發(fā)布時間：2023-01-05 10:53

　　煙草行業(yè)在我國的經(jīng)濟(jì)中始終占有重要地位,在煙葉的收購與加工過程中,如何快捷準(zhǔn)確的進(jìn)行煙葉分級至關(guān)重要。目前在煙草行業(yè)對煙葉的分級工作,主要以人工分級的方式進(jìn)行,不僅費時費力,準(zhǔn)確率也無法得到有效保障。在現(xiàn)有的煙葉分級算法研究中,主要是通過識別煙葉色度的不同來進(jìn)行分級,但在對色度相近的煙葉進(jìn)行分級時效果并不理想。本文設(shè)計了一種基于傳統(tǒng)圖像處理算法和卷積神經(jīng)網(wǎng)絡(luò)的煙葉參數(shù)提取與分級系統(tǒng),以提高對煙葉分級的準(zhǔn)確率。本文的主要內(nèi)容如下:1.本文研究了一種基于葉脈骨架細(xì)化和區(qū)域生長算法的主脈與支脈間夾角提取方法。首先通過對快速并行細(xì)化算法的改進(jìn),可以去除主脈上長度較短的支脈和支脈上的分支葉脈骨架,減少后續(xù)角點檢測算法中的角點數(shù)量,使改進(jìn)后的細(xì)化算法更加適用于煙葉的葉脈骨架提取;然后通過改進(jìn)區(qū)域生長算法的初始像素點選取與生長規(guī)則,可以提取出主脈與支脈間的夾角,并且有效提高了算法的運行速度;最后根據(jù)提取到的煙葉夾角、色度等特質(zhì),人工選取初始聚類中心點來優(yōu)化聚類算法,將煙葉的色度特征與形態(tài)學(xué)特征相結(jié)合以提高對色度相近的煙葉分級的準(zhǔn)確率。2.本文研究了一種適用于煙葉分級的卷積神經(jīng)網(wǎng)絡(luò)。由于不同類別的煙葉... 

【文章頁數(shù)】：87 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景與意義
    1.2 國內(nèi)外研究歷史與現(xiàn)狀
        1.2.1 圖像處理算法國內(nèi)外研究
        1.2.2 人工神經(jīng)網(wǎng)絡(luò)算法國內(nèi)外研究
    1.3 論文主要研究內(nèi)容
    1.4 論文結(jié)構(gòu)安排
第二章 相關(guān)理論及技術(shù)研究
    2.1 煙葉分級原理及難點
        2.1.1 煙葉分組原理
        2.1.2 煙葉分級原理
        2.1.3 煙葉分級難點
    2.2 圖像處理技術(shù)研究與應(yīng)用
        2.2.1 圖像處理算法流程圖
        2.2.2 圖像二值化算法
        2.2.3 圖像閾值分割算法
        2.2.4 圖像平滑處理
        2.2.5 圖像HSI顏色空間模型
        2.2.6 基于圖像處理的煙葉參數(shù)提取
    2.3 神經(jīng)網(wǎng)絡(luò)技術(shù)研究
        2.3.1 人工神經(jīng)網(wǎng)絡(luò)
        2.3.2 卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
        2.3.3 激活函數(shù)
        2.3.4 損失函數(shù)
        2.3.5 梯度下降法
        2.3.6 過擬合
    2.4 系統(tǒng)研究整體設(shè)計
    2.5 本章小結(jié)
第三章 煙葉主脈與支脈夾角提取算法研究
    3.1 本章算法框架設(shè)計
    3.2 基于細(xì)化算法的葉脈骨架提取
        3.2.1 快速并行細(xì)化算法研究
        3.2.2 葉脈骨架提取結(jié)果與不足分析
    3.3 基于煙葉葉脈骨架提取的細(xì)化算法改進(jìn)
    3.4 基于角點檢測與區(qū)域生長算法的葉脈角度提取
        3.4.1 Harris角點檢測算法研究
        3.4.2 區(qū)域生長算法研究與改進(jìn)
    3.5 基于聚類算法的煙葉分級與結(jié)果分析
        3.5.1 K均值聚類算法研究與煙葉分級
        3.5.2 K均值聚類算法研究與煙葉分級
    3.6 本章小結(jié)
第四章 基于深度學(xué)習(xí)的煙葉分級算法研究
    4.1 本章算法框架設(shè)計
    4.2 基于Res2Net模型的煙葉分級網(wǎng)絡(luò)研究
        4.2.1 ResNet模型的網(wǎng)絡(luò)結(jié)構(gòu)研究
        4.2.2 Res2Net模塊結(jié)構(gòu)研究
        4.2.3 構(gòu)建煙葉數(shù)據(jù)庫
        4.2.4 遷移學(xué)習(xí)
        4.2.5 實驗環(huán)境與性能度量指標(biāo)
        4.2.6 實驗結(jié)果及分析
    4.3 多尺度特征提取網(wǎng)絡(luò)優(yōu)化
        4.3.1 多尺度特征研究
        4.3.2 多尺度特征提取模塊
        4.3.3 網(wǎng)絡(luò)優(yōu)化與實驗結(jié)果分析
        4.3.4 網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化
    4.4 實驗結(jié)果及分析
    4.5 本章小結(jié)
第五章 煙葉圖像參數(shù)提取與分級系統(tǒng)實現(xiàn)
    5.1 本章算法框架設(shè)計
    5.2 煙葉分級系統(tǒng)實現(xiàn)
        5.2.1 結(jié)合傳統(tǒng)算法的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
        5.2.2 網(wǎng)絡(luò)優(yōu)化與實驗結(jié)果分析
    5.3 煙葉分級軟件設(shè)計與實現(xiàn)
        5.3.1 軟件總體設(shè)計
        5.3.2 軟件界面實現(xiàn)
    5.4 實驗結(jié)果及分析
    5.5 本章小結(jié)
第六章 總結(jié)與展望
    6.1 全文總結(jié)
    6.2 后續(xù)工作展望
致謝
參考文獻(xiàn)
攻讀碩士學(xué)位期間取得的成果


【參考文獻(xiàn)】：
期刊論文
[1]基于PCA-GA-SVM的煙葉分級方法[J]. 姚學(xué)練,賀福強(qiáng),平安,羅紅,管琪明.  煙草科技. 2018(12)
[2]基于圖像特征的煙葉分級方法研究[J]. 趙世民,宋正雄,賀智濤,董昆樂,李麗華,王玉潔.  安徽農(nóng)業(yè)科學(xué). 2018(28)
[3]基于模糊擇近原則的煙葉自動分級算法研究[J]. 陳朋,賀福強(qiáng),管琪明,賴長龍.  中國農(nóng)機(jī)化學(xué)報. 2016(09)
[4]一種大規(guī)模分類數(shù)據(jù)聚類算法及其并行實現(xiàn)[J]. 丁祥武,郭濤,王梅,金冉.  計算機(jī)研究與發(fā)展. 2016(05)
[5]基于機(jī)器視覺的煙葉自動分組方法[J]. 莊珍珍,祝詩平,孫雪劍,左英琦.  西南師范大學(xué)學(xué)報(自然科學(xué)版). 2016(04)
[6]圖像的角點檢測研究綜述[J]. 章為川,孔祥楠,宋文.  電子學(xué)報. 2015(11)
[7]一種基于密度的k-means聚類算法[J]. 羅軍鋒,鎖志海.  微電子學(xué)與計算機(jī). 2014(10)
[8]基于神經(jīng)網(wǎng)絡(luò)的特征分析在煙葉分級中的應(yīng)用[J]. 申振宇,申金媛,劉劍君,劉潤杰.  計算機(jī)與數(shù)字工程. 2012(07)
[9]概率神經(jīng)網(wǎng)絡(luò)在煙葉自動分級中的應(yīng)用[J]. 張樂明,申金媛,劉劍君,劉潤杰.  農(nóng)機(jī)化研究. 2011(12)
[10]Moravec和Harris角點檢測方法比較研究[J]. 盧瑜,郝興文,王永俊.  計算機(jī)技術(shù)與發(fā)展. 2011(06)

碩士論文
[1]一個基于深度學(xué)習(xí)的烤煙分級系統(tǒng)的設(shè)計與實現(xiàn)[D]. 曾祥云.東南大學(xué) 2017
[2]煙葉紋理表面的視覺檢測技術(shù)研究與應(yīng)用[D]. 陳朋.貴州大學(xué) 2017
[3]基于光譜與色度的烤煙分級方法研究[D]. 方世誠.貴州大學(xué) 2016
[4]基于機(jī)器視覺的煙葉自動分級方法研究[D]. 莊珍珍.西南大學(xué) 2016
[5]基于機(jī)器視覺的煙草異物檢測和煙葉分類分級方法研究[D]. 李海杰.南京航空航天大學(xué) 2016
[6]基于機(jī)器視覺的煙葉分級關(guān)鍵技術(shù)研究與實現(xiàn)[D]. 張磊.貴州大學(xué) 2015
[7]基于HIS顏色模型和模糊分類的煙葉分組方法及實現(xiàn)[D]. 高航.云南大學(xué) 2015
[8]一種基于顏色特征的煙葉分級算法設(shè)計及系統(tǒng)實現(xiàn)[D]. 魏揚帆.北京交通大學(xué) 2014
[9]圖像處理技術(shù)與支持向量機(jī)在煙葉分級中的應(yīng)用研究[D]. 胡厚利.昆明理工大學(xué) 2014
[10]基于圖像處理與神經(jīng)網(wǎng)絡(luò)的煙葉分級研究[D]. 郭強(qiáng).中南大學(xué) 2013



本文編號：3727868