題目：

基于圖像處理的煙葉烘烤階段判別模型優選

目的：

選擇最優的煙葉烘烤階段判別模型，實現烘烤階段的精確識別和操控，提升煙葉烘烤的精準度。以期為圖像處理技術在煙葉智能烘烤中的應用提供理論依據和技術支持。

創新點：

利用耐高溫高清攝像頭實時采集密集烘烤過程中煙葉狀態變化圖像，提取煙葉圖像的顏色紋理特征值，進行變量聚類和相關性分析，優選特征值作為模型的輸入變量，建立基于粒子群算法的反向傳播神經網絡（PSO-BP）、基于遺傳算法的支持向量機(GA-SVM)和極限學習機(ELM)的煙葉烘烤階段的分類識別模型，優選出最優的煙葉烘烤階段判別模型，并針對優選模型各階段的誤識別率進行了系統分析。

方法：

利用耐高溫高清攝像頭實時采集烘烤過程中煙葉狀態變化圖像，經圖像處理后，提取烘烤過程中整夾煙葉圖像的顏色和紋理特征，分別對顏色特征和紋理特征進行變量聚類分析，并利用相關性分析篩選出每類特征中與烘烤階段相關性最強的1個特征組成特征子集（R/G、l*、灰度平均和慣性），作為模型輸入，分別利用基于遺傳算法的支持向量機（GA-SVM）、基于粒子群算法的反向傳播（PSO-BP）神經網絡和極限學習機（ELM）進行煙葉烘烤階段的分類識別研究，最后優選出最優的判別模型。

結論：

圖像處理技術能有效地量化烘烤過程中煙葉顏色及表面皺縮、卷曲、光滑程度等物理形態特征的變化，對于判斷烘烤過程、指導烘烤操作具有實際意義。所建立的3類烘烤階段預測模型表現為基于遺傳算法的SVM模型烘烤階段識別效果優于基于粒子群算法的BP神經網絡模型，基于粒子群算法的BP神經網絡模型識別效果優于ELM模型。各個模型的建立情況均表現為前6個階段識別精度較好，第7到第10階段的識別精度相對較差，這為后續研究提供了方向，可以單獨尋找干筋期特征，建立獨立的分類判別模型。?

關鍵詞：

烤煙；烘烤階段；圖像處理；特征模型；智能烘烤

作者：

李增盛，孟令峰，王松峰，高峻，徐小洪，朱先洲，楊超，汪伯軍，王愛華，孟霖，劉自暢，杜海娜，劉浩，孫福山

引用本文：

李增盛,孟令峰,王松峰,等. 基于圖像處理的煙葉烘烤階段判別模型優選[J]. 中國煙草學報, 2022 , 28 ( 2 ): 65-76.?

LI Zengsheng, MENG Lingfeng, WANG Songfeng, et al. Selection of optimum discriminant model in tobacco curing stage based on image processing[J]. Acta Tabacaria Sinica, 2022,28(2): 65-76 .?

doi: 10.16472 /j.chinatobacco. 2021.178

重要圖表