基于RGB图像特征的卷烟梗丝掺配比例检测

寇霄腾 张 勇 张 卉 张 超 丁乃红

(1. 安徽中烟工业有限责任公司蚌埠卷烟厂，安徽 蚌埠 233000；2. 安徽中烟工业有限责任公司技术中心，安徽 合肥 230000)

烟叶通过梗叶分离后，可得到占烟叶总重1/4左右的烟梗[1]。加工制成的梗丝作为卷烟配方的重要组分之一，在改善卷烟燃烧性，降低卷烟原料消耗，提高原料利用率，降低烟气焦油量等方面发挥着重要的作用，同时梗丝对卷烟感官质量的影响较为显著，因此梗丝在烟支中掺配均匀性对卷烟感官质量的稳定性起到至关重要作用，在配方中梗丝含量检测也越来越受到关注。为了准确测量梗丝在烟支中的实际含量，目前主要还是根据梗丝形状和颜色与叶丝有显著的差异而采用人工挑选和称重的方法进行计算得出。该方法虽然操作简单，但存在耗时较长、人为影响大和不适用于大量检测等缺点。随着烟梗成丝加工工艺技术的发展与应用，加工制成的梗丝与叶丝形状特征差异越来越小，人为的主观分辨难度越来越大，需要寻找新的技术进行检测。

在卷烟梗丝掺配均匀性研究方面，工艺人员进行了大量的探索，赵科文等[2]基于近红外光谱技术对烟丝掺配均匀度进行了测定研究，通过采集样品的近红外光谱信息和测定标志指标，利用模式识别和校正模型的建立，系统构建了烟丝、梗丝和再造烟丝掺配均匀性评价方法。张亚平等[3]基于热分析技术对烟丝掺配均匀度测定方法进行了研究，该方法操作简单、精密度高、重复性较好，适用于烟丝掺配均匀度的准确测定。以上两种方法对检测设备要求较高，数据分析和建模相对较为复杂。随着图像处理技术的发展，中国烟草行业也逐步引入图像特征RGB这一指标，并在与烟叶含水率相关性研究[4-5]、烟叶等级筛选[6-8]、烟叶成熟度[9-10]等方面得到了广泛应用，RGB色彩模式是工业界的一种颜色标准，是通过对红(R)、绿(G)、蓝(B) 3个颜色通道的变化以及它们相互之间的叠加来得到各式各样的颜色的，RGB即是代表红、绿、蓝3个通道的颜色，这个标准几乎包括了人类视力所能感知的所有颜色，是运用最广的颜色系统之一。但图像处理技术在卷烟梗丝掺配均匀性方面的研究还鲜有报道。研究主要是根据梗丝和叶丝在颜色上存在较大差异的特点，以RGB均值为标记物，建立一种能准确、快速测定烟支烟丝中梗丝掺配比例的方法，以期用于指导卷烟配方完整性的维护，并为卷烟感官质量稳定性提供数据支撑。

1 材料与方法

1.1 材料

成品梗丝及某牌号卷烟薄板干燥后叶丝：安徽中烟工业有限责任公司蚌埠卷烟厂。

1.2 仪器设备

电子天平：梅特勒ME104型，上海叶拓科技有限公司；

恒温恒湿箱：KBF115型，德国宾德公司；

粉碎机：CMD2000型，上海依肯机械设备有限公司。

1.3 方法

1.3.1 烟丝取样及前处理 梗丝和叶丝的取样分别在成品梗丝出柜口振槽横截面和薄板干燥风选出口横截面进行取样，间隔5 min取样1次，取样10次，每次100 g。将梗丝和叶丝分别在温度(22±1) ℃、相对湿度(60±2)%的环境下平衡48 h，分别研磨并过40目筛后备用。将平衡后的样品按照表1的要求进行掺配，得到不同梗丝比例的样品进行数学建模，将样品置于密闭容器中充分混匀后做好标识待检。

表1 不同梗丝掺配比例建模方案†

1.3.2 图像RGB值测定 测试样品图像在单一光源的暗箱中进行拍摄，LED 灯与相机同向架设，高度为20 cm。机身像素1 200万。图像存储均为JPG格式，分辨率为1 600×1 064，拍摄使用自动档全彩模式。其中数字图像R、G、B值采用PS图像分析软件检测获得，RGB均值为R、G、B值的算求平均值。

1.3.3 梗丝掺配比例回归模型的建立 测定建模样品的RGB均值，利用梗丝掺配比例与RGB均值进行回归分析，得到梗丝掺配比例与RGB均值的多项式回归模型：

y=ax2+bx+c，

(1)

式中：

y——梗丝掺配比例；

x——提取的图像RGB均值；

a、b、c——常数。

1.3.4 回归模型的准确性验证 测定验证样品(S102～S108)的图像RGB均值，并代入1.3.3建立的梗丝掺配比例回归模型中，计算出梗丝掺配比例与实际掺配比例进行比较，并进行相应的数据分析，以验证回归模型的准确性。

1.3.5 回归模型的精确性验证 随机选取5个样品(S21、S31、S41、S51和S104)，检测RGB均值，每个样品连续进行6次平行测定，每个样品根据回归模型得到6个梗丝掺配比例值，再分别计算每个样品梗丝掺配比例的变异系数，以验证回归模型的精确性。

1.3.6 回归模型的重复性验证 随机选取一个样品(S26)，采用图像分析法对其R、G、B值连续测定6 d，得到6组RGB均值，并代入1.3.3建立的梗丝掺配比例回归模型中得到6个梗丝掺配比例值，再计算变异系数，以验证回归模型的重复性。

1.3.7 数据分析 采用Design-Export 8. 0. 6和Excel 2013等软件进行处理。

2 结果与分析

2.1 叶丝与梗丝图像特征值差异性分析

梗丝和叶丝的图像RGB值检测结果如图1、表2所示。由表2可知：梗丝与叶丝图像RGB参数R、G、B的值和均值的差异性均达到了极显著水平(P<0.01)，因此，利用图像RGB均值建立烟丝中梗丝掺配比例的测定方法具有一定的可行性。

表2 梗丝与叶丝图像RGB的独立样本t检验Table 2 Independent sample t test for RGB of stem and leaf images

图1 梗丝与叶丝图像RGB值提取Figure 1 Extraction of RGB value of stem and leaf image

2.2 基于图像RGB均值测定烟丝中梗丝比例的方法

2.2.1 回归模型的建立 按照1.3.2节的方法测定样品

(S1～S101)的图像R、G、B值，并计算出RGB均值，结果见表3。由图2可知：梗丝掺配比例(y)与RGB均值(x)的多项式回归模型为y=0.015 7x2-5.186 6x+409.08(R2=0.997 8)，说明梗丝掺配比例与RGB均值之间的多项式回归模型拟合度较高，且两者之间的相关性达到了极显著水平(P=0.000)，RGB均值越大，梗丝掺配比例越小。

表3 不同梗丝掺配比例样品图像RGB均值

图2 梗丝掺配比例(y)与RGB均值(x)的变化趋势图及回归方程

2.2.2 回归模型的准确性验证 回归模型的准确性验证结果如表4所示。

由表4可以看出，验证样品采用回归模型计算的梗丝掺配比例与实际掺配比例的相对误差控制在0.45%～3.04%，小于5%，说明回归模型的准确度较高。同时对验证样品的模型预测值与实际掺配比例进行t检验，P=0.546>0.05，说明2 组数据无显著性差异，表明回归模型的准确性较好。

表4 回归模型的准确性验证结果

2.2.3 回归模型的精确性和重复性验证 回归模型的精确性和重复性验证结果如表5、表6所示。

由表5可以看出，5个随机样品梗丝掺配比例6次平行测定结果的变异系数控制在1.20%～1.86%，小于5%，说明该方法测定烟丝中的梗丝掺配比例的精确性较高。由表6 可知，采用图像RGB均值对S26样品连续测定6 d，根据回归模型计算得出梗丝掺配比例在25.12%～25.68%，标准偏差为0.47%，变异系数为1.84%，说明采用该方法计算的梗丝掺配比例的重复性较好。

表5 图像RGB均值法测定烟丝中梗丝比例的精确性验证结果

表6 图像RGB均值法测定烟丝中梗丝比例的重复性验证结果

3 结论

研究建立了一种基于图像分析法预测配方烟丝中梗丝掺配比例的方法，梗丝掺配比例与图像RGB均值的多项式回归模型拟合度较高，相关性系数R2=0.997 8；模型准确性验证的相对误差介于0.45%～3.04%，精确性检测变异系数介于1.20%～1.86%，重复性检测变异系数为1.84%，均小于5%，符合定量检测要求。该方法简单可行，与传统的人工挑选的方法相比更具科学性和准确性。

研究只对某一加工工艺条件下的梗丝与叶丝的颜色差异进行了分析，而在实际生产中发现不同加工工艺条件下的梗丝之间的颜色同样存在一定的差异，有的甚至与叶丝颜色接近，这种条件下的通过此种方法进行梗丝掺配比例的预测也是后期可进一步研究的方向。