一种基于支持向量机的烤烟烟叶田间成熟度判别方法

本发明涉及烤烟烟叶田间成熟度判别，具体涉及一种基于支持向量机的烤烟烟叶田间成熟度判别方法。

背景技术：

1、烤烟是我国重要的经济作物，烤烟烟叶田间采收成熟度与烤后烟叶的外观质量、化学质量、评吸质量和安全性密切相关，烤烟烟叶田间成熟度的正确判别是烟叶科学采收的前提和优质烟叶生产的关键，对于烤烟烟叶的科学采收、质量提高和收益增加具有重要意义。目前烤烟烟叶田间成熟度判别主要为人工判别方法，具有快速、准确的优势，但是存在主观因素大、经验性高等不足。

2、授权专利cn102183617a（公告号）公开了一种测定烤烟烟叶采收成熟度的方法，利用叶绿素测定仪分别测定烤烟上部第1、第3第5或第6叶叶绿素含量平均值，当测定的平均值为20～30，且第1、3叶第5或第6叶的绿素含量没有显著差异，作为符合烤烟上部5～6片烟叶一次性采烤的成熟判断指标，具有客观无损、容易操作的优势；公告号为cn103245625a的专利公开了一种烤烟鲜烟叶成熟程度的无损检测方法，利用叶绿素测定仪分别测量从下往上1～3片待采叶片叶绿素含量相对值（即spad值），用量角器测量茎与叶柄的夹角，再根据测量的数值确定烟叶的成熟程度，具有客观无损、容易操作的优势；授权专利cn103278458a（公告号）公开了一种烤烟采收成熟度的快速无损检测方法，利用便携式色差测定仪分别测定中部（从下往上）1～3片烟叶l*a*b*或/和l*c*h*颜色值，量化不同成熟度烟叶颜色值的变化范围，具有客观无损、容易操作的优势；但是这3个专利方法均需要叶绿素测定仪或色差测定仪，存在成本较高的略势。

3、公告号cn109540894a专利提供了一种烤烟烟叶成熟度无损快速检测方法，通过数码相机采集待检测烟叶的烟叶彩色图像信息，利用计算机进行图像处理获取烟叶检测部位中图像r值，将r值带入成熟度计算公式：成熟度值＝18*r/255中，得烟叶检测部的成熟度值，具有客观无损、快速的优势，但是该方法由于采用图像r一个特征参数的线性判别（lda）模型而存在烤烟烟叶田间成熟度判别正确率较低的略势，同时需要计算机、数码相机2种设备，存在成本较高、田间操作不便的略势。

4、公告号为cn108198176a的专利公开了一种基于图像分析烟草成熟度的判别方法，通过数码相机或其他较高分辨率的图像获取设备近距离获取烟草叶片图像，利用计算机进行图像的预处理及提取图像的r值、g值、b值，利用person相关分析方法筛选成熟度参数为：mt＝(b-r)/(b-g)，通过图像的mt值判别成熟度，图像读取与成熟度输出可通过手机实现，具有客观无损、快速的优势，但是该方法由于采用图像r、g、b三个特征参数组合而成mt＝(b-r)/(b-g) 的判别模型而存在烤烟烟叶田间成熟度判别正确率较低的略势，同时需要手机、计算机、数码相机3种设备，存在成本较高、田间操作不便的略势。

5、公告号为cn105004722a的专利公开了一种烟叶成熟度快速检测方法，利用大量普及应用的智能手机的拍照功能和图像处理功能，对烟叶进行现场拍照，然后利用智能手机的图像处理功能进行图像预处理后，提取烟叶图像色调在h4- h6色调区所出现的频率h4-h6值，根据预先采样回归并保存在智能手机中的烟叶图像色调频率与成熟度关系的数学模型进行判断，给出所拍烟叶的成熟度数值，具有客观无损、快速、田间操作方便、成本低廉的优势，但是该方法由于采用图像色调频率h4 、h5、h6三个特征参数的线性判别（lda）模型而存在烤烟烟叶田间成熟度判别正确率较低的略势。

6、因此，迫切需要一种烤烟烟叶田间成熟度的较高正确率、客观无损、田间操作方便、成本低廉的判别方法。

技术实现思路

1、本发明提出的一种基于支持向量机的烤烟烟叶田间成熟度判别方法，以解决现有的技术问题。

2、本发明的技术方案是这样实现的：一种基于支持向量机的烤烟烟叶田间成熟度判别方法；包括如下步骤：

3、s1、通过手机拍照对待判别田间成熟度的烤烟烟叶进行图像采集；

4、s2、通过手机搭载的阈值0.20～0.40最大类间方差算法对s1获取的图像进行背景去除预处理获得待判别田间成熟度烤烟烟叶图像；

5、s3、利用手机搭载的图像特征提取功能对s2获取的待判别田间成熟度烤烟烟叶图像提取获得十个特征参数数据；

6、s4、以s3获取的十个特征参数数据作为输入的s型生长核函数通过支持向量机模型进行烤烟烟叶田间成熟度的判别，根据手机搭载的结果展示功能显示待判别烤烟烟叶的田间成熟度。

7、所述的s4中的烤烟烟叶田间成熟度支持向量机判别模型的输入特征参数为红色r、绿色g、蓝色b、色调h、饱和度s、明亮度v、能量asm、熵ent、惯性矩ine、相关性corrl的特征参数，其中烤烟烟叶图像色调h、饱和度s、明亮度v特征参数的提取算法为颜色rgb模式非线性转换为颜色hsv模式，烤烟烟叶图像能量asm、熵ent、惯性矩ine、相关性corrl参数的提取算法为灰度共生矩阵算法。

8、优选的，烤烟烟叶图像最大类间方差算法背景去除的阈值为0.30。

9、支持向量机（svm）模型是建立在vc(vapnik chervonenkis)维理论和结构风险最小化准则基础上的一种新型机器学习方法，能有效地避免bp神经网络学习算法存在的过学习、局部极小点等问题，具有算法简单、泛化能力强等特点，核函数是影响支持向量机（svm）模型的重要参数。

10、本发明烟叶样本选自河南中烟基地许昌襄城县汾陈、王洛、库庄、紫云镇烟田，在烟株进入成熟期后，分别选取下部、中部、上部经由专家人工判别田间成熟度的烟叶，通过手机“拍摄图像”或“加载图像”功能，分别采集获取幅，中部未熟烟叶图像966幅、中部成熟烟叶图像846幅、中部过熟烟叶图像819幅，上部未熟烟叶图像1227幅、上部成熟烟叶图像858幅、上部过熟烟叶图像687幅，采集获取各部位不同田间成熟度的烟叶图像共计7473幅，未熟、成熟、过熟烟叶图像记为标签分别为“1”、“2”、“3”；对于采集获取的7473幅不同田间成熟度烤烟烟叶图像，其中2/3样本作为作训练样本。

11、对于手机提取的不同田间成熟度烟叶图像的红色r、绿色g、蓝色b、色调h、饱和度s、明亮度v、能量asm、熵ent、惯性矩ine、相关性corrl特征参数数据作为输入，以烤烟烟叶田间成熟度作为输出；利用手机搭建open cv的svm()函数建立支持向量机（svm）判别模型，不同核函数支持向量机（svm）模型对烤烟烟叶田间成熟度的判别正确率如附图2所示。附图2表明：径向基核函数支持向量机（svm）模型对烤烟烟叶田间成熟度判别的正确率最高，sigmoid核函数次之，s型生长核函数(多项式)核函数支持向量机（svm）模型对烤烟烟叶田间成熟度判别的正确率最低。

12、优选的，所述的烤烟烟叶田间成熟度支持向量机判别模型的核函数为径向基核函数。

13、与现有技术相比，本发明具有一下优点：

14、本发明采用图像十个特征参数的支持向量机模型进行判别，能够在不损失主要信息的前提下尽可能多地保留细节信息，烤烟烟叶田间成熟的判别正确率较高；利用普用性高的手机替代计算机、数码相机设备，田间操作方便，烤烟烟叶田间成熟的判别结果现场显示，智能性高；客观性强，避免了人工判别烤烟烟叶田间成熟的主观因素大、经验性高的问题；具有便捷实用，成本低廉，容易普及应用等优点。