基于图像处理的烟叶烘烤阶段判别模型优选

[背景和目的]烟叶烘烤阶段的自动判别是建立智能化烟叶烘烤系统的重要环节.为实现烘烤阶段的精确识别和操控,提升烟叶烘烤的精准度.[方法]提取烘烤过程中整夹烟叶图像的11种颜色特征和8种纹理特征,分别对颜色特征和纹理特征进行变量聚类分析,以10为距离,将提取的颜色特征和纹理特征各分为2类.利用相关性分析筛选出每类特征中与烘烤阶段相关性最强的1个特征组成特征子集(R/G、l*、灰度平均和惯性),作为模型输入,分别利用基于遗传算法的支持向量机(GA-SVM)、基于粒子群算法的反向传播(PSO-BP)神经网络和极限学习机(ELM)进行烟叶烘烤阶段的分类识别研究.[结果]以优选后4个图像特征作为模型输入时,所建立的GA-SVM模型的测试集判别准确率为93.27％,PSO-BP神经网络模型的测试集判别准确率为89.35％,ELM模型的测试集判别准确率为85.05％.[结论]基于遗传算法的SVM模型烘烤阶段识别效果优于基于粒子群算法的BP神经网络模型,基于粒子群算法的BP神经网络模型识别效果优于ELM模型.