文献综述
- 引言
烟叶分级是烟草生产过程中至关重要的一环，传统的分类方法耗时耗力且效率低下，因此研究利用机器学习方法实现烟叶的自动分级十分必要。本文针对烟叶自动分级系统，简单说明烟叶分级现状及烟叶自动分级的研究现状。
二．烟叶分级研究背景
- 烟叶分级的意义
烟草作为一种重要的经济作物，在我国农业中占有重要地位。我国作为烟草种植与消费的大国，从事烟草相关行业的人员众多，年烟叶的产销量皆位于世界第一。 2018年我国烟草和卷烟年产量各约占全球烟草产量三分之一；2019年中国吸烟人数约3.5亿，约占世界烟民总数27%。由此可见，烟草行业在我国税收和经济上起到十分重要的作用。因此，无论是出于经济方面的考虑，还是对烟民们健康方面的考虑，采用统一规范的标准模式进行烟叶分级具有重要的意义。
- 烟叶分级的现状
分级标准中规定了烟叶分级的七个品级因素，包括：成熟度、身份、油份、叶片结构、色度、长度和残伤允许度。其中的五个品质因素都分别被划分为不同的几个程度档次，以作为分级的标准。
目前我国烟叶质量分级仍采取人力手工分级分方法，工人根据颜色，大小，纹理等特征对烟叶进行分级。烟叶等级描述没有量化标准，人工分级的标准难以统一，且由于这种分级方法建立在人的感官判断上，带有强烈的个人主观性。据统计，经过训练的工人分级合格率在67.55%~91.78%[1]不等，可见人工分级准确率不高。所以，将机器视觉应用于考研烟叶分级，设计一种自动检测分级系统正符合市场需求。
三．烟叶自动分级现状
国外利用计算机视觉技术研究烟叶的检测与分级开始于1984年，相对于国内的研究开展来说要早许多。1988年，美国的Thomas Ｃ.Ｅ.发表了一篇名为《Techniques of image analysis applied to the measurement of tobacco and related products》的论文，第一次提出将图像处理技术应用于烟叶测量，这表明研究人员已开始将计算机视觉的理论和技术应用于烟叶的品质检测与分级[2]。此后，数字图像处理技术在烟草领域的研究有了一定的进展。1993年津巴布韦大学的MacCormac设计了一个图像处理单元原形，试图以此实现自动化烟草分级[3]，但是实际上这个单元只能进行图像特征提取，没有真正实现分级。1997年，CHO和PAEK研究了基于机器视觉技术提取白肋烟的形状颜色等表面特征以对其进行分级[4]。1998年，Tattersfield G 提取了烟叶的形状和颜色等特征，基于烟叶的部位和颜色，对烟叶进行了质量检测与分组[5]。
相较于国际先进水平，我国的相关研究起步较晚。近年来，我国相关研究进步较大，华中农业大学、北京交通大学、北京林业大学等都有团队在进行相关研究。1993年张建平等初步探索了数字图像处理技术在烟叶质量自动分级的应用，提出对于烟叶的颜色进行测量与分析，从此开启了国内关于机器视觉在烟叶分级上的应用的相关研究[6]。2000年蔡健荣等人主要利用计算机视觉方法试图研发一种烟叶质量分类系统，以颜色为主要特征，另外还包括形状、纹理特征作为分类的依据[7]。2003年，张惠民等建立了基于烟叶图像特征的烤烟烟叶分级系统的数学模型，并建立了烟叶等级标准模型库，探讨了特征隶属度和烟叶模式的可靠性，最后通过实验分析了烤烟烟叶分级系统FTGS 在烟叶特征的提取和分级方面的性能[8]。2007年，李浩在对烟叶进行分级时使用了颜色作为主要的判别特征，通过比较两种颜色模型的正确率结果来比较HSI和RGB两种颜色模型在烟叶分级应用中的效果差别[9]。同年刘华波提出将烟叶透射图像颜色特征用于烟叶分组识别[10]。2011年，马建元结合图像处理技术和模糊综合评判方法，提取烟叶的外形及颜色特征，建立了烟叶分级模糊综合评判数学模型，并完成了对烟叶质量的检测与分级[11]。
以上是毕业论文文献综述，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。
