基于圖像處理的煙草分級系統(tǒng)設計與實現(xiàn)

王惠 趙世民 葉紅朝 馬淏 賀智濤 姬江濤

摘要 本文以煙葉為研究對象設計了一種小型化煙草分級系統(tǒng)，能夠實現(xiàn)烤煙的自動分級。主要由掃描式圖像采集設備、樹莓派嵌入式系統(tǒng)和觸摸屏人機交互界面3個部分，將煙葉放入掃描裝置后，壓力傳感器感應并反饋信息，Raspberry Pi控制圖像采集系統(tǒng)采集圖像信息。圖像采集系統(tǒng)將預處理后的圖像信息通過USB數(shù)據(jù)線傳輸?shù)絉aspberry Pi，圖像處理程序對煙葉圖像進行多特征分析，基于神經網絡分級算法得到煙葉分級結果。LCD顯示屏用于顯示煙葉分級結果。將農藝師分級完成的煙葉圖像數(shù)據(jù)庫導入新開發(fā)煙草分級系統(tǒng)進行分級訓練測試，系統(tǒng)驗證試驗表明，分級正確率為88.97%。

關鍵詞 煙草分級系統(tǒng)；掃描式圖像采集；樹莓派嵌入式系統(tǒng)；神經網絡分級算法

中圖分類號 TP391.41 文獻標識碼 A 文章編號 1007-5739（2018）17-0289-03

Abstract In this paper，a small-scale tobacco grading system was designed based on tobacco leaves，which could achieve the automatic grading of flue-cured tobacco.It mainly consisted of three parts：scanning image acquisition equipment，Raspberry Pi embedded system and touch screen human-computer interaction interface.After the tobacco leaves weree placed in the scanning device，the pressure sensor sensed and fed back information.The Raspberry Pi controlled the image acquisition system to collect image information.The image acquisition system transmitted the pre-processed image information to the Raspberry Pi via the USB data cable.The image processing program performed multi-feature analysis on the tobacco leaf image and obtained the tobacco leaf classification result based on the neural network classification algorithm.The LCD display was used to display the tobacco grading results.The tobacco image database completed by the agronomist was introduced into the newly developed tobacco grading system for grading training tests.The system verification test showed that the classification accuracy rate was 88.97%.

Key words tobacco grading system；scanning image acquisition；Raspberry Pi embedded system；neural network classification algorithm

基于圖像處理的煙葉分級方法，不僅可以實現(xiàn)煙葉的自動化分級，而且其分級質量、效率和穩(wěn)定性都可實現(xiàn)較高水平，從而被廣泛應用于對煙草分級的研究中[1-2]。針對散煙煙農需求，設計小型化煙草分級系統(tǒng)，但現(xiàn)行的42 級烤煙分級標準（GB2635—1992）的細致性以及變化性，會不可避免地出現(xiàn)分級錯誤。因此，提高分級正確率，是小型化煙葉分級系統(tǒng)設計的關鍵所在。

目前，對煙草質量檢測和分類技術的研究頗多，但是對煙草特征參數(shù)提取、實現(xiàn)自動分級等方面仍處于討論和測試階段[3-5]。牛文娟[6]討論了基于圖像特征的烤煙煙葉分級系統(tǒng)的建模及其實現(xiàn)，給出了煙葉分級模型的數(shù)學描述；韓力群等[7]提出一種借鑒生物腦信息處理結構的烤煙煙葉智能分析系統(tǒng)，采用基于運動中樞控制結構的單片機控制光電一體化技術研制圖像采集系統(tǒng)，實現(xiàn)了煙葉圖像的自動采集；郭強[8]采用計算機圖像處理技術和神經網絡技術對烤煙煙葉進行自動劃分，得出了神經網絡的應用程序提高了烤煙煙葉分級的識別率；李海杰[9]提出了一種基于機器視覺的煙草異物檢測和煙葉分類分級方法，具體研究了煙草異物檢測、煙葉圖像去噪、正副組煙葉分類、正組煙葉分級等煙草圖像處理方法，為煙草加工工業(yè)的智能化、自動化水平提供了一種可行的方式。

為實現(xiàn)散煙煙農自主進行煙葉分級，提高煙草自動分級的正確率，本文基于樹莓派Linux系統(tǒng)掃描式成像的方法進行圖像采集，以嵌入式系統(tǒng)為基礎，設計出小型煙草分級系統(tǒng)，并進行驗證試驗，結果表明，其分級正確率高達88.97%，為小型化煙草分級裝備的優(yōu)化設計提供了研究基礎。

1 原理與方法

1.1 煙葉圖像處理原理

本文主要是依據(jù)圖像處理的原理實現(xiàn)煙草的自動分級，即采用計算機圖像處理原理提取煙葉圖像的特征參數(shù)，并研究各個參數(shù)對煙葉分級的影響。本文提取了煙葉的7個特征參數(shù)：煙葉色調H、煙葉飽和度S、煙葉亮度I、煙葉長度L0、煙葉寬度D、煙葉長寬比Y和煙葉面積S0。其中，煙葉長度L0、寬度D與長寬比Y之間互為相關；面積S0與煙葉破損度有關，而破損度也是煙葉分級的一個重要評價特征，根據(jù)煙葉圖像的特征參數(shù)聯(lián)合神經網絡算法進行自動分級。

1.2 煙葉自動分級方法

本文中煙葉自動分級采用基于人工神經網絡的機器學習算法建立分級模型，以1.1中所述特征參數(shù)作為最終的評價指標。

將煙葉放置在掃描儀上，壓力傳感器接收信號并將信號反饋給Raspberry Pi，觸發(fā)光學成像部分進行信息讀取，再由光電轉換部分完成掃描信號的輸入處理，然后將讀取的圖像信息輸出所需解析度。獲得的圖像信息通過USB數(shù)據(jù)線傳輸?shù)絉aspberry Pi，圖像處理程序對煙葉圖像進行多特征分析，基于特征數(shù)據(jù)信息，選用梯形隸屬函數(shù)和正態(tài)隸屬函數(shù)分別建立各特征參數(shù)的隸屬函數(shù)，結合人工神經網絡算法建立分級模型，得到煙葉分級結果。其具體實施過程流程如圖1所示。

2 小型化煙草分級系統(tǒng)設計

該裝備硬件部件主要包括3個部分：掃描式圖像采集設備、樹莓派嵌入式系統(tǒng)和觸摸屏人機交互界面（圖2）。

2.1 掃描式圖像采集設備

掃描式圖像采集設備包括圖像采集系統(tǒng)和分析控制系統(tǒng)，圖像采集系統(tǒng)包括上蓋、放置臺、光學成像部分、光電轉換部分和機械傳動部分。分析控制系統(tǒng)包括Raspberry Pi、壓力傳感器、LCD顯示屏以及一套圖像處理程序，結構框圖如圖3所示。

將煙葉放置在掃描儀上，上蓋將未分級的煙葉壓緊，防止掃描光線泄漏。上蓋壓緊后，壓力傳感器將信號反饋給Raspberry Pi，觸發(fā)光學成像部分進行信息讀取，再由光電轉換部分完成掃描信號的輸入處理，然后將讀取的圖像信息輸出所需解析度。獲得的圖像信息通過USB數(shù)據(jù)線傳輸?shù)?Raspberry Pi，圖像處理程序對煙葉圖像進行多特征分析，得到煙葉分級結果。LCD顯示屏與Raspberry Pi之間通過HDMI線連接，用于顯示煙葉分級結果，實現(xiàn)煙葉分級。

本裝置利用掃描儀工作原理，保證了采集圖像的清晰度，經過圖像預處理將數(shù)字信號傳輸給Raspberry Pi，再由圖像處理程序快速得到分級結果；與其他的分級設備相比，采用掃描式采集圖像系統(tǒng)，可減小視距，達到裝置小型化目的，使用專門用于圖像處理的Linux操作系統(tǒng)，代替通用的Windows操作系統(tǒng)，提高圖形處理過程中的計算效率。采用嵌入式系統(tǒng)開發(fā)，儀器設備集成一體化，便于搬運和現(xiàn)場使用，同時可接外設開發(fā)更多功能，結合LCD顯示屏使分級結果可視化。

2.2 控制和顯示系統(tǒng)

控制和顯示系統(tǒng)包括樹莓派嵌入式系統(tǒng)和觸摸屏人機交互界面。樹莓派嵌入式系統(tǒng)是將原有程序在樹莓派中交叉編譯，構建出一個界面框架，然后根據(jù)應用需求依次添加相應的功能模塊或功能鍵，并編寫每個功能模塊對應的內置程序，使用人工神經網絡算法進行分級，將所有采用的圖像算法與分級模型進行整合，完成煙葉圖像采集平臺與分級軟件的信息對接，結合LCD顯示屏使分級結果可視化。設計觸摸屏人機交互界面，可手持操作，更為便捷。

3 小型化煙草分級系統(tǒng)內部軟件設計

3.1 基于樹莓派Linux系統(tǒng)自動分級軟件設計

本文在基于Windows系統(tǒng)算法研究及系統(tǒng)建立的基礎上，基于樹莓派Linux系統(tǒng)，開發(fā)一套自動分級系統(tǒng)，采用Visual Studio軟件編寫出MFC可視化煙葉分級軟件，完成煙葉圖像采集平臺與分級軟件的信息對接。分級軟件主要包括四大模塊，分別為圖像顯示、圖像測試、人工神經網絡數(shù)據(jù)建模及數(shù)據(jù)信息顯示。自動分級軟件設計流程如圖4所示。

3.2 軟件算法程序設計

基于機器視覺的煙草分級系統(tǒng)軟件設計的核心在于分級算法模型，綜合對比各種算法，采用了基于人工神經網絡的機器學習算法建立分級模型，相比于模糊數(shù)學分級模型，分級更準確，基于MATLAB的模型驗證，預測準確率達到97%以上。人工神經網絡算法流程如圖5所示。

4 系統(tǒng)驗證試驗

4.1 試驗材料

從洛陽市嵩縣煙草公司購買平均含水率為17%的煙葉，農藝師按照煙葉不同部位成熟期不同，將其中136片煙葉分為上部煙葉、中部煙葉和下部煙葉3個等級，采集其圖像并導入本文中設計的煙草分級系統(tǒng)進行試驗。

4.2 試驗方法

將分級后的煙葉圖像，導入本文中設計的煙草分級系統(tǒng)進行分級測試，通過觀測煙草分級設備的分級結果與既定煙葉的等級是否相符，進行煙草分級過程相應數(shù)據(jù)分析，計算得到試驗設備分級的準確率。

4.3 試驗結果

由于煙葉收獲時，上部煙葉、中部煙葉和下部煙葉成熟時間不同，相差20～30 d，因而造成不同部位的煙葉收購分級同樣存在時間差。按照《烤煙》（GB2635—1992）規(guī)定，上部煙葉共有11個等級；中部煙葉共有8個等級；下部煙葉共有8個等級；剩余組別為完熟葉、雜色、光滑葉、微帶青和青黃色，共4組15個等級。煙草分級設備將煙葉42個等級分為2類：正組即可用煙葉（上、中、下共27個等級）和副組即不可用煙葉（完熟葉、雜色、光滑葉、微帶青和青黃色共15個等級，加上因殘傷、尺寸、烤壞和病蟲害等原因造成的不可用煙葉）。分級時，首先確定煙葉類別，即屬于正組或副組，若屬于副組，則不再進行詳細分級，直接剔除。對于正組煙葉，因成熟時間不同，分級時即可確定其具體部位：上部煙葉、中部煙葉或下部煙葉，則分級系統(tǒng)只需要在上部煙葉組、中部煙葉組或下部煙葉組內進行分級[10-11]。試驗結果如表1所示。

5 結語

本文設計了一種小型化煙草分級系統(tǒng)，該系統(tǒng)結合掃描式圖像采集設備和觸摸屏人機交互界面，具有操作方便、體積小、穩(wěn)定性高等特點。樹莓派嵌入式系統(tǒng)的開發(fā)大大提高了分級正確率；基于神經網絡的分級算法讓煙葉分級設備更具穩(wěn)定性。大量的系統(tǒng)驗證試驗表明，該煙草分級系統(tǒng)具有可推廣性。

6 參考文獻

[1] 馬建元.基于圖像處理的烤煙煙葉質量分級的關鍵技術研究[D].南京：南京航空航天大學，2011.

[2] 張惠民，韓力群，段正剛.基于圖像特征的煙葉分級[J].武漢大學學報（信息科學版），2003（3）：359-362.

[3] 趙世民，賀智濤，張志紅，等.煙葉自動定級分揀系統(tǒng)設計[J].農業(yè)裝備與車輛工程，2017，55（1）：12-16.

[4] 陳朋，賀福強，管琪明，等.基于模糊擇近原則的煙葉自動分級算法研究[J].中國農機化學報，2016，37（9）：108-111.

[5] 李勝.烤煙煙葉圖像特征提取和質量分級研究[D].長沙：中南大學，2011.

[6] 牛文娟.基于圖像處理的煙葉分級研究[D].鄭州：鄭州大學，2010.

[7] 韓力群，何為，蘇維均，等.基于擬腦智能系統(tǒng)的烤煙煙葉分級研究[J].農業(yè)工程學報，2008（7）：137-140.

[8] 郭強.基于圖像處理與神經網絡的煙葉分級研究[D].長沙：中南大學，2013.

[9] 李海杰.基于機器視覺的煙草異物檢測和煙葉分類分級方法研究[D].南京：南京航空航天大學，2016.

[10] 程學青.煙葉分級參比樣的建立與使用[J].現(xiàn)代農業(yè)科技，2013（15）：76-77.

[11] 李麗娟，曹紅梅，何斌，等.利用煙葉外觀與內在質量相關性完善煙葉分級探析[J].現(xiàn)代農業(yè)科技，2017（5）：245-246.