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。

不同行距和密度配置烤烟烟叶颜色量化分析

为了明确不同行距(R1,110 cm和R2,120 cm)和种植密度(D1,16500株·hm^(-2)和D2,19500株·hm^(-2))配置对烤烟烟叶颜色的影响,通过色差仪测定各处理初烤烟叶正面和背面颜色参数。结果表明,与R1相比,R2显著降低叶背面明度均匀度值(ΔL1)、红度值(a)和色差均匀度值(ΔE1)。与D1相比,D2显著提高烟叶明度值(L)、叶尖和叶中的黄度值(b)、黄度差值(Δb)、红度差值(Δa)和叶正面黄度均匀度值(Δb1),显著降低了色相角(H)。行距和种植密度互作中,R2D2的L显著高于R1D1。R1D1叶正面a显著高于R1D2,R1D2的Δa显著低于其他处理。R1D1和R1D2的Δb著低于R2D2,R1D1的Δb1显著低于R2D2。R2D2的叶正面ΔE1显著低于其他处理,R2D1和R2D2叶背面的ΔE1显著低于R1D2。R1D1的H显著高于R1D2和R2D2。由此可见,120 cm行距与种植密度16500株·hm^(-2)的配置有利于百色河谷烟区初烤烟叶的a、b、均匀度和H的提高,促进了该区烟叶高外观质量的形成。

基于RSM算法的烟叶含水率监测

为探讨将随机子空间RSM(Random Subspace Method)算法应用于烤烟烟叶含水率的监测中,采摘贵烟8号烟叶样本,在09:00-12:00时间段进行可见光采样,并对图像亮度进行梯度处理,以此模拟全天光线变化。采用烟叶样本实测含水率和图像RGB三阶颜色矩数据作为数据集,对样本使用RSM算法建立含水率回归模型,并与LM(Levenberg Marquardt)神经网络算法和支持向量机(Support Vector Machine,SVM)算法进行比较。结果表明,基于烟叶RGB颜色矩的RSM算法具有较好的应用效果,其回归模型决定系数R 2为0.9202,均方根误差(RMSE)为0.56%,相对分析误差(RPD)为3.5483。故基于随机子空间RSM算法的烟叶含水率回归模型具有较好的稳定性,能实现对烟叶含水率的监测。

基于机器视觉的双光源烟用香精外观质量检测仪

烟用香精的应用配方和工艺是烟草工业的核心技术,国内各烟草工业把香型品类构建作为新一轮发展战略的选择,其差异化是各香烟品牌竞争的一个技术关键点。本文针对烟用香精配置加工工艺中人工判别质量差的问题提出了一种结合双光源照明的机器视觉方法,并基于此设计并制作了烟用香精的外观质量合格性检测装置。以白光和红光为主要测试光源,绿光为辅助检测光源,设置了双光源同轴前向照明的环境条件;通过光学平板固定照明装置和图像采集模块为一体,并组合滑台随着步进电机转动定点启停;基于机器视觉方法剔除反光点后自动分析色彩模型参数并检测其外观质量合格性。结果显示,单管样液图像平行测试的相对标准偏差均低于0.9968%,同批次样液平行测试的相对标准偏差均低于0.0217%。实验结果表明,所设计的仪器检测精度和重复性良好,可为进一步促进烟用香精配置检测行业智能化管理提供支持。

不同遮荫方式对茄衣烟叶生长和光合生理的影响

【目的】探明不同遮荫方式对雪茄茄衣鲜烟叶生长和光合生理特性的影响。【方法】对遮阳网颜色(绿色、黑色、白色)、遮光率(40%、60%、80%)和遮荫时间(移栽后20、25、30 d)进行正交L_(9)(3^(4))设计,测定遮荫后烟株的农艺性状、叶绿素含量、荧光参数和光合生理指标,分析与光合相关基因的表达情况,并对测定的指标进行显著性分析和极差分析。【结果】(1)遮阳网颜色是影响农艺性状的主要因素,而影响光合生理的因素排序为遮光率>遮阳网颜色>遮荫时间。(2)遮荫后白色遮阳网促进了茄衣烟叶生长;总叶绿素含量随遮光率的增加而增加;实际光化学效率(ΦPSⅡ)、叶绿素潜在活性(F_(v)/F_(o))、光化学淬灭系数(qP)和最大光化学效率(F_(v)/F_(m))在高遮光率下显著提升,但非光化学淬灭系数(qN)显著下降;净光合速率(P_n)、气孔导度(G_(s))和蒸腾速率(T_(r))均下降,在80%遮光率下达到最小,而胞间CO_(2)浓度(C_(i))在80%遮光率下显著增加;编码光系统Ⅱ中捕光复合物叶绿素a/b结合蛋白4.2的基因(Lhcb4.2)和编码光系统Ⅱ中反应中心蛋白CP47的基因(psbB)表达量在80%遮光率下显著增加,编码光系统Ⅱ中捕光复合物叶绿素a/b结合蛋白6的基因(Lhcb6)在60%遮光率下显著增加,编码光系统Ⅱ中D2蛋白的基因(psbD)在80%遮光率下表达量比不遮荫处理低,而1,5-二磷酸核酮糖羧化/加氧酶小亚基基因(rbcS)和编码光系统Ⅱ中D1蛋白的基因(psbA)无明显变化。【结论】遮荫处理改变了光质和光强,影响了编码光合作用有关蛋白的基因表达,从而影响烟叶的光合作用,遮荫后不同程度地加快了叶绿素的积累和光合作用效率,且在80%遮光率处理下影响最大。

基于多颜色空间的烟叶颜色表征方法研究

【目的】实现云南产地烟叶颜色表征,输出真正意义上能够反映云南宣威复烤厂初烤烟叶颜色特征的信息。【方法】课题组利用工业相机采集烟叶图像,对烟叶图像进行预处理、彩色图像分割,将烟叶图像分别转换到RGB、HSV、Lab等多颜色空间,采用投影寻踪法,将多颜色空间下的各颜色分量信息进行融合,使用综合值对烟叶颜色进行表征,并分析了使用多颜色空间的表征方法是否优于单颜色空间。【结果】1)融合多颜色空间计算出的颜色表征值与专家排序结果的相关系数高达0.98;2)单独使用RGB、HSV、Lab颜色空间进行颜色表征的相关系数分别为0.95、0.62、0.76,这表明多颜色空间包含了更多颜色信息,其表征值更能反映烟叶颜色特征。【结论】该方法可快速把烟叶真实的颜色信息提取出来,并且与人工排序的符合度较高,可实现在线应用,并为烟叶外观颜色均质化加工提供控制指标和数据支撑。

基于鲜叶外观参数的烤后烟叶柔软度LM-BP神经网络预测模型构建

为利用鲜烟叶外观参数预测烟叶柔软度,通过研究云烟87不同留叶数上部叶田间成熟外观特征参数明暗度(L)、红度值(a)、黄度值(b)、色彩饱和度(C)、色调角(H)、SPAD值等与烤后烟叶柔软度的关系,建立其LM-BP神经网络预测模型。结果表明,不同留叶数的上部叶外观特征参数不同,烤后烟叶柔软度也不同,留叶数19叶的较16~18叶的烟叶烤后柔软度值低5.62~13.29 mN;烟叶外观特征参数与烤后烟叶柔软度间存在相关性;逐步回归分析筛选出对烤后烟叶柔软度影响较大的因子为留叶数、L、H和SPAD值;采用LM算法替代梯度算法创建LM-BP神经网络预测模型,其训练结果预测精度R2均接近1,平均绝对百分误差MAPE<5%,均方根误差RMSE<3。适当多留叶可增加烤后烟叶的柔软度;烟叶田间成熟外观特征参数与烤后烟叶柔软度之间存在相关性;采用LM-BP神经网络创建预测模型准确率较高,可用于烟叶田间成熟智能化判断。

烤烟僵硬度参比样的制作和量化研究

为定量定性探究烤烟僵硬度梯度,通过设立评价小组,对云南产区的样品进行筛选分组,共设置7个僵硬度梯度,通过检验分析和质构仪实现参比样设置梯度验证和对应指标间的相关关系探究。结果表明:本研究设定的僵硬度参比样梯度无交叉、易区分,量化后各梯度数值阈值范围清晰,差异明显;僵硬度与颜色参数的相关性均达到显著水平或极显著水平,与物理特性指标的相关性均达到极显著水平。综上,僵硬度参比样的制备可为烟叶生产提供指导,相关量化研究可为烤烟数字化评级提供部分理论支持。

不同颜色上部烤烟主要品质指标的差异分析

为明确不同颜色上部烤烟主要品质指标的差异,应用方差分析比较了12个省(市区)27个产区不同颜色(浅橘、橘黄和深橘)上部烤烟41个主要化学成分指标及9项感官评价指标的差异。结果表明,随上部烟叶颜色加深,钾、醚提物、莨菪亭、2,3联吡啶、巨豆三烯酮、大马酮、紫罗兰酮、新植二烯、香叶基香叶醇、草酸、琥珀酸含量升高,总糖、全钙、绿原酸、咖啡酸、富马酸、棕榈酸、硬脂酸含量和pH值降低。上部烟叶颜色主要影响感官质量指标的细腻感、清晰度、杂气、润感、刺激性、余味、浓度、劲头,浅橘黄烟叶细腻感好,清晰度高,刺激性和杂气低,余味舒适,烟气浓度和劲头小于深橘黄烟叶。

Tobacco Sorter III型杂物剔除器的应用

本文主要介绍Tobacco Sorter Ⅲ型杂物剔除器的剔杂原理、结构、特点及安装、选型、应用注意事项,较具体地说明了物体的CCD成像原理、杂物的识别、判断过程。

采收成熟度对雪茄烟叶晾制过程中颜色变化的影响

为探究雪茄烟叶采收成熟度对晾制过程中颜色变化的影响,以雪茄烟品种QX103中部叶为试验材料,研究了不同烟叶成熟度(M1、M2、M3)对晾制过程中颜色表征指标、质体色素含量、含水率、丙二醛(MDA)含量、多酚氧化酶(PPO)活性、多酚含量等的影响。结果表明,晾制过程中烟叶整体变黄速率表现为M3>M2>M1,变褐速率表现为M2>M3>M1,且M2晾制后烟叶褐色较深;各处理叶绿素a、b大幅度降解,降解幅度均表现为M3>M2>M1,失水幅度表现为M2>M3>M1。各处理叶片MDA含量在晾制10 d内呈上升趋势,第10天的含量表现为M2>M3>M1;各成熟度烟叶PPO活性在晾制0~10 d上升,第10天活性表现为M2>M3>M1,处理间差异显著,在10~15 d下降,M2下降幅度最大。在晾制过程中M1处理绿原酸、芸香苷、莨菪亭被氧化较少,多酚类物质积累较多。综上,在晾制过程中不同采收成熟度雪茄烟叶水分散失速率和膜脂过氧化程度存在差异,使得烟叶色素降解与多酚氧化速率不同,进一步影响雪茄烟叶颜色变化进程及晾制后烟叶颜色深浅。

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。

烤烟生长期叶片颜色特征值及其氮素诊断模型

为明确与烟叶全氮含量显著相关的颜色特征参数,利用多元逐步回归分析,建立烟叶全氮含量的颜色特征值诊断模型,分析不同氮肥用量下叶片颜色特征值与烟叶全氮含量及叶绿素(以SPAD值表示)的关系。结果表明,不同氮肥用量下,烤烟对氮素含量变化最敏感的时期为旺长期。颜色特征值[红色(red, R),绿色(green, G),蓝色(blue, B),亮度(lightness, L)]与叶片SPAD值之间呈显著负相关(P<0.05),其相关系数表现为r_(R)(0.728)>r_(L)(0.706)>r_(G)(0.649)>r_(B)(0.477)。烟叶全氮含量与颜色特征值L、R、G、L/(R+G)、B/R、B/G、L/B、R+B、B+G、R+B+G+L、R/(G+B)、R+B/(R+B+G)呈显著相关(P<0.05)。利用叶片全氮含量和颜色特征值进行多元逐步回归分析,构建氮素诊断模型,模型达到显著水平(P<0.05),对该模型进行验证,实测值与模拟值的相关性达到极显著水平(P<0.01)。因此,模型可用于指导烤烟生长期的氮素营养诊断,可方便、快捷地诊断烤烟叶片全氮含量,为智慧农业的发展提供理论依据。

基于CIE色度系统的烟草薄片涂布率检测与控制

本研究采用CIE色度系统对烟草薄片的颜色进行量化,通过回归分析建立基于CIE色度系统的涂布率检测方程,并形成生产过程的质量控制模型。结果表明,基于CIE色度系统的颜色检测,对烟草薄片的颜色指标可以进行准确量化,涂布率与颜色指数L*、a*呈极显著相关,与颜色指数b*呈现显著性相关。回归方程的决定系数(R^(2))达0.975,F值达38.524,相对误差0.315%。

不同烘烤工艺对烤烟上部叶颜色、酸酚含量和品质的影响

为探究不同烘烤工艺对上部烟叶品质影响,明确烘烤工艺对上部烟叶烟叶、酸酚含量和产量相关性状的影响程度,揭示烟叶褐变发生机制提供数据支撑,通过试验对比了2种烘烤工艺处理下烟叶超微结构、干燥特征、烟叶、脂肪酸酚类含量及品质变化的影响。结果表明:不同烘烤工艺对烟叶超微结构、干燥特性、颜色、化学成分均有影响,其中高温中湿烘烤工艺处理下的烟叶角质层、细胞质膜减少,瓦解速度缓慢,叶片与主脉干燥速率降低,利于变黄失水协调,同时提升了L^(*)、b^(*)颜色值,促进叶绿素降解,抑制烟叶褐变。烘烤前期高温处理能有效降低烟叶棕榈酸(C16∶0)、油酸和亚麻酸(C18∶1、C18∶3)、莨菪葶与绿原酸含量,烟叶香气特征突出,杂气减轻,中上等烟及轻度褐变比例提高。高温中湿烘烤工艺处理下上部烟叶具备更好品质,该结果为上部叶烘烤工艺的选择和品质调控提供了理论依据和试验参考。

烤烟红花大金元品种烟叶色度值特征分析

为探究云南特色烤烟品种红花大金元烟叶C3F等级的色度值特征,以5个产区初烤烟叶为材料,基于CIELAB颜色空间理论,采用色度仪测定烟叶正反面和叶尖、叶中、叶基等不同区位的颜色值(明度值(L^(*))、红绿色度值(a^(*),正值代表红度,负值代表绿度)、黄蓝色度值(b^(*),正值代表黄度,负值代表蓝度)),并分析烟叶正反面和不同区位颜色值的分布特征、差异规律。结果表明,红花大金元C3F烟叶正面L^(*)分布在66.05~77.90,a^(*)分布在9.44~16.21,b^(*)分布在41.35~52.58;烟叶背面L^(*)分布在70.22~78.62,a^(*)分布在8.41~13.23,b^(*)分布在35.90~44.34;烟叶正反面间的色差值均大于6个NBS单位,有强烈的色差感。烟叶的a^(*)在不同产地之间存在差异,而b^(*)在烟叶正面与背面之间存在差异,且b^(*)对烟叶的正反面色差大小起主导作用。云南5个产区的红花大金元C3F烟叶的正反面都有强烈的色差,而造成烟叶正反面色差的主要色度指标是b^(*),产地的不同对b^(*)的影响较小;5个产区中,昆明产区的烟叶正反面色差最小。总体来看,红花大金元C3F烟叶的L^(*)和a^(*)具有显著的地域差异。

高精度轻量级烟叶烘烤阶段识别模型研究

【背景】实时的烟叶状态识别和烘烤阶段判别是实现烘烤工艺精准调节和建立烟叶智能烘烤系统的关键技术。目前烟叶烘烤状态识别方面的研究受到模型规模的制约,难以应用于实际生产,因此有必要研究高精度轻型识别模型。【过程】采用工业摄像头和补光灯组成的图像采集系统采集烘烤过程的烟叶图像,通过伽马变换和HSI颜色空间转化并对烟叶数据集进行处理,使用改进的轻量级EfficientNetB0模型进行训练,并在Jetson Nano嵌入式开发板上进行模型可行性测试。【结果】改进模型在测试集上的准确率达到了96.13%,参数量仅为2.74 M,相比于原始EfficientNetB0,改进模型的识别准确率提高了1.59%,参数量减少了48.50%。在Jetson Nano开发板上,相比于MobileNetv2、MobieleNetv3等轻型模型,改进模型的识别速度和准确率均有明显提升。【结论】改进的EfficientNetB0模型可以实现烟叶烘烤阶段的快速、精准识别。同时本研究可为烟叶智能烘烤系统的建立提供了理论依据和现实参考。

平顶山烟区烤烟烘烤工艺现状及问题分析

为合理优化豫中烟区烟叶烘烤工艺,运用物联网技术采集2019—2021年烘烤过程的烤房温湿度数据4016套,分析烘烤各阶段的时间和温湿度管理指标,总结烘烤工艺执行的主要问题并提出下一步建议。结果表明:(1)烟叶烘烤总时长的中位数在184~200 h,烘烤过程的时间管理表现出总时间和变黄期时间长、定色期和干筋期时间短的“两长两短”特点;(2)烘烤变黄期、定色期和干筋期湿球温度的中位数分别在33~37℃、32~36℃、36~39℃,烘烤过程湿球温度表现为上升—下降—上升的“N”型变化规律;(3)烘烤工艺主要存在“各阶段时间分配不合理、变黄后期—定色期湿球温度偏低”问题,这与基层专业技术人员短缺、技术资源供需矛盾和种、烤不能紧密结合等原因有关。下一步,应加快推进烘烤工艺曲线规范化和“种采烤”一体化,探索烘烤模式数字化转型,提升烟叶烘烤技术落实到位率。

基于计算机视觉与机器学习的烟丝杂质图像级联检测方法

为提高烟丝杂质检测及剔除的准确率,设计了一种基于计算机视觉与机器学习的烟丝杂质图像级联检测方法。该方法采用颜色特征和梯度能量计算机视觉方法对烟丝杂质进行定位,结合HOG特征、LBP特征与级联Adaboost分类器,设计多窗口检测算法对烟丝杂质进行实时检测。结果表明:基于颜色特征的静态杂质检测方法的准确率高于梯度能量方法,在结合了HOG特征和级联Adaboost分类器算法后,检测结果非常稳定,烟丝杂质检测准确率达到97.33%,在实际操作过程中不需要人工调整算法参数,在保证算法准确率和有效性的同时降低了时间成本。

烟叶颜色指标与其他物理指标的相关研究

利用色差仪,对云南9个烟区K326烤烟品种,3个部位的烟叶进行了19个物理指标的测定,通过分析可知:CV较大的指标有:拉力、抗张强度、单叶重、梗重、叶质重、厚度、阴燃时间、a*;CV中等的指标有:延伸率、含梗率、宽度、长宽比;CV较小的指标有:填充值、含水率、长度、L*、b*、C*、h*。L*与厚度、叶质重为中度负相关。a*与厚度、叶质重为中度正相关;a*与L*为高度负相关。b*与L*为中度正相关。C*与b*为高度正相关。h*与L*为高度正相关;h*与b*为中度正相关;h*与a*为高度负相关;h*与厚度、叶质重为中度负相关。颜色指标变异系数最小并与物理指标存在密切的相关性,这为利用色差仪实现烟叶分级自动化奠定一定的基础。