题目：

基于图像处理的烟叶烘烤阶段判别模型优选

目的：

选择最优的烟叶烘烤阶段判别模型，实现烘烤阶段的精确识别和操控，提升烟叶烘烤的精准度。以期为图像处理技术在烟叶智能烘烤中的应用提供理论依据和技术支持。

创新点：

利用耐高温高清摄像头实时采集密集烘烤过程中烟叶状态变化图像，提取烟叶图像的颜色纹理特征值，进行变量聚类和相关性分析，优选特征值作为模型的输入变量，建立基于粒子群算法的反向传播神经网络（PSO-BP）、基于遗传算法的支持向量机(GA-SVM)和极限学习机(ELM)的烟叶烘烤阶段的分类识别模型，优选出最优的烟叶烘烤阶段判别模型，并针对优选模型各阶段的误识别率进行了系统分析。

方法：

利用耐高温高清摄像头实时采集烘烤过程中烟叶状态变化图像，经图像处理后，提取烘烤过程中整夹烟叶图像的颜色和纹理特征，分别对颜色特征和纹理特征进行变量聚类分析，并利用相关性分析筛选出每类特征中与烘烤阶段相关性最强的1个特征组成特征子集（R/G、l*、灰度平均和惯性），作为模型输入，分别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）进行烟叶烘烤阶段的分类识别研究，最后优选出最优的判别模型。

结论：

图像处理技术能有效地量化烘烤过程中烟叶颜色及表面皱缩、卷曲、光滑程度等物理形态特征的变化，对于判断烘烤过程、指导烘烤操作具有实际意义。所建立的3类烘烤阶段预测模型表现为基于遗传算法的SVM模型烘烤阶段识别效果优于基于粒子群算法的BP神经网络模型，基于粒子群算法的BP神经网络模型识别效果优于ELM模型。各个模型的建立情况均表现为前6个阶段识别精度较好，第7到第10阶段的识别精度相对较差，这为后续研究提供了方向，可以单独寻找干筋期特征，建立独立的分类判别模型。 

关键词：

烤烟；烘烤阶段；图像处理；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，杨超，汪伯军，王爱华，孟霖，刘自畅，杜海娜，刘浩，孙福山

引用本文：

李增盛,孟令峰,王松峰,等. 基于图像处理的烟叶烘烤阶段判别模型优选[J]. 中国烟草学报, 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

重要图表