基于机器视觉的烤烟鲜烟成熟度判别模型优选

为解决目前靠人为主观经验判别鲜烟成熟度并不准确的问题,对不同成熟度鲜烟叶进行图像处理、特征提取,并建立鲜烟叶成熟度判别模型,以实现鲜烟成熟度的智能判别。通过采集云烟87品种不同成熟度上部烟叶图像的10种颜色特征和纹理特征,分别进行变量聚类分析以及相关性分析,筛选出每类特征与成熟度相关性最强的1个特征组成特征子集,利用基于遗传算法的支持向量机(GA-SVM)、基于粒子群算法的反向传播(PSO-BP)神经网络和极限学习机(ELM)进行鲜烟成熟度的判别研究。结果表明:以优选后5个烟叶图像特征作为模型输入时,所建立的GA-SVM、PSO-BP、ELM模型的判别准确率分别为92.00%、90.00%、84.00%。证明利用机器视觉技术判别鲜烟成熟度是可行的,为之后烟叶智能采收提供理论基础和技术支持。