基于机器视觉和MSD微结构描述算法的霉变烟在线检测研究

为实现醇化烟叶中霉变烟的自动在线精选，设计了基于机器视觉的霉变烟在线检测系统。该系统通过高速线阵CCD动态获取烟叶图像，采用MSD微结构描述算法提取烟叶图像颜色、纹理特征，基于神经网络集成分类算法，通过合格烟叶样本和霉烟样本的训练学习，实现霉变烟的在线检测识别。经过测试，该检测算法对霉烟图像样本的测度为0.918。在线检测试验结果显示，采用霉烟靶物单独过料时，机器视觉系统对霉烟的平均在线识别率在95%以上；将霉烟靶物与合格烟片混掺过料时，系统对霉烟的平均识别率在87%以上。研究结果表明，机器视觉方法用于醇化后烟叶中霉变烟的在线精选是可行的。