简介:为实现醇化烟叶中霉变烟的自动在线精选,设计了基于机器视觉的霉变烟在线检测系统。该系统通过高速线阵CCD动态获取烟叶图像,采用MSD微结构描述算法提取烟叶图像颜色、纹理特征,基于神经网络集成分类算法,通过合格烟叶样本和霉烟样本的训练学习,实现霉变烟的在线检测识别。经过测试,该检测算法对霉烟图像样本的测度为0.918。在线检测试验结果显示,采用霉烟靶物单独过料时,机器视觉系统对霉烟的平均在线识别率在95%以上;将霉烟靶物与合格烟片混掺过料时,系统对霉烟的平均识别率在87%以上。研究结果表明,机器视觉方法用于醇化后烟叶中霉变烟的在线精选是可行的。
简介:为建立不同产区及风格烤烟烟叶与化学指标之间的关系,对2005~2009年湖南省、河南省、福建省和云南省等4省份共计1040份烟叶样品的21种化学成分进行检测,并利用MiningTree模型进行分类-回归决策树(C&RTanalysis)数据分析。结果表明:(1)从21个烟叶化学成分中,共筛选出14个特征化学指标,其中钾和硝酸根为4省烟叶共有特征化学指标;(2)湖南、河南、福建和云南4省份识别概率最高的特征化学指标分段组合(Segment)分别为:还原糖(≤24.93%)、钾(〉1.98%)、pH值(≤5.37)(p=0.658);钾(≤1.98%)、灰分(〉11.03%)、水溶性灰份碱度(≤0.49)、硝酸根(≤0.06%)(p=0.776);还原糖(〉24.93%)、钾(〉1.98%)、硝酸根(≤0.06%)、蛋白质(〉5.01%)(p=0.914);钾(≤1.98%)、灰分(≤11.03%)、水溶性总糖(〉28.94%)、硫酸根(≤1.43%)(p=0.957)。分类-回归决策树方法在建立烤烟化学成分识别模型中具有重要的应用价值。