您现在的位置: 首页> 研究主题> 烟叶分级

烟叶分级

烟叶分级的相关文献在1990年到2022年内共计233篇,主要集中在农作物、轻工业、手工业、自动化技术、计算机技术 等领域,其中期刊论文96篇、会议论文8篇、专利文献39049篇;相关期刊53种,包括致富天地、科技创新导报、农机化研究等; 相关会议8种,包括福建省烟草学会2012年学术年会、第五届广西青年学术年会、西南西北片区第十四次烟草学术研讨会等;烟叶分级的相关文献由809位作者贡献,包括刘文、陆俊平、申金媛等。

烟叶分级—发文量

期刊论文>

论文:96 占比:0.25%

会议论文>

论文:8 占比:0.02%

专利文献>

论文:39049 占比:99.73%

总计:39153篇

烟叶分级—发文趋势图

烟叶分级

-研究学者

  • 刘文
  • 陆俊平
  • 申金媛
  • 刘润杰
  • 潘文
  • 刘剑君
  • 陈泽鹏
  • 孙浩巍
  • 张冀武
  • 张晓伟
  • 期刊论文
  • 会议论文
  • 专利文献

搜索

排序:

年份

    • 焦方圆; 申金媛; 郝同盟
    • 摘要: 目的:解决烟叶分级准确率不高的问题。方法:提出一种改进的基于卷积神经网络的烟叶分级模型,根据VGG16网络结构,以自定义的方式搭建网络模型;将空洞卷积代替原有的传统卷积,增加图像感受野的同时避免了图像特征的损失,并将激活函数改为Leaky;elu,修正数据的分布,解决ReLU函数的硬饱和问题;用41种等级的烟叶图片加以测试。结果:试验改进算法分级准确率达95.89%,与传统SVM算法相比提高了10.46%,与经典VGG16算法相比提高了7.87%,损失率最终收敛于0.13。结论:与原始模型和传统特征提取的方式相比,试验算法在烟叶分级准确率性能上有所提高。
    • 赵百英; 张艳艳; 代琛; 王保义
    • 摘要: 烟叶等级判定是烟叶分级技术培训的主要内容,是烟叶分级技术员必须掌握的技能。烟叶分级体系按照分类-分型-分组-分级来进行,同一类型烟叶中分组是分级的前提,而部位是首要的分组因素,只有将部位判定准确,才能将烟叶等级判定正确,从而将烟叶按等级质量区分,提高可用性。本文分析了烤烟分级实训中部位错判率及错误趋向,找出了易错等级及错判原因,并提出了提高烟叶部位判定准确率的途径。
    • 鲁梦瑶; 周强; 姜舒文; 王聪; 陈栋; 陈天恩
    • 摘要: 为实现烤烟等级的快速准确识别,降低人工分级中主观因素对分级结果的影响,提高烟叶分级的准确性和一致性,提出一种基于烤烟RGB图像和深度学习的多尺度特征融合的烟叶图像等级分类方法,采用ResNet50提取烟叶图像特征,并引入基于注意力机制的SE模块(压缩激发模块),增强不同通道特征的重要程度;同时,采用FPN(特征金字塔网络)对提取的由浅及深不同层级的烟叶特征进行融合,以实现烟叶多尺度特征的表达。采集皖南地区6068个烤烟的正面和背面图像用于建模和分析。结果表明,提出的烟叶分级方法的分级正确率比经典CNN(卷积神经网络)高出5.21%,分级模型在新批次7个等级烟叶上的分级正确率为80.14%,相邻等级的分级正确率为91.50%。因此,采用RGB图像结合深度学习技术可实现烤烟烟叶等级的良好识别,可为烤烟烟叶收购等级评价提供一种新方法。
    • 梁晨阳; 王川川; 丁浩楠; 张靖鱼; 黄煜桢; 王建鹏
    • 摘要: 采用人工分拣的方式对烟叶分级受人为主观经验影响大且费时费力。随着计算机视觉技术的发展与计算机算力的增强,将机器视觉技术用于实现烟叶快速自动分级已成为这一领域研究的主要方向。本研究提出一种基于机器视觉(Machine Vision)与模型融合的烟叶快速分级方法,将烟叶分为五个品级,采用模型融合方案构建多分类模型来提取烟叶残伤与颜色特征,结合支持向量机(Support vector machines,SVM)与综合打分系统评判来实现对烟叶的自动快速分级。采用过程分类准确率、损失值和投票器得分作为评判指标,在自建烟叶数据集上对几种不同烟叶分级方法的效果进行对比。研究结果表明,采用融合方案能够实现对烟叶品级快速判定并有较高的准确率。
    • 潘敏; 王志勇; 李国欢
    • 摘要: 本文开展了烟叶智能化分级研究,主要包括烟叶分级模型构建和烟叶自动化分级设备设计。结果表明:基于预训练的VGG-16模型在皖南烟区烟叶分级上的建模结果表现良好,模型预测能力较强;结合烟叶分级模型算法设计的烟叶自动化分级设备初步实现了烟叶分级自动化,提升了烟叶分级工作效率,降低了人员投入,提高了烟叶分级质量一致性。
    • 张富贵; 叶磊; 李德伦; 吴雪梅
    • 摘要: 针对烤烟等级分类问题,论文利用数字图像处理技术对烤烟图像进行处理,根据烤烟等级影响因子,提取了烤烟正反两面的颜色特征、纹理特征与形状特征,并建立了一种烤烟等级分类模型——RF-PSO-SVM模型。首先利用RF-SVM对烤烟特征按其对分类模型的贡献度排序,筛选出对分类模型准确率影响较大的特征建立最优特征子集,并利用PSO对SVM的C、g参数寻优,建立RF-PSO-SVM分类模型,对筛选的特征子集进行学习训练,最后将RF-PSO-SVM分类模型与SVM分类模型、PSO-SVM分类模型进行对比,验证该方法的可靠性。经实验结果表明:1)烟叶的反面颜色特征与纹理特征对分类模型贡献度较大,形状特征对模型贡献度较小。2)RF-PSO-SVM算法建立的烟叶分类模型可以在保证分类准确率的情况下,降低分类算法的运行时间,减少了数据集的特征维度,对烟叶的分类识别具有一定的参考价值。
    • 陈文兵; 车文刚
    • 摘要: 针对目前的烤烟烟叶分级方法存在泛化能力差、特征提取单一和难以推广复用等问题,提出一种基于内外特征结合的烟叶分级方法。首先采用灰度共生矩阵、最小二乘拟合、双边阈值分割方法提取褶皱、长度、残伤等外在特征。然后采用改进的空间-通道注意力机制和残差结构来搭建多流注意力残差网络,以量化成熟度、结构和油分等内在特征。最后分别用内、外、内外结合的特征数据训练决策树、支持向量机(SVM)和深度神经网络(DNN)等分类器对烟叶进行分级。在2万个特征样本集上对比实验,结果显示基于内外特征结合的分级方法在以上分类器上都取得了最高的得分,而随机森林在所有特征数据集上都取得了较高的准确率,解决了因烟叶多且复杂而数据难以泛化的问题。
    • 李士静; 潘羲; 陈熙卓; 朱均燕; 吴碧致; 谢小芳; 温永仙
    • 摘要: 为解决传统烟叶分级因人为主观因素造成烟叶等级识别率低等问题,基于不同等级烟叶高光谱数据集A和B,分析了多元散射校正(MSC)、标准正态变量变换(SNV)和Savitzky-Golay卷积平滑(SG)3种预处理方法,以及随机森林(RF)、极限学习机(ELM)、梯度提升决策树(GBDT)和支持向量机(SVM)4种分类模型对烟叶分类正确率的影响,并进一步探讨了高光谱数据经MSC预处理后,利用F-Score算法选取特征波段,在不同特征波段数量下分类正确率的变化.结果表明:①基于全波段的MSC预处理结合ELM和SVM模型的识别效果较好,数据集A和B的分类正确率分别达到84%、80%和96%、95%;②利用F-Score算法选取的特征波段数量占全波段的70%时,基于MSC预处理的4种模型的分类正确率已接近基于全波段的分类正确率,在数据集B中SVM的分类正确率达到96%.该研究结果可为提高烟叶等级识别正确率及烟叶分级的智能化水平提供支持.
    • 戴建民; 曹铸; 孔令华; 郑世光; 王泽洲
    • 摘要: 烟叶品质等级大多是由人工通过触摸手感及视觉感官主观地进行判断.以烟叶为研究对象,设计了一种基于机器视觉的烟叶自动分级系统.首先通过机器视觉采集B2 F、B3 F、C2 F、C3 F、X2 F、X3 F各等级烟叶图像,再将图像进行中值滤波法预处理.提取烟叶的长度、长宽比、圆形度、纹理等几何特征;提取烟叶RGB(red,green,blue)颜色空间及HSV(hue,saturation,value)颜色空间各通道的颜色特征.利用多特征模糊识别方法进行烟叶自动分级,选用Matlab平台进行编程运行,得到烟叶各项特征值数据及分级结果.系统验证试验表明,分级正确率可达到烟叶分级标准.
  • 查看更多

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号