维残差卷积的烟叶等级分类模型。首先,改进VGG16网络,将方形矩阵卷积核和池化窗口改为适应于一维光谱数据的向量卷积核和池化窗口。然后,利用BasicBlock残差模块替换多层卷积叠加的结构,对光谱数据进行更深层的提取,防止梯度消失问题。最后,在卷积层后面接入BN层模块,通过归一化的方式,防止卷积计算后由于数据分布分散而导致的网络效率降低问题。选取B2V、B1F、C4F、C1L和X2L等5种不同等级的烟叶样本的近红外光谱数据进行实验。结果表明,所提方法对5种等级烟叶训练集和测试集的平均分类准确率分别为98.0%和97.3%,明显高于其他方法。该方法在一定程度上解决了烟叶人工分级带来的误差,减少了人力输出,提高了效率。

玉溪市植烟土壤关键化学元素适宜性评价及其空间分布

土壤关键化学元素的空间分布数据是烤烟种植规划的重要基础之一.基于2016年玉溪市65个典型烤烟种植乡镇采集的883个0~20 cm表层土壤样品,选取了有机质、pH值、水解性氮、有效磷、速效钾、有效硼和水溶性氯共7个因子.首先,采用模糊数学方法量化各因子的隶属度,并利用层次分析法(analytic hierarcty process,AHP)确定因子的权重.然后,通过加权求和计算各样点的土壤适宜性指数(soil fertility index,SFI).最后,使用普通克里格插值法得到全市土壤SFI的空间分布图,对玉溪市的植烟土壤进行评价.结果表明,影响玉溪市植烟土壤适宜性的关键化学元素因子按重要性排序依次为水溶性氯、水解性氮、速效钾、有机质、pH值、有效磷和有效硼.全市土壤适宜性分为优、良好和一般3个等级.其中,优等土壤主要分布在东部的华宁和澄江地区,中部的红塔区,西部的新平县,以及北部的易门县;一般等级的土壤主要分布在北部和中南部.在全市65个植烟乡镇中,17个乡镇的土壤适宜性达到优等,3个乡镇为中等,31个乡镇为良好,14个乡镇为一般.研究结果为玉溪市科学规划烤烟种植提供了土壤关键化学元素适宜性的重要参考.

计算机视觉和智能识别技术在烟叶分级中的应用研究进展

计算机智能识别是一种模拟人类视觉和认知过程的技术,用于图像和视频的识别、判断以及模拟。本研究主要探讨了计算机视觉和智能识别技术在烟叶分级领域的应用。文章详细介绍了烟叶图像和近红外线光谱的采集方法,烟叶特征提取方式,以及智能识别模型的应用实例。通过比较不同烟叶特征智能识别技术的优缺点,总结了现有不同烟叶特征智能识别模型在准确性和鲁棒性方面的不足,指出未来的研究方向将集中于提高智能识别模型的性能,并通过多维度特征数据融合,进一步提升烟叶等级判定的准确性。

基于Fisher鉴别分析和集成学习的烟叶分级方法

智能烟叶分级能有效提升成品烟质量。为了进一步提升烟叶分级正确率,提出了联合利用烟叶正面、背面、透视三视图的烟叶分级方法。对于每个视图,提取其纹理、颜色、形状特征作为模型的输入,通过线性判别分析降低特征维度,以支持向量机(Support Vector Machine,SVM)作为基分类器,利用袋装法做集成,得到一种集成学习的烟叶分级模型。通过整合烟叶正面、背面、透视三视图共同提取到特征,带入上述分级模型,进一步提升了分级准确率。实验结果表明,仅对正面视图,提出的集成学习分级模型在五个真实烟叶数据集上的平均准确率为71.93%,优于现有方法。使用三视图分级后,平均准确率提高到了74.8%。

基于VGG16-DenseNet集成模型的烤烟智能分级

为实现烤烟烟叶等级快速、准确的智能化识别,本研究基于手机拍摄的不同品种烤烟烟叶正、反面图像,构建了VGG16与DenseNet组合的新网络模型VGG16-Dense,并应用手机拍摄的翠碧1号、云烟87烤烟烟叶6个等级正反面图片,总共24类,验证该模型的有效性,同时与5个网络模型DenseNet121、ResNet50、AlexNet、VGG16和GoogLeNet进行比较。研究表明:VGG16-Dense网络模型在验证集的各评估指标(准确率、精确率、召回率、F1分数和平均损失值)均达到优秀值,在测试集的各评估指标较其他模型是最优的,准确率为92.71%,精确率为93.07%,召回率为92.71%,F1分数为92.72%,平均损失值为0.22,有较好的泛化能力,错判较少。VGG16-Dense网络模型能同时智能判别烤烟烟叶等级及其正反面,甄别不同品种,这为初级烤烟收购中的定级实现智能化提供理论指导。

晒黄烟云晒1号烟叶结构优化措施

为满足卷烟工业在烤烟型卷烟中对晒黄烟原料的应用需求,找出适宜云南德宏州晒黄烟烟叶结构优化措施,以云晒1号晒黄烟为材料,研究了底脚叶去除时间及数量、上部叶去除时间及数量及留叶数等相结合的烟叶结构优化措施对晒黄烟的农艺性状、部位等级结构、经济性状和化学品质的影响。结果表明,烟叶结构优化处理措施能提高产量、产值、均价等经济性状,综合表现以T2和T5处理较好,其次是T3和T4处理;能降低下部烟叶的比例,提高中部烟叶比例及上等烟比例,大小依次为T5>T4>T3>T2>T1;上、中部烟叶化学成分含量多数指标达到了优质烟叶要求,均能满足工业要求,综合表现上部烟叶以T5、T2和T1较好;中部叶以T5、T3和T4综合表现较好,从关键指标烟碱含量来看,上、中部烟叶均超过了2.0%,上部叶T5、T2和T1均超过了3.0%,中部烟叶T2处理超过3.0%;由此,建议云南德宏州晒黄烟烟叶结构最佳优化措施为:封顶后10 d摘除2片底脚叶,晒制到上部叶时摘除2片顶叶,常规留叶数减去4片叶,保留17片叶,其次是封顶时摘除2片底脚叶和1片顶叶,常规留叶数减去3片叶,保留18片叶。

基于空气流体输送理论的烟叶风送关键因素研究

利用空气流体输送理论设计烟叶分级设备,有利于加快分级速度、提高效率和分级效果,便于分级后烟叶的分仓保存处理。针对烟叶在机器视觉分级中输送效率低的问题,利用空气流体输送理论,设计了负压输送试验平台,并利用Design Expert 11对试验数据进行了分析。结果表明:风速对烟叶输送的连续性具有极显著的影响,风管宽度、风管高度对烟叶输送影响不显著;当风管宽度为0.8 m、风管高度为0.3 m时,烟叶连续输送率最高;在实际的风力输送过程中,为平衡动力输入、烟叶输送效果、拍摄成像与算法计算时间,选择17~18 m/s为烟叶输送风速。

去叶方式对皖南烟区烟叶等级结构和品质的影响

为了明确去叶数量和去叶时间对烤烟等级结构、经济效益和烟叶品质的影响,以云烟87为试验材料,设置去叶数量和去叶时间2个因素,对烤后烟叶的正/副组烟叶重量比、等级结构、化学指标及感官质量等方面进行分析。结果表明:打顶前7 d去除3~4片下部叶,其副组烟比例比打顶当天、打顶后7 d处理的显著降低,且烟叶产量、产值显著增加,同时烟叶感官质量也得到提升。打顶当天去除4片下部叶处理,中部叶覆盖的叶位范围最广(第6~17叶位),烤后烟中部叶比例最高(44.05%),等级结构最合理。打顶后7 d去除4片下部叶处理的上部叶比例最高(38.94%),中部叶比例最低(28.70%),等级结构最差。综合分析,打顶前7 d去除3片下部叶处理的中部叶比例高(40.02%),副组烟比例低(20.45%),各部位烟叶感官品质较好,产量、产值最高,是最合理的去叶方式。

全国烟叶等级质量监督抽检方法的有效性分析

【目的】为评价烤烟监督抽查过程中有关抽检方法的有效性,【方法】本文利用20多年全国烟叶工商交接等级质量监督抽查的相关资料进行了分析。【结果】1999-2018年历年抽检的烟叶基本涵盖了全国主要种烟省份和地市产区,抽检产区覆盖面和样品数量具有较强的代表性。成对双样本方差分析显著性检验结果表明,2003—2020年,尽管一些等级的抽检比例与收购比例存在一定差异,但下等烟、上部烟和4级烟的等级抽检比例与收购比例非常吻合,并且不同大等级、部位、质量档次的抽检比例与相应的收购比例历年走势具有极显著相关性,【结论】说明抽检等级比例和抽检方法基本上是科学合理有效的。

基于PCA-SSA-BP神经网络的烟叶分级方法

基于机器视觉检测的烟叶分级方法,存在识别效率低、识别稳定性差等问题。针对这些问题,该文基于主成分分析(PCA)、麻雀搜索算法(SSA)、BP神经网络提出一种烟叶分级方法,首先对采集到的烟叶图像进行分析提取17个图像特征进行PCA降维处理,以消除冗余信息,结合烟叶分级标准并平衡烟叶分级的识别正确率和分级效率确定最佳降维的维数为七维;然后,将七维特征向量作为BP神经网络的输入,利用SSA对BP网络模型的权值和阈值进行优化,完成网络模型的训练。实验结果表明,PCA-SSA-BP模型的平均识别率达到96%以上,总运行时间为97.99 s,因此该方法能有效提高小样本烟叶分级的识别效率和识别稳定性。

基于改进Faster R-CNN网络的烟叶分级

为实现烟叶快速准确的识别分级,提出了一种改进的Faster R-CNN分级算法。以VGG16网络为训练原型,通过调整训练图像的尺寸、学习率、mini-batch等全连接层参数,在此基础上将ROI pooling改进为ROI align,再去掉网络模型的第8、第12、第15层卷积层,同时引入Inception结构层为研究的最终分级模型。以准确率和召回率作为分级模型性能的评价指标,利用最终分级模型训练7个等级的烟叶图像,识别准确率最低为90.62%,最高为92.46%,召回率最低为91.72%,最高为92.87%,平均识别准确率达到92.35%,识别速度达到0.2s/幅。改进后的模型平均识别准确率相比原始网络平均识别准确率提高了3.98%。

玉溪市100m级植烟土壤质地品质的区划研究

开展以质地为关键因子的高精度植烟土壤区划,对综合提升区域烟叶品质具有现实指导意义。以云南省玉溪市植烟区为研究对象,利用云南省、地市和县级土种志所记录的玉溪市土壤剖面数据为基础,并结合GIS技术和地统计学等方法,对玉溪市植烟土壤质地品质进行高精度区划。建立了玉溪市100 m级土壤质地数据池,对烟草区划的土壤关键因子土壤质地进行了科学的品质等级划分。结果表明,玉溪市适宜植烟的土壤质地品质差异较大,按土壤质地品质分级一等~五等的面积比例分别为9.87%、36.08%、11.7%、21.38%和20.97%,其中,最适宜植烟的一等土壤主要分布在峨山和华宁县,面积分别为26.2 km^(2)和25.2 km^(2),较适宜的二等土壤主要分布在新平、元江和江川,面积分别为87 km^(2)、58.6 km^(2)和55.5 km^(2)。不同海拔上的植烟土壤质地品质存在较为明显的差异,海拔1600~2000 m是玉溪烟叶主产区和优质植烟土壤质地主要分布区。玉溪市100 m级土壤质地空间分布图,详细程度达到村镇尺度,极大地提高了植烟区划精度及其实用性。研究结果可为优质烟叶生产及其长期规划布局和科学管理提供理论依据。

基于稠密连接卷积神经网络与混合注意力的烟叶图像分级方法

针对烟叶实际收购过程中受环境与个人状态影响而导致分级准确率下降的问题,提出一种结合稠密连接卷积神经网络与混合注意力机制的深度学习模型。该模型通过改进残差注意力网络,在原网络注意力模块的主分支残差模块与网络输出阶段的多个残差模块上,使用稠密连接卷积模块进行替换,以增强分支特征学习性能并降低参数量,缓解梯度消失问题。同时,使用两个残差注意力网络的注意力机制模块,并添加空间注意力模块加权提取烟叶特征图在空间、通道维度的信息,以获取更全面的特征信息。通过10个等级共5 000张烟叶图像的实验表明,该网络在降低网络深度的同时,提升了检测速度与识别精度,分级正确率相较于原网络与VGGNet19分别提升8.19%、7.72%,网络参数量相较于ResNet34减少45%,训练速度提升38.11%,可证明该方法对不同等级烟叶均具有较好的识别效果和较快的识别速度,能较好地对生产中的烟叶进行分级。

基于植物表型复合参数体系的烤烟等级初分检测方法

为实现快速无损智能判定烤烟等级,基于植物表型复合参数体系设计了一款便携式烤烟等级快速检测仪,通过试验确定了37个与烤烟等级值具有显著或极显著相关的表型参数组成了烤烟等级特征复合参数体系,选取K-Means聚类法、系统聚类法、 CHAID决策树算法、BPNN算法作为烟叶判定模型的建模对比算法,从500株云烟87烟株中选取了6个等级的595片烟叶作为样本源,每个等级的50片烟叶y样本作为建模数据,其余的烟叶作为验证数据,结果表明:基于贝叶斯分类器算法的等级判定准确率为75.59%,高于企业所要求的烟农初分准确度标准(准确度≥60%)。基于表型复合参数体系的烟叶判定模型可用于构建便携式轻量化的烤烟等级检测仪,为后续开展不同生态区烤烟等级快速检验研究奠定了基础。