摘要：煙草作為重要的經(jīng)濟(jì)作物，其品質(zhì)分級(jí)對于提升其市場價(jià)值具有重要意義。傳統(tǒng)的煙草分級(jí)主要依賴于人工視覺判斷，不僅效率低下，而且容易受主觀因素影響，導(dǎo)致分級(jí)結(jié)果的不一致性。因此，開發(fā)一種基于圖像處理的煙草分級(jí)系統(tǒng)，對于實(shí)現(xiàn)煙草產(chǎn)業(yè)的自動(dòng)化與智能化尤為重要。本文介紹了圖像處理、煙草分級(jí)的原理與方法，設(shè)計(jì)了基于圖像處理的煙草分級(jí)系統(tǒng)。經(jīng)過測試顯示，該系統(tǒng)的圖像處理效率高，對煙葉樣本的分級(jí)精準(zhǔn)度可達(dá)到95%以上。

關(guān)鍵詞：圖像處理；煙草分級(jí)；神經(jīng)網(wǎng)絡(luò)；系統(tǒng)測試

隨著煙草行業(yè)的不斷發(fā)展，對煙草制品的質(zhì)量及安全性要求也日益提高。煙葉分級(jí)作為煙草生產(chǎn)過程中的關(guān)鍵環(huán)節(jié)，其準(zhǔn)確性和效率直接影響煙草制品的整體品質(zhì)。傳統(tǒng)的分級(jí)方法受限于人工操作的局限性與主觀性，難以滿足現(xiàn)代煙草生產(chǎn)的需求。近年來，計(jì)算機(jī)視覺和圖像處理技術(shù)不斷進(jìn)步，為煙草分級(jí)處理提供了有力的技術(shù)支撐[1]。圖像處理技術(shù)可以通過對煙草葉片的圖像進(jìn)行特征提取、分類和識(shí)別，實(shí)現(xiàn)對煙草的自動(dòng)分級(jí)。與傳統(tǒng)分級(jí)方法相比，基于圖像處理的煙草分級(jí)系統(tǒng)具有效率高、準(zhǔn)確性高、可重復(fù)性高等優(yōu)點(diǎn)，能夠有效避免人為因素導(dǎo)致的誤差，為煙草生產(chǎn)提供精準(zhǔn)、高效的分級(jí)服務(wù)。

一、系統(tǒng)原理與方法

（一）煙草圖像處理原理

煙草圖像處理技術(shù)在煙草分級(jí)過程中發(fā)揮著至關(guān)重要的作用。該技術(shù)以圖像處理為核心，完成煙葉圖像相關(guān)參數(shù)提取后，可為后續(xù)煙葉分級(jí)提供客觀、準(zhǔn)確的參考依據(jù)，以實(shí)現(xiàn)煙草的自動(dòng)分級(jí)。具體來講，圖像處理技術(shù)能夠提取煙葉的多個(gè)關(guān)鍵特征參數(shù)，包括但不限于煙葉的色調(diào)（H）、飽和度（S）、亮度（I）、長度（L0）、寬度（D）、長寬比（Y）以及面積（S0）等。上述參數(shù)不僅反映了煙葉的外觀特征，還與其品質(zhì)、成熟度以及加工性能等密切相關(guān)。通常煙葉的色調(diào)、飽和度可以反映其色澤的深淺與鮮艷程度，對于判斷煙葉的成熟度至關(guān)重要。亮度參數(shù)則可以用于評估煙葉的干燥程度、整體外觀質(zhì)量[2]。此外，長度、寬度和長寬比等參數(shù)能夠反映煙葉的形態(tài)特征，有助于區(qū)分煙葉的等級(jí)。另外，在對煙草進(jìn)行分級(jí)處理時(shí)還需要考慮煙草的破損程度，結(jié)合特征參數(shù)，通過神經(jīng)網(wǎng)絡(luò)算法予以處理，完成對煙草的自動(dòng)分級(jí)。

（二）煙草分級(jí)方法

計(jì)算機(jī)圖像處理需采用專業(yè)的圖像處理算法，本研究引入神經(jīng)網(wǎng)絡(luò)機(jī)器學(xué)習(xí)算法，其能夠?qū)崿F(xiàn)對煙草葉片圖像的預(yù)處理、特征提取和參數(shù)計(jì)算。評價(jià)指標(biāo)納入相關(guān)特征參數(shù)。啟動(dòng)掃描儀后將煙葉放置于合適位置，掃描獲得的信息經(jīng)壓力傳感器傳輸至Raspberry Pi，接收信息后，在光學(xué)成像系統(tǒng)中完成信號(hào)轉(zhuǎn)換，輸入數(shù)據(jù)信號(hào)，接收端可對信息進(jìn)行解析，最終呈現(xiàn)為圖像?；谏窠?jīng)網(wǎng)絡(luò)算法構(gòu)建分級(jí)模型，獲得對煙葉的分級(jí)結(jié)果，煙葉自動(dòng)分級(jí)流程見圖1。

二、基于圖像處理技術(shù)的煙草分級(jí)系統(tǒng)設(shè)計(jì)

（一）硬件系統(tǒng)設(shè)計(jì)

硬件系統(tǒng)是煙草分級(jí)系統(tǒng)的基礎(chǔ)，其設(shè)計(jì)直接關(guān)系到系統(tǒng)的性能與穩(wěn)定性。硬件系統(tǒng)包括圖像采集設(shè)備、控制系統(tǒng)、顯示系統(tǒng)。

1.圖像采集設(shè)備

圖像采集設(shè)備是煙草分級(jí)系統(tǒng)的核心部件，其性能直接影響到分級(jí)結(jié)果的準(zhǔn)確性。該設(shè)備主要部件包括上蓋、放置臺(tái)，另外還具備光電轉(zhuǎn)換與機(jī)械傳動(dòng)功能，能夠?qū)崿F(xiàn)對煙葉的自動(dòng)定位和傳送，從而提高分級(jí)效率。圖像采集設(shè)備配置了LCD顯示屏、壓力傳感器。在采集煙葉圖像時(shí)，先在掃描儀上放置煙葉，未經(jīng)分級(jí)處理的煙葉以上蓋壓緊，避免出現(xiàn)遺漏。壓力傳感器會(huì)實(shí)時(shí)檢測并反饋壓緊力度，確保煙葉在掃描過程中保持穩(wěn)定，防止因移動(dòng)或變形導(dǎo)致的圖像失真。分級(jí)處理區(qū)，系統(tǒng)會(huì)根據(jù)預(yù)設(shè)的分級(jí)標(biāo)準(zhǔn)對煙葉進(jìn)行自動(dòng)分級(jí)。分級(jí)標(biāo)準(zhǔn)可以根據(jù)顏色、大小、形狀等不同需求進(jìn)行設(shè)定。分級(jí)完成后，系統(tǒng)會(huì)將分級(jí)結(jié)果實(shí)時(shí)顯示在LCD顯示屏上，并將數(shù)據(jù)保存至存儲(chǔ)設(shè)備，供后續(xù)分析和統(tǒng)計(jì)使用[3]。

通過對煙葉的掃描，獲得對應(yīng)的高質(zhì)量、高清晰度圖像。完成圖像預(yù)處理后，將信號(hào)發(fā)送至Raspberry Pi，作為分級(jí)判斷的依據(jù)。掃描儀體積小，且視距較以往設(shè)備小，滿足了系統(tǒng)設(shè)計(jì)需求。在圖像處理中采用了Linux操作系統(tǒng)，該操作系統(tǒng)具有性能優(yōu)異、圖像處理速度快、效率高的優(yōu)勢，可滿足各類復(fù)雜的圖像處理需求。LCD顯示屏上可實(shí)時(shí)顯示煙草分級(jí)結(jié)果。

2.控制系統(tǒng)與顯示系統(tǒng)

以樹莓派嵌入式系統(tǒng)進(jìn)行控制，觸摸操作，可為用戶提供便利。同時(shí)，原始程序還做了交叉編譯處理，界面框架清晰，可自行進(jìn)行功能添加。在內(nèi)置程序方面，針對各個(gè)功能模塊進(jìn)行神經(jīng)網(wǎng)絡(luò)計(jì)算，對圖像進(jìn)行整合，對接軟件部分。顯示系統(tǒng)為觸摸式的人機(jī)交互屏，該界面能夠?qū)崟r(shí)顯示圖像采集設(shè)備捕獲的煙葉圖像，并控制系統(tǒng)處理后的分級(jí)結(jié)果。觸摸屏人機(jī)交互界面為用戶提供了直觀、便捷的操作體驗(yàn)。用戶可以通過觸摸屏幕進(jìn)行參數(shù)設(shè)置、查看分級(jí)報(bào)告等操作，實(shí)現(xiàn)對煙草分級(jí)過程的全面掌控。同時(shí)，顯示系統(tǒng)還具備數(shù)據(jù)記錄與查詢功能，方便用戶對分級(jí)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析和追溯。

（二）軟件系統(tǒng)設(shè)計(jì)

1.圖像采集與處理模塊

圖像采集與處理模塊是煙草分級(jí)軟件系統(tǒng)的基礎(chǔ)，該模塊負(fù)責(zé)從實(shí)際場景中獲取煙草圖像，并通過一系列算法和技術(shù)對其進(jìn)行預(yù)處理和特征提取，為后續(xù)的煙草分級(jí)提供準(zhǔn)確可靠的數(shù)據(jù)基礎(chǔ)。預(yù)處理主要包括圖像去噪、增強(qiáng)和分割等步驟，旨在消除圖像中的噪聲和干擾信息，提高圖像的清晰度和對比度，便于后續(xù)的特征提取和識(shí)別。圖像處理主要包括圖像去噪、增強(qiáng)和分割等步驟。去噪算法用于消除圖像中的噪聲和干擾信息，提高圖像的清晰度；增強(qiáng)算法則用于提升圖像的整體對比度和亮度，使煙草葉片的輪廓和紋理更加清晰；分割算法用于將煙草葉片從背景中分離出來，為后續(xù)的特征提取和分級(jí)決策提供準(zhǔn)確的圖像數(shù)據(jù)[4]。其中，圖像增強(qiáng)技術(shù)用于進(jìn)一步改善圖像的視覺效果和特征表現(xiàn)力。通過直方圖均衡化、對比度拉伸等方法，可以增強(qiáng)圖像的對比度，使煙草的紋理和顏色特征更加突出；通過形態(tài)學(xué)操作，如腐蝕、膨脹等，可以進(jìn)一步改善圖像的形態(tài)結(jié)構(gòu)，便于后續(xù)的煙草分級(jí)處理。

2.特征提取與選擇模塊

目前，常用的特征提取方法主要包括基于顏色、紋理、形狀等視覺特征的方法，能夠捕捉煙草圖像不同方面的信息，從而更全面地描述煙草的品質(zhì)。顏色直方圖、顏色矩等方法可描述煙草圖像的整體顏色分布和顏色變化，其反映煙草的色澤、飽和度等關(guān)鍵信息；紋理特征可描述煙草圖像的局部細(xì)節(jié)與整體結(jié)構(gòu)，可采用灰度共生矩陣、小波變換等進(jìn)行特征提取，其反映了煙草的細(xì)膩程度；邊緣檢測、輪廓提取等方法可檢測形狀特征，反映煙草的大小、長寬比等關(guān)鍵參數(shù)。

在特征提取過程中，選擇合適的特征集至關(guān)重要。一方面，特征集應(yīng)具有代表性，能夠充分反映煙草葉片的分級(jí)屬性。另一方面，特征集應(yīng)具有區(qū)分性，能夠使得不同級(jí)別的煙草葉片在特征空間上具有較好的可分性。為實(shí)現(xiàn)這一目標(biāo)，可采用主成分分析（PCA）、線性判別分析（LDA）等特征選擇算法，對提取到的特征進(jìn)行篩選與優(yōu)化。

3.分級(jí)決策模塊

在煙草分級(jí)軟件系統(tǒng)中，分級(jí)決策模塊是核心部分，負(fù)責(zé)根據(jù)圖像處理技術(shù)提取的特征信息對煙草進(jìn)行準(zhǔn)確、快速的分級(jí)。該模塊的設(shè)計(jì)需要充分考慮煙草的實(shí)際分級(jí)標(biāo)準(zhǔn)、圖像處理技術(shù)的精度以及系統(tǒng)的實(shí)時(shí)性要求。分級(jí)決策模塊首先接收圖像處理模塊輸出的特征數(shù)據(jù)，包括顏色、紋理、形狀等多個(gè)維度的信息。然后，利用機(jī)器學(xué)習(xí)或深度學(xué)習(xí)算法構(gòu)建分類模型，對特征數(shù)據(jù)進(jìn)行學(xué)習(xí)和訓(xùn)練，以獲取煙草分級(jí)的最佳決策規(guī)則。在訓(xùn)練過程中，需要充分利用歷史數(shù)據(jù)和專家知識(shí)，以提高模型的準(zhǔn)確性和泛化能力。完成模型訓(xùn)練后，分級(jí)決策模塊將利用訓(xùn)練好的模型對新的煙草圖像進(jìn)行實(shí)時(shí)分級(jí)。為提高分級(jí)精度，可采用集成學(xué)習(xí)、多模型融合等技術(shù)，將多個(gè)模型的預(yù)測結(jié)果進(jìn)行綜合，以得到更準(zhǔn)確的分級(jí)結(jié)果。此外，分級(jí)決策模塊還應(yīng)具備自適應(yīng)能力，能夠根據(jù)實(shí)際應(yīng)用場景的變化對模型進(jìn)行動(dòng)態(tài)調(diào)整和優(yōu)化。當(dāng)煙草品種或分級(jí)標(biāo)準(zhǔn)發(fā)生變化時(shí)，模塊能夠自動(dòng)更新訓(xùn)練數(shù)據(jù)并重新訓(xùn)練模型，以適應(yīng)新的分級(jí)要求。

4.軟件算法程序

采用深度學(xué)習(xí)技術(shù)構(gòu)建人工神經(jīng)網(wǎng)絡(luò)模型。具體而言，可以選擇卷積神經(jīng)網(wǎng)絡(luò)（CNN）作為分類器，利用其強(qiáng)大的特征學(xué)習(xí)和分類能力。通過訓(xùn)練網(wǎng)絡(luò)模型，使其能夠自動(dòng)識(shí)別并分類不同等級(jí)的煙草葉片。在模型訓(xùn)練階段，采用合適的損失函數(shù)和優(yōu)化器，通過反向傳播算法對模型參數(shù)進(jìn)行更新。通過多次迭代訓(xùn)練，使得模型能夠在煙草分級(jí)任務(wù)中達(dá)到較高的準(zhǔn)確率。神經(jīng)網(wǎng)絡(luò)可自動(dòng)提取隱藏在數(shù)據(jù)中的深層特征，建立輸入與輸出之間的復(fù)雜映射關(guān)系。在煙草分級(jí)中，可將圖像處理技術(shù)提取的特征參數(shù)作為神經(jīng)網(wǎng)絡(luò)的輸入，通過訓(xùn)練和優(yōu)化神經(jīng)網(wǎng)絡(luò)模型，實(shí)現(xiàn)對煙葉等級(jí)的自動(dòng)判斷和分類。人工神經(jīng)網(wǎng)絡(luò)算法流程見圖2。

5.系統(tǒng)界面與交互設(shè)計(jì)

系統(tǒng)界面設(shè)計(jì)應(yīng)簡潔明了，便于用戶操作和理解。界面布局應(yīng)合理劃分功能模塊，包括圖像導(dǎo)入、預(yù)處理、特征提取、分類結(jié)果展示等。同時(shí)，系統(tǒng)應(yīng)提供必要的操作提示和反饋信息，以提高用戶體驗(yàn)。系統(tǒng)交互設(shè)計(jì)應(yīng)注重用戶體驗(yàn)和易用性。通過提供簡潔直觀的操作界面，使用戶能夠快速上手；設(shè)計(jì)合理的交互流程，確保用戶在操作過程中能夠順利完成各項(xiàng)任務(wù)；提供錯(cuò)誤處理和幫助文檔等功能，以便用戶在遇到問題時(shí)能夠及時(shí)解決。為了更好地展示煙草分級(jí)結(jié)果，系統(tǒng)應(yīng)提供可視化展示功能[5]，將分類結(jié)果以圖像的形式展示給用戶，并提供詳細(xì)的分類信息和統(tǒng)計(jì)數(shù)據(jù)。此外，還可以設(shè)計(jì)交互式圖表或動(dòng)畫效果，以更直觀地展示煙草葉片的屬性和差異。

三、系統(tǒng)測試

本次試驗(yàn)從煙草種植基地采集了不同品種、不同部位的煙葉樣本，共計(jì)1600片。樣本涵蓋了上等、中等、下等三個(gè)等級(jí)的煙葉，以滿足系統(tǒng)測試的需求。對煙葉樣本進(jìn)行圖像采集，通過圖像處理軟件對采集到的圖像進(jìn)行預(yù)處理，包括去噪、增強(qiáng)和歸一化等操作，以提高圖像質(zhì)量，為后續(xù)的特征提取和分類打下基礎(chǔ)。針對預(yù)處理后的圖像，利用圖像處理技術(shù)提取煙葉的顏色、紋理、形狀等特征。這些特征將被作為分類器的輸入，用于區(qū)分不同等級(jí)的煙葉。本次試驗(yàn)采用監(jiān)督式學(xué)習(xí)方法，通過訓(xùn)練集對分類器進(jìn)行訓(xùn)練，使其能夠準(zhǔn)確識(shí)別不同等級(jí)的煙葉。將測試集樣本輸入到訓(xùn)練好的煙草分級(jí)系統(tǒng)中，記錄系統(tǒng)的分級(jí)結(jié)果。同時(shí)，邀請專業(yè)農(nóng)藝師對測試樣本進(jìn)行人工分級(jí)，以作為對比。通過對比系統(tǒng)分級(jí)結(jié)果與人工分級(jí)結(jié)果，評估系統(tǒng)的準(zhǔn)確性和可靠性。

經(jīng)過測試，本煙草分級(jí)系統(tǒng)在識(shí)別上等、中等、下等三個(gè)等級(jí)的煙葉時(shí)，總體識(shí)別率達(dá)到了94.2%。其中，對上等煙葉的識(shí)別率為95.6%，對中等煙葉的識(shí)別率為92.8%，對下等煙葉的識(shí)別率為96.4%，平均精度在95%以上。由此可見，系統(tǒng)對于不同等級(jí)的煙葉具有較高的識(shí)別能力，能夠滿足實(shí)際生產(chǎn)中的需求。表1為系統(tǒng)識(shí)別分組對照情況。

四、結(jié)束語

綜上所述，基于圖像處理技術(shù)的煙草分級(jí)系統(tǒng)，成功地將圖像處理技術(shù)應(yīng)用于煙草分級(jí)過程，提高了分級(jí)效率和準(zhǔn)確性，為煙草行業(yè)的可持續(xù)發(fā)展提供了有力支持。本系統(tǒng)設(shè)計(jì)過程中，充分考慮了煙草分級(jí)的實(shí)際需求與操作特點(diǎn)，通過優(yōu)化算法與模型，實(shí)現(xiàn)了對煙草葉片的快速、準(zhǔn)確識(shí)別與分級(jí)。同時(shí)，注重系統(tǒng)的穩(wěn)定性和易用性，通過優(yōu)化界面設(shè)計(jì)和操作流程，降低了用戶的學(xué)習(xí)成本，提高了系統(tǒng)的整體性能。

作者單位：魯薇 湖北省煙草專賣局（公司）

付華森 宜昌市煙草專賣局（公司）

喬波 楊斯可 湖北省煙草專賣局（公司）

宋景民 武漢市煙草專賣局（公司）

參考文獻(xiàn)

[1] 孟霖，楊秀軍，管仕栓，等.翠碧一號(hào)不同外觀特征煙葉內(nèi)在質(zhì)量分析[J].中國煙草科學(xué)，2023，44（01）：85-91.

[2] 王超，李朋成，楊凱，等.近紅外光譜煙葉質(zhì)量等級(jí)快速檢測與等級(jí)特征分析[J].光譜學(xué)與光譜分析，2021，41（03）：943-947.

[3] 胡逸超，蘇贊，陳義昌，等.基于圖像處理的煙草甲自動(dòng)監(jiān)測系統(tǒng)設(shè)計(jì)與應(yīng)用[J].湖北農(nóng)業(yè)科學(xué)，2024，63（04）：163-167.

[4] 江浩，羅瑞林，金雪松，等.基于稠密連接卷積神經(jīng)網(wǎng)絡(luò)與混合注意力的煙葉圖像分級(jí)方法[J]. 軟件導(dǎo)刊，2023，22（05）：184-189.

[5] 雷強(qiáng)，李春光，劉園，等.烘烤過程中不同部位煙葉圖像提取值與化學(xué)成分的變化[J].浙江農(nóng)業(yè)科學(xué)，2023，64（05）：1258-1263.