基于智能识别技术的烟叶分级技术研究

●邓晨曦

一、概述

1.烟叶分级现状。我国是烟草制品销售大国，因此烟草种植产业发展态势良好。烟草制品生产商需要从烟草种植者手中收购大量的烟草农产品。在进行烟叶收购的活动中需要对烟叶进行分类定级，以便于进行烟草定价。但是，在实际收购过程中，会面临不同地区生产的烟草农作物和不同种类的烟草农作物物理性状不同，而导致在分类定级时收购者与被收购者之间会存在意见的不统一，这种情况在一定程度上降低了收购活动的效率。除此之外，目前在烟叶的分类定级活动中一般采用了人工分类的方法。这种分类方法存在一定的弊端，其主要表现在以下三个方面。其一，不同的分类定级技术人员之间可能将实质上相同的烟叶确定为不同等级，这主要是由于分类技术人员的认知不同造成的。其二，在人工分类定级的过程中，主要依靠技术人员肉眼识别进行判断，这种识别和判断很难保持高度的稳定性和准确性。即使是同一名技术人员在识别同等品质的烟叶制品时也可能会产生不同的识别结果。其三，人工手段对烟叶的识别过程由于存在较强的主观性特征，可能分类技术人员所代表的立场不同，在主观因素的影响下很难做出较为客观的评定。基于上述三点原因，在烟叶收购活动中，经常由于对烟叶品质的认识不同而产生纠纷。中国烟叶收购活动频繁，每年为收购烟叶时的分类定级使用了大量的人力资源，并且取得的效果不佳。人工定级活动无论是对于烟叶种植者还是对于烟草收购商而言都存在一定的弊端，因此必须通过新技术对烟叶分类定级活动进行革新。

2. 烟叶分级智能识别技术的发展现状。在自动化烟叶等级确定的过程中，机器将根据预先设定好的指标，对提供检测的烟叶进行的判断，并评定出相应的等级。但是由于在机器识别的过程中需要涉及到多项指标，整个过程极为复杂，也烟叶等级的准确评定带来了一定的困难。智能识别技术本质上就是根据烟叶农产品的外在特征对烟叶的品质做出的判断。在该类技术发展的过程中，国外的相关技术产品要在一定程度上领先于国内。该技术最先在美国出现，美国学者托马斯在发表的科研成果上提到了可以利用图像识别的方式对烟叶制品进行定级。其后，津巴布韦一位科研人员也开发了一套以高速处理图像为核心技术的烟叶智能识别分类系统。韩国学者paek 也对烟叶自动分级的智能识别技术进行了一定的研究和探索。在国内，有学者也开发出了基于模糊识别方法的烟叶自动分级设备。这种设备的核原理是根据烟叶的颜色、破损程度、圆度等多方面的特征进行智能识别，并由机器完成分类。我国云南地区是烟草农作物的重要种植地，因此上述设备选取云南地区进行了实验，该套系统的可靠性程度已经接近了人工分类的水平，并且有进一步优化的空间。

3. 研究意义。本文中研究的基于智能识别的烟叶分级技术的主要意义有以下三点。其一，提高烟叶分级的工作效率。使用传统的人工方式进行烟叶分级，会耗费大量的人工成本。通过该技术的应用和推广，可以明显的提升烟叶分级过程的效率，减少人工的消耗，提升了烟叶分级的工作效率。其二，减少烟叶收购活动中出现的纠纷数量和概率。由于人工方式对烟叶进行分级存在极强的主观性因素。参与人工分类的工作人员由于其代表的利益相关方的不同，难免在分类定级时存在主观因素的影响。如果采用智能识别技术进行分级，可以在很大程度上提高分类过程的客观性，减少收购活动中的纠纷出现。其三，可以促进全社会烟叶分类过程的统一化，明确质量和价格的对应关系，规范烟草收购市场，提升我国烟草行业的全球竞争力。

二、基于智能识别技术烟草分类的实现路径

1.样品收集。机器的智能化识别首先要依托一定数量的样本完成机器学习。在本次研究中，笔者选取了来自云南省的若干组烟草样本。笔者将这些烟草样本交由烟草分类定级专家进行鉴别，由专家人工定级的方式将所有的烟草样本划分为22 个等级。专家的定级标准将成为智能识别技术定级的标准参照。在专家对烟叶进行定级的过程中，为了在最大程度上避免专家主观因素对样本定级造成影响。本研究中，在对每一组烟叶样本定级的过程中，采用了多名专家分别定级的模式。对在第一次定级中专家间存在不同意见的样本进行再次定级，最大限度保证了样本定级的客观性。

2.智能识别中的图像采集。目前利用智能识别技术进行烟叶分级的所有模式中，基于烟叶外观及其他可直接感知因素进行的分级最具有可行性且实用性较强。因此，本研究所涉及到的智能识别技术也是基于图像识别的方式进行自动化烟叶分级。本设计在进行识别的过程中，需要优先考虑的是光照条件对于图像采集的不利影响。为了最大程度避免光照环境对智能识别产生影响，本系统中设计了图像采集的箱体。设计中的箱体是一个封闭的空间，在该箱体内部的四周都安装了黑色棉布进行了覆盖，可以减少光线反射对图像采集造成影响。在箱体顶端安装了两组共四个日光灯管，可以保证图像采集箱内有均匀且充足的光照条件。在两组灯管中间安装了工业照相机。在相机使用前需要先进行白平衡的设置。在相机的安装口，为了防止安装口缝隙有光线进入影响图像采集的准确度，在开口处同样需要使用黑色棉布进行的遮挡。在图像采集箱底端安装了白色烟叶放置台，使系统可以便捷地将烟叶与放置台颜色相分离。在进行烟叶图像采集时，对每一组烟叶都要进行多次采集，避免因单次采集产生的图像误差。

3.图像处理。在完成烟叶图像的采集活动后，需要对采集到的图像做进一步处理以供智能识别系统进行自动分类。首先，需要对采集到的烟叶图像进行滤波处理。通过该过程可以削弱图片的高频分量，同时又不会对低频分量造成影响。本设计中采用的滤波方法为彩色滤波法，该方法可以保留更多的图像色彩细节，便于后期机器的智能识别。其次，需要对采集到的图像进行二值化处理，该过程为提取图像关键信息的重要环节。例如，可以通过该过程提取烟叶的形状信息等。实质上，二值化处理后的图像为一个特殊灰度图像，一方面可以加快智能识别的效率，另一方面可以获取到烟叶形状的关键信息。最后，需要对的采集到的烟叶图像进行分割。在图像采集的过程中，工业照相机会将烟叶及其背景信息同时采集，但是在智能识别环节仅需对烟叶本身进行判断，因此，在本设计中采取了边缘检测法、模糊分割法以及神经网络分割法进行图像的分割。

图 图像处理流程图

4.智能识别软件的设计与使用。本设计中运用了MATLAB软件进行了识别与分级系统的构建。首先，软件中具有图像显示模块。该模块的主要功能是可以使软件使用者可以清楚地观察到烟叶分级的过程。其次，软件具备了图像处理模块。该模块主要包含了三个步骤的图像处理功能。再次，软件具备特征识别模块。该模块可以对烟叶的特征进行分析和归类。其实现的主要功能是将读取到的图像参数与专家识别样品的图像参数进行比对，并将提取到的参数进行保存，以供分级模块使用。最后，软件中具备分级系统。在本系统设立之初就将烟叶按照不同品质分为了22 个等级。该模块将系统提取到的烟叶参数与分级标准进行比对，并将烟叶划分为恰当的等级。自此，整个系统完成了对烟叶的智能识别和分级活动。

三、结语

在本设备设计完成后，笔者运用本设备进行了实例分析。笔者首先随机选取了148 份识别样本，并依托上述样本进行了分级模型的建立。其次，对148 份样本中的86 份进行了分组实验。最终将机器分级的结论与专家人工分级的结论进行比对，机器智能识别的正确率为95.45%，该正确率相较于普通人工识别更高。因此，本设计具有较高的应用推广价值。

烟叶分级的自动化和智能化研究已经愈发成熟，并已经有部分烟草制品生产商开始引入该类技术进行烟叶收购活动。本设计是智能识别技术在烟叶分级领域的探索，在一定程度上可以实现代替人工分级，实现该项工作的高效化和智能化。我国作为烟草制品消费大国，该类技术具有广阔的推广空间和应用价值，此项技术大规模应用后对我国烟草制品行业生产效率的提高，对烟叶农产品质量评定的标准化有着重要的积极意义。