学位论文 > 优秀研究生学位论文题录展示

利用图像处理技术对烤烟烘烤过程主要化学成分预测研究

作　者: 史龙飞
导　师: 宫长荣
学　校: 河南农业大学
专　业: 烟草学
关键词: 图像处理颜色特征值纹理特征值 BP神经网络烟叶烘烤化学成分无损检测
分类号: TS411
类　型: 硕士论文
年　份: 2013年
下　载: 11次
引　用: 0次
阅　读: 论文下载

内容摘要

为了研究烘烤过程中烤烟主要化学成分的无损检测，本文以烤烟烘烤过程中不同阶段的烟叶作为研究对象，采用图像处理技术提取鲜烟叶、烘烤过程的38℃、42℃、46℃、54℃和烤后样烟叶的颜色特征值色调（H）、饱和度（S）、亮度（V）和纹理特征值角二阶矩(W1)、熵(W2)、逆差距(W3)、相关度(W4)，结合BP神经网络建立预测模型，初步实现了对烟叶不同烘烤阶段的总糖、还原糖、淀粉、烟碱和总氮含量的无损检测。主要研究结果如下：烟叶的颜色特征值色调（H）和亮度（V）均与主要化学成分呈极显著性相关，饱和度（S）与总糖和淀粉含量呈正相关，相关系数分别为0.705和0.717，其中色调（H）与总糖和淀粉呈显著负相关，相关系数分别为-0.963和-0.962，与还原糖、总氮和烟碱呈显著正相关，相关系数分别为0.903,0.915和0.941；亮度（V）与总糖和淀粉含量呈正相关，相关系数分别为0.785和0.766，与还原糖、总氮和烟碱呈负相关，相关系数分别为-0.715,-0.786和-0.789。烟叶的纹理特征值与大多数化学成分相关性较好，其中角二阶矩五种化学成分均呈极显著性相关（P<0.01），熵与淀粉呈显著性相关（P<0.05），与其余四种化学成分呈极显著行相关（P<0.01），逆差距和相关度与还原糖含量呈显著性相关（P<0.05）。结果表明，不同烘烤阶段的烤烟主要化学成分与颜色和纹理特征有密切关系，在一定程度上可以通过烤烟的颜色和纹理特征值来反映烤烟的内在化学成分变化。网络预测值与真实值吻合度较高，相关系数R值均在0.9以上，主要化学成分的预测值准确率较高，与真实值非常接近。最大绝对误差为0.97，最大相对误差为5.81%；总糖的预测绝对误差在0.08~0.97之间，相对误差在0.28~4.48之间；还原糖的预测绝对误差在0.02~0.38之间，相对误差在0.14~1.90之间；总氮的预测绝对误差在0.01~0.04之间，相对误差在0.79~1.79之间；烟碱预测值与实测值的绝对误差在0.01~0.05之间，相对误差在0.47~2.13之间。预测结果表明，该模型根据烟叶的颜色特征值和纹理特征值对烘烤过程中不同阶段烟叶的总糖、还原糖、淀粉、总氮和烟碱五项指标的预测评价是可行的，预测结果与实际情况比较符合，模型具有一定的实用价值。

全文目录

致谢  4-7
摘要  7-8
1 文献综述  8-17
  1.1 图像处理技术在现代农业领域的应用  8-12
    1.1.1 有关病虫草害的检测  8-10
      1.1.1.1 颜色空间区分法在病虫草害的应用  8-9
      1.1.1.2 图像纹理特征在病虫草害的应用  9
      1.1.1.3 形态特征在病虫草害的应用  9-10
    1.1.2 作物叶面积指数检测  10-11
    1.1.3 农产品产量和质量检测  11-12
  1.2 图像处理技术在烟草现代化领域的应用  12-17
    1.2.1 图像处理技术在烟叶特征值提取的方法研究  12-13
    1.2.2 烟草水分无损检测  13
    1.2.3 烟叶成熟度检测  13-14
    1.2.4 烟叶检测和分级领域的应用  14-17
      1.2.4.1 图像处理技术和神经网络在烟叶质量检测方面的应用  14-15
      1.2.4.2 图像处理技术和神经网络在烟叶分级领域的应用  15-17
2 引言  17-18
3 材料与方法  18-28
  3.1 试验材料  18-19
    3.1.1 化学成分测定方法  18-19
  3.2 图像预处理  19-21
    3.2.1 图像消噪  19-20
    3.2.2 边缘检测  20
    3.2.3 图像分割  20-21
  3.3 图像特征值提取  21-25
    3.3.1 颜色特征值  22-24
      3.3.1.1 RGB 颜色空间  22-23
      3.3.1.2 HSV 颜色空间  23
      3.3.1.3 RGB 与 HSV 颜色空间转换  23-24
    3.3.2 纹理特征提取  24-25
  3.4 数据分析方法  25-28
    3.4.1 主成分分析法  25-27
    3.4.2 BP 神经网络  27-28
4 结果与分析  28-39
  4.1 图像特征值与主要化学成分的相关性分析  28-29
  4.2 BP 神经网络的建立  29-32
    4.2.1 试验样本数据的建立  29-31
    4.2.2 训练方法的选择的网络结构的构建  31
    4.2.3 BP 神经网络训练  31-32
  4.3 预测结果及分析  32-39
    4.3.1 预测模型预测值与真实值的散点分布图  32-37
    4.3.2 预测模型预测值与实测值误差和回归分析  37-39
5 结论与讨论  39-41
  5.1 图像特征值与主要化学成分的相关性分析  39
  5.2 BP 神经网络的建立及预测结果分析  39-41
参考文献  41-48
ABSTRACT  48-49

利用图像处理技术对烤烟烘烤过程主要化学成分预测研究

内容摘要

全文目录

相似论文