基于图像处理的烟草分级系统设计与实现

王惠 赵世民 叶红朝 马淏 贺智涛 姬江涛

摘要 本文以烟叶为研究对象设计了一种小型化烟草分级系统，能够实现烤烟的自动分级。主要由扫描式图像采集设备、树莓派嵌入式系统和触摸屏人机交互界面3个部分，将烟叶放入扫描装置后，压力传感器感应并反馈信息，Raspberry Pi控制图像采集系统采集图像信息。图像采集系统将预处理后的图像信息通过USB数据线传输到Raspberry Pi，图像处理程序对烟叶图像进行多特征分析，基于神经网络分级算法得到烟叶分级结果。LCD显示屏用于显示烟叶分级结果。将农艺师分级完成的烟叶图像数据库导入新开发烟草分级系统进行分级训练测试，系统验证试验表明，分级正确率为88.97%。

关键词 烟草分级系统；扫描式图像采集；树莓派嵌入式系统；神经网络分级算法

中图分类号 TP391.41 文獻标识码 A 文章编号 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

基于图像处理的烟叶分级方法，不仅可以实现烟叶的自动化分级，而且其分级质量、效率和稳定性都可实现较高水平，从而被广泛应用于对烟草分级的研究中[1-2]。针对散烟烟农需求，设计小型化烟草分级系统，但现行的42 级烤烟分级标准（GB2635—1992）的细致性以及变化性，会不可避免地出现分级错误。因此，提高分级正确率，是小型化烟叶分级系统设计的关键所在。

目前，对烟草质量检测和分类技术的研究颇多，但是对烟草特征参数提取、实现自动分级等方面仍处于讨论和测试阶段[3-5]。牛文娟[6]讨论了基于图像特征的烤烟烟叶分级系统的建模及其实现，给出了烟叶分级模型的数学描述；韩力群等[7]提出一种借鉴生物脑信息处理结构的烤烟烟叶智能分析系统，采用基于运动中枢控制结构的单片机控制光电一体化技术研制图像采集系统，实现了烟叶图像的自动采集；郭强[8]采用计算机图像处理技术和神经网络技术对烤烟烟叶进行自动划分，得出了神经网络的应用程序提高了烤烟烟叶分级的识别率；李海杰[9]提出了一种基于机器视觉的烟草异物检测和烟叶分类分级方法，具体研究了烟草异物检测、烟叶图像去噪、正副组烟叶分类、正组烟叶分级等烟草图像处理方法，为烟草加工工业的智能化、自动化水平提供了一种可行的方式。

为实现散烟烟农自主进行烟叶分级，提高烟草自动分级的正确率，本文基于树莓派Linux系统扫描式成像的方法进行图像采集，以嵌入式系统为基础，设计出小型烟草分级系统，并进行验证试验，结果表明，其分级正确率高达88.97%，为小型化烟草分级装备的优化设计提供了研究基础。

1 原理与方法

1.1 烟叶图像处理原理

本文主要是依据图像处理的原理实现烟草的自动分级，即采用计算机图像处理原理提取烟叶图像的特征参数，并研究各个参数对烟叶分级的影响。本文提取了烟叶的7个特征参数：烟叶色调H、烟叶饱和度S、烟叶亮度I、烟叶长度L0、烟叶宽度D、烟叶长宽比Y和烟叶面积S0。其中，烟叶长度L0、宽度D与长宽比Y之间互为相关；面积S0与烟叶破损度有关，而破损度也是烟叶分级的一个重要评价特征，根据烟叶图像的特征参数联合神经网络算法进行自动分级。

1.2 烟叶自动分级方法

本文中烟叶自动分级采用基于人工神经网络的机器学习算法建立分级模型，以1.1中所述特征参数作为最终的评价指标。

将烟叶放置在扫描仪上，压力传感器接收信号并将信号反馈给Raspberry Pi，触发光学成像部分进行信息读取，再由光电转换部分完成扫描信号的输入处理，然后将读取的图像信息输出所需解析度。获得的图像信息通过USB数据线传输到Raspberry Pi，图像处理程序对烟叶图像进行多特征分析，基于特征数据信息，选用梯形隶属函数和正态隶属函数分别建立各特征参数的隶属函数，结合人工神经网络算法建立分级模型，得到烟叶分级结果。其具体实施过程流程如图1所示。

2 小型化烟草分级系统设计

该装备硬件部件主要包括3个部分：扫描式图像采集设备、树莓派嵌入式系统和触摸屏人机交互界面（图2）。

2.1 扫描式图像采集设备

扫描式图像采集設备包括图像采集系统和分析控制系统，图像采集系统包括上盖、放置台、光学成像部分、光电转换部分和机械传动部分。分析控制系统包括Raspberry Pi、压力传感器、LCD显示屏以及一套图像处理程序，结构框图如图3所示。

将烟叶放置在扫描仪上，上盖将未分级的烟叶压紧，防止扫描光线泄漏。上盖压紧后，压力传感器将信号反馈给Raspberry Pi，触发光学成像部分进行信息读取，再由光电转换部分完成扫描信号的输入处理，然后将读取的图像信息输出所需解析度。获得的图像信息通过USB数据线传输到 Raspberry Pi，图像处理程序对烟叶图像进行多特征分析，得到烟叶分级结果。LCD显示屏与Raspberry Pi之间通过HDMI线连接，用于显示烟叶分级结果，实现烟叶分级。

本装置利用扫描仪工作原理，保证了采集图像的清晰度，经过图像预处理将数字信号传输给Raspberry Pi，再由图像处理程序快速得到分级结果；与其他的分级设备相比，采用扫描式采集图像系统，可减小视距，达到装置小型化目的，使用专门用于图像处理的Linux操作系统，代替通用的Windows操作系统，提高图形处理过程中的计算效率。采用嵌入式系统开发，仪器设备集成一体化，便于搬运和现场使用，同时可接外设开发更多功能，结合LCD显示屏使分级结果可视化。

2.2 控制和显示系统

控制和显示系统包括树莓派嵌入式系统和触摸屏人机交互界面。树莓派嵌入式系统是将原有程序在树莓派中交叉编译，构建出一个界面框架，然后根据应用需求依次添加相应的功能模块或功能键，并编写每个功能模块对应的内置程序，使用人工神经网络算法进行分级，将所有采用的图像算法与分级模型进行整合，完成烟叶图像采集平台与分级软件的信息对接，结合LCD显示屏使分级结果可视化。设计触摸屏人机交互界面，可手持操作，更为便捷。

3 小型化烟草分级系统内部软件设计

3.1 基于树莓派Linux系统自动分级软件设计

本文在基于Windows系统算法研究及系统建立的基础上，基于树莓派Linux系统，开发一套自动分级系统，采用Visual Studio软件编写出MFC可视化烟叶分级软件，完成烟叶图像采集平台与分级软件的信息对接。分级软件主要包括四大模块，分别为图像显示、图像测试、人工神经网络数据建模及数据信息显示。自动分级软件设计流程如图4所示。

3.2 软件算法程序设计

基于机器视觉的烟草分级系统软件设计的核心在于分级算法模型，综合对比各种算法，采用了基于人工神经网络的机器学习算法建立分级模型，相比于模糊数学分级模型，分级更准确，基于MATLAB的模型验证，预测准确率达到97%以上。人工神经网络算法流程如图5所示。

4 系统验证试验

4.1 试验材料

从洛阳市嵩县烟草公司购买平均含水率为17%的烟叶，农艺师按照烟叶不同部位成熟期不同，将其中136片烟叶分为上部烟叶、中部烟叶和下部烟叶3个等级，采集其图像并导入本文中设计的烟草分级系统进行试验。

4.2 试验方法

将分级后的烟叶图像，导入本文中设计的烟草分级系统进行分级测试，通过观测烟草分级设备的分级结果与既定烟叶的等级是否相符，进行烟草分级过程相应数据分析，计算得到试验设备分级的准确率。

4.3 试验结果

由于烟叶收获时，上部烟叶、中部烟叶和下部烟叶成熟时间不同，相差20～30 d，因而造成不同部位的烟叶收购分级同样存在时间差。按照《烤烟》（GB2635—1992）规定，上部烟叶共有11个等级；中部烟叶共有8个等级；下部烟叶共有8个等级；剩余组别为完熟叶、杂色、光滑叶、微带青和青黄色，共4组15个等级。烟草分级设备将烟叶42个等级分为2类：正组即可用烟叶（上、中、下共27个等级）和副组即不可用烟叶（完熟叶、杂色、光滑叶、微带青和青黄色共15个等级，加上因残伤、尺寸、烤坏和病虫害等原因造成的不可用烟叶）。分级时，首先确定烟叶类别，即属于正组或副组，若属于副组，则不再进行详细分级，直接剔除。对于正组烟叶，因成熟时间不同，分级时即可确定其具体部位：上部烟叶、中部烟叶或下部烟叶，则分级系统只需要在上部烟叶组、中部烟叶组或下部烟叶组内进行分级[10-11]。试验结果如表1所示。

5 结语

本文设计了一种小型化烟草分级系统，该系统结合扫描式图像采集设备和触摸屏人机交互界面，具有操作方便、体积小、稳定性高等特点。树莓派嵌入式系统的开发大大提高了分级正确率；基于神经网络的分级算法让烟叶分级设备更具稳定性。大量的系统验证试验表明，该烟草分级系统具有可推广性。

6 参考文献

[1] 马建元.基于图像处理的烤烟烟叶质量分级的关键技术研究[D].南京：南京航空航天大学，2011.

[2] 张惠民，韩力群，段正刚.基于图像特征的烟叶分级[J].武汉大学学报（信息科学版），2003（3）：359-362.

[3] 赵世民，贺智涛，张志红，等.烟叶自动定级分拣系统设计[J].农业装备与车辆工程，2017，55（1）：12-16.

[4] 陈朋，贺福强，管琪明，等.基于模糊择近原则的烟叶自动分级算法研究[J].中国农机化学报，2016，37（9）：108-111.

[5] 李胜.烤烟烟叶图像特征提取和质量分级研究[D].长沙：中南大学，2011.

[6] 牛文娟.基于图像处理的烟叶分级研究[D].郑州：郑州大学，2010.

[7] 韩力群，何为，苏维均，等.基于拟脑智能系统的烤烟烟叶分级研究[J].农业工程学报，2008（7）：137-140.

[8] 郭强.基于图像处理与神经网络的烟叶分级研究[D].长沙：中南大学，2013.

[9] 李海杰.基于机器视觉的烟草异物检测和烟叶分类分级方法研究[D].南京：南京航空航天大学，2016.

[10] 程学青.烟叶分级参比样的建立与使用[J].现代农业科技，2013（15）：76-77.

[11] 李丽娟，曹红梅，何斌，等.利用烟叶外观与内在质量相关性完善烟叶分级探析[J].现代农业科技，2017（5）：245-246.