基于图像信息的烤烟烘烤过程中烟叶含水率预测

作者：陈飞程; 杨懿德; 李常军; 杨洋; 冉茂; 鄢敏; 江厚龙; 汪代斌^*

来源：西南农业学报, 2021, 34(11): 2378-2384.

DOI：10.16213/j.cnki.scjas.2021.11.010

• 烟叶
• 图像处理
• BP神经网络
• 含水率检测

【目的】通过量化不同时段烟叶的表观特征值,掌握烟叶含水率的变化规律,针对烤烟含水率时序数据的非线性特征及相邻时段烤烟含水率间的较强关联关系,实现对不同时段烟叶含水率预测。【方法】利用全自动色差计提取烟叶颜色特征[明度值(L*)、红度值(a*)、黄度值(b*)、饱和度(C*)和色相角(H*)]和图像信息技术提取纹理特征[纹理均值(m)、标准差(σ)、平滑度(R)、三阶矩(μ3)、一致性(U)以及纹理熵(e)]并加以分析。利用因子分析得出6个表观优度因子[明度值(L*)、红度值(a*)、黄度值(b*)、纹理均值(m)、标准差(σ)和纹理熵(e)]作为网络模型的样本集,利用Kolmogorov定理和试验法确定预测模型隐含层为13个节点,采用L-M (Levenberg-Marquardt)训练算法,进行有限次的训练拟合,建立拓扑结构为6-13-1的BP神经网络模型,对烟叶含水率进行预测。【结果】烟叶图像的颜色特征和纹理特征值所呈现的变化符合烟叶在烘烤变化的表观体现,表明烟叶的图像信息较好地符合神经网络模型输入层与输出层相关性的要求。所建立的烟叶含水率BP(Back Propagation)神经网络预测模型的决定系数R2为0.9987,均方根误差RMSE为0.0118,能够较好地预测不同时段烟叶的含水率。【结论】利用BP神经网络模型的不同时段烟叶含水率预测模型,可为掌握烟叶含水率动态变化规律提出一种解决方案。

• 单位
  河南农业大学; 四川省烟草公司宜宾市公司