基于细粒度的叶片等级识别方法研究文献综述

 2022-11-25 16:36:28

基于细粒度的叶片等级识别研究文献综述

研究目的及意义

烟草是一种重要的经济作物,在我国的农业生产中占有重要的地位。我国是世界烟草生产和消费的大国。据相关资料显示, 1996至2000年间,全球烟叶产量2761万吨,年均生产烟叶552万吨;而我国为1095万吨,年均219万吨,占39. 6%,我国在烟叶产量上居于世界领先地位,从1949年以来,烟草业为国家提供的税收和利润累计达到1200多亿美元。从1980年以来,在很长一段时间,烟草业税收和利润占国家财政总收入的比重达到10%左右,是国家财政积累的重要渠道。在就业方面,烟草的种植、生产加工和销售创造了大量的就业机会。同时,烟草业的发展,带动了与之相关联的种植、机械制造、造纸、化工、印刷等行业的发展。由此可见,烟草业的发展,为国家经济建设提供了大量资金,创造了大量就业机会,带动了相关产业的增长,在中国国民经济发展中的起到了较大的作用。目前,国内外烟草工业的质量检查和分类是以标准分类为基础的。标准样品由人测定。在中国,所有烟草制造商一年前都会购买烟草。主管当局组织培训课程来训练采购位置分类人员,并为每个受益人准备烟草样品。这样的培训班需要大量的人力、物资和财政资源。现行的42级分类标准在等级制度中,大多数规定是定性的,没有定量标准,其尺度是不确定的。它主要依靠分级人员的感觉和经验,而不同的人对标准的理解、人的感官和经验也存在一定的差异。凭感官来定性评定,在评定过程中,容易受到客观环境条件、评定人的情绪、评定人经验的差别可能很大,带有很强的主观性和经验性,容易出现低质烟高价收购或者高质烟低价收购等评定级别不稳定的现象。不仅给国家、烟农和卷烟加工部门的烟叶流通造成经济损失,也为后期加工带来许多麻烦。而当质量要求和分级标准改变时,人们比较难以摆脱旧的分级标准来适应新的分级标准,这期间又要进行大量的培训。随着烟制品质量的演变,烟叶质量要求逐渐提高,人工分级将越来越难于满足

要求。我国作为烟叶大国,生产总量居世界第一,但由于烟叶分级技术水平所限烟叶商品的品质和价值却并不高。在我国最新的烟叶分级标准(GB2635-92)[1]中,并没有对烟叶特征进行定量描述,这也在一定程度上影响了分级的效率。因此如何定性定量判断烟叶等级对提高分级效率,对提升烟叶品质具有重要影响。在设置好对烟叶等级的定量判断依据之后,如何利用高效的算法对烟叶进行识别就是我们现在要解决的难题。

国内外研究主要成果

赵世民,宋正雄等人的研究[1]基于图像特征的烟叶分级方法。采用机器视觉获取烟叶图像特征,首先在运用采集箱采集烟叶图像后对图片进行必要的预处理,进行灰度处理,高斯滤波,减少图像噪声,得到平滑图像在进行直方图均衡化。在进行二值处理和形态学处理最终得到轮廓清晰的图像。之后进行颜色,形状,纹理特征提取。用这些特征对神经网络进行训练。通过训练集和测试集的验证,分级准确率高达90%以上,达到了人工分级准确率。该研究可为烟叶智能化高效分级提供理论基础和技术支持。

姚学练,贺福强等人[2]的研究基于主成分分析(PCA)、遗传算法 (GA)和支持向量机(SVM),利用PCA对烟叶特征进行降维以去除交叉冗余 信息,将降维后的15个烟叶特征输入SVM,利用GA对SVM模型的惩罚参数和核函数参数进行优化;结合烟叶质量分级实际需求对比识别率和运行时间,确定最佳参数降维后的主成分标准。以其作为SVM模型的参数训练模型,利用训练后模型对测试集样本进行实验,结果表明:与SVM模型和GA-SVM模型相比较,PCA-GA-SVM模型的烟叶识别率分别提高了4.29%和2.83%;分级效率分别提高24.86%和35.64%。

申振宇等人的研究提出了基于神经网络特征分析的烟叶识别方法[3]。通过图像采集到的烟叶的形状特征如长宽,比例,圆形度,矩形度和CDD相机采集到的HIS模型特征值,用灰度共生矩阵描述叶片的纹理特征。再将这些特征送入GRNN广义回归神经网络中进行训练。GRNN是一种基于非线性回归理论的前馈式神经网络模型,属于径向基神经网络的一种,GRNN具有很强的非线性映射能力和柔性网络结构以及高度的容错性和鲁棒性,适用于解决非线性问题。最终部位权重正确率为92%,颜色权重正确率为94%,等级分类正确率为96%。

马建元等人使用图像识别特征提取模糊识别的方法[4]。图像处理的知识和模糊识别技术相结合进行烟叶的特征 参数的提取和分级的工作。正确率为93.7%。

Jyotismita Chaki, Ranjan Parekh等人提出了基于纹理和形状特征的神经分类器植物叶片识别方法[5]。他们Gabor滤波器和灰度共生矩阵(GLCM)对叶片纹理进行建模,利用一组curvelet变换系数和不变矩对叶片形状进行捕捉。预处理阶段对变化的平移、旋转和缩放因子进行校正。采用神经模糊控制器(NFC)和前馈反向传播多层感知器(MLP)两种神经分类器对叶片进行分类。

剩余内容已隐藏,您需要先支付 10元 才能查看该篇文章全部内容!立即支付

以上是毕业论文开题文献,课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。