Advances of Computer Vision and Intelligent Identification Technology in Flue-cured Tobacco Grading

doi:10.11923/j.issn.2095-4050.cjas2023-0176

Abstract

Abstract:

Intelligent identification technology is a technology to recognize, judge and simulate images and videos by simulating the visual performance and thinking model of mankind. This paper listed the latest research of computer vision and intelligent identification technology in automatic grading of flue-cured tobacco from image and near infrared spectrum acquisition, feature extraction and intelligent identification model, summarized the advantages and disadvantages of different intelligent identification model. At last, we put forward the robustness and accuracy of defect in identification model, and the application of intelligent recognition and multi-dimensional characteristic data fusion in tobacco grade determination would be the future research direction.

Key words: computer vision, intelligent identification, flue-cured tobacco, characters, grading

LI Jing, YANG Ping, LUO You, DA Baciren, HE Qiang, HE Xuejia, HAN Tianhua, HE Biao. Advances of Computer Vision and Intelligent Identification Technology in Flue-cured Tobacco Grading[J]. Journal of Agriculture, 2024, 14(9): 24-30.

Figures/Tables 3

References 53

[1]	国家统计局. 中华人民共和国2021年国民经济和社会发展统计公报[EB/OL]. https://www.stats.gov.cn/sj/zxfb/202302/t20230203_1901393.html. 2022-02-28.
[2]	毛多斌, 马宇平, 梅业安. 卷烟配方和香精香料[M]. 北京: 化学工业出版社, 2001:81-82.
[3]	赵树弥, 张龙, 徐大勇, 等. 机器视觉检测鲜烟叶的分级装置设计[J]. 中国农学通报, 2019(16):133-140. doi: 10.11924/j.issn.1000-6850.casb18020004
[4]	张春娥, 魏杨帆, 王岩松. 烟叶自动图像分级技术研究综述[J]. 中国烟草科学, 2014(4):103-108.
[5]	云南省人民政府. 云南省2022年国民经济和社会发展统计公报[EB/OL]. https://www.yn.gov.cn/sjfb/tjgb/202303/t20230328_256987.html. 2023-03-28.
[6]	2021年全国烟草工作电视电话会议在北京召开[EB/OL]. https://hi.tobacco.gov.cn/12/35025.html. 2021-03-19.
[7]	申振宇, 申金缘, 刘剑君, 等. 基于神经网络的特征分析在烟叶分级中的应用[J]. 计算机与数学工程, 2012, 40(7):122-124.
[8]	庄真真, 祝诗平, 孙雪剑, 等. 基于机器视觉的烟叶自动分组方法[J]. 西南师范大学学报(自然科学版), 2016, 41(4):122-129.
[9]	THOMAS C. Techniques of image analysis applied to the measurement of tobacco and related products[A]. 42nd tobacco chemist’ research conference[C]. 1988:127-140.
[10]	韩力群, 何为, 苏维均, 等. 光机电一体化烤烟烟叶图像采集系统的研发[J]. 微计算机信息, 2006, 22(7):228-229.
[11]	马文杰. 烟叶图像采集技术规范与烤烟收购质量分级特征研究[D]. 武汉: 华中农业大学, 2007.
[12]	袁奎, 陈永安, 张富贵, 等. 烟叶图像拍摄于物距显示试验装置研究[J]. 现代农业科技, 2014(10):337-339.
[13]	王惠, 赵世民, 叶红朝, 等. 基于图像处理的烟草分级系统设计与实现[J]. 现代农业科技, 2018, 38(17):289-291.
[14]	杜东亮, 毛鹏军, 王俊, 等. 基于计算机视觉的烟叶自动分级系统硬件设计[J]. 传感器与微系统, 2008, 27(4):77-49.
[15]	顾金梅. 烟叶自动分级关键部件及系统研究[D]. 贵阳: 贵州大学, 2015.
[16]	苏国樟. 烟叶分级控制系统设计及系统集成研究[D]. 贵阳: 贵州大学, 2016.
[17]	王育军, 邵建平, 赵杰, 等. 曲靖烟叶质量评价指标间的相关性分析[J]. 作物研究, 2014(5):496-500.
[18]	杜鹃, 张楠, 许自成, 等. 烤烟不同部位烟叶主要化学成分与感官质量的关系[J]. 轻工学报, 2011, 26(2):16-20.
[19]	薛超群, 尹启生, 王信民, 等. 烤烟烟叶香气质量与其常规化学成分的相关性[J]. 烟草科技, 2006, 50(9):27-30.
[20]	李昂泽, 王宪双, 徐向君, 等. 激光诱导击穿光谱技术对烟草快速分类研究[J]. 中国光学, 2019, 12(5):1139-1146.
[21]	FLIEGER J, KAWKA J, TATARCZAK-MICHALEWSKA M. Levels of the thiocyanate in the saliva of tobacco smokers in comparison to e-cigarette smokers and nonsmokers measured by HPLC on a phosphatidylcholine column[J]. Molecules, 2019, 24(20):3790.
[22]	BARMAN B, BARUA S. Bis-[2,6-(2'-hydroxy-4'-sulpho-1'-naphthylazo)]pyridine disodium salt as a spectrophotometric reagent for the determination of cadmium in tobacco and tobacco products[J]. Asian journal of chemistry, 2011, 23(2):770-772.
[23]	吴殿信, 袁志永, 闫克玉, 等. 烤烟各等级烟叶质量指数的确定[J]. 烟草科技, 2001(12):9-15.
[24]	邓小华, 周冀衡, 周清明, 等. 湖南烟区中部烤烟总糖含量状况与评吸质量的关系[J]. 中国烟草学报, 2009, 15(5):43-47.
[25]	XIANG B, CHENG C, XIA J, et al. Simultaneous identification of geographical origin and grade of flue-cured tobacco using NIR spectroscopy[J]. Vibrational spectroscopy, 2020, 111:103182.
[26]	郝贤伟, 黄文勇, 徐志强, 等. 基于近红外光谱技术的云南片烟综合质量评价[J]. 中国烟草科学, 2022, 43(2):58-63.
[27]	王鹏泽, 何雷, 武广鹏, 等. 近红外光谱分析技术在烟草中的研究与应用[J]. 现代农业研究, 2021, 27(12):22-24.
[28]	杨睿, 宾俊, 苏家恩, 等. 基于红外光谱与图像识别技术融合的烟叶成熟度的判别[J]. 湖南农业大学学报(自然科学版), 2021, 47(4):406-411.
[29]	ZHANG J, SOKHANSANJ S, WU S, et al. A transformation technique from RGB signals to the Munsell system for color analysis of tobacco leaves[J]. Computers & electronics in agriculture, 1998(2):155-166.
[30]	吴富宁, 杨子彪, 朱虹, 等. 基于颜色特征进行农作物图像分类识别的应用研究综述[J]. 中国农业科技导报, 2003, 5(2):76-80.
[31]	陶霖密, 徐光. 机器视觉中的颜色问题及应用[J]. 科学通报, 2001, 46(3):178-190.
[32]	GURU D, MALLIKARJUNA P. Spots and color based ripeness evaluation of tobacco leaves for automatic harvesting[A]. Proceedings of the first international conference on intelligent interactive technologies and multimedia[C]. 2010:2234-2240.
[33]	张峰, 连芬燕, 蓝洪桥, 等. 基于烟叶信息的近红外光谱和化学成分模式识别比较[J]. 江苏农业科学, 2015, 43(5):291-295.
[34]	陈朋. 烟叶纹理表面的视觉检测技术研究与应用[D]. 贵阳: 贵州大学, 2017.
[35]	MALLIKARJUNA P, GURU D. Multimedia processing, communication and computing applications[M]. Germany: Springer, 2013:115-126.
[36]	王超, 刘艺琳, 杨凯, 等. 近红外快速检测烤烟等级质量与关键化学指标的关系[J]. 中国测试, 2021, 47(2):81-86.
[37]	陈庆园, 陈雪, 袁有波. 初烤烟叶外观质量与主要化学成分关系的研究[J]. 中国烟草科学, 2008(1):30-32.
[38]	王芳, 史改丽, 张庆明, 等. 烟叶外观质量与内在品质的相关性研究[J]. 中国农学通报, 2014, 30(31):82-88. doi: 10.11924/j.issn.1000-6850.2014-1598
[39]	段焰青, 陶鹰, 者为, 等. 近红外光谱分析技术在烟叶产地鉴别中的应用[J]. 云南大学学报(自然科学版), 2011, 33(1):77-82.
[40]	陈俊圻. 基于图像处理与人工神经网络的烟叶检测系统的研究与应用[D]. 北京: 北京工商大学, 2010.
[41]	郭强. 基于图像处理与神经网络的烟叶分级研究[D]. 长沙: 中南大学, 2013.
[42]	宾俊, 周冀衡, 范伟, 等. 基于NIR技术和ELM的烤烟烟叶自动分级[J]. 中国烟草学报, 2017, 23(2):60-68.
[43]	刘剑君, 申金媛, 张乐明, 等. 基于红外光谱的烟叶自动分级研究[J]. 激光与红外, 2011, 41(9):986-990.
[44]	马建元, 伍铁军. 基于图像处理和模糊识别的烟叶分级技术研究[J]. 机械制造与自动化, 2011, 40(1):90-93.
[45]	陈朋, 贺福强, 管琪明, 等. 基于模糊择近原则的烟叶自动分级算法研究[J];中国农机化学报, 2016, 37(9):108-111,145.
[46]	DAI J F, LI Y, HE K M, et al. R-FCN: Object detection via region-basedfully convolutional networks[A]. In: LEE Daniel D, VON LUXBURG Ulrike, GARNETT Roman, et al. NIPS'16: Proceedings of the 30th International Conference on Neural Information Processing Systems[C]. New York: Curran Associates Inc, 2016:379-387.
[47]	曾祥云. 一个基于深度学习的烤烟分级系统的设计与实现[D]. 南京: 东南大学, 2017:5-7.
[48]	雒慧心. 基于深度学习的烤烟分选算法研究[D]. 北京: 北京交通大学, 2019.
[49]	DASARI S K, CHINTADA K R, PATRUNI M. Flue-cured tobacco leaves classification: A generalized approach using deep convolutional neural networks[A]. GURUMOORTHY Sasikumar, RAO Bangole Narendra Kumar, GAO Xiaozhi. Cognitive Science and Artificial Intelligence[M]. 2018:13-21.
[50]	王士鑫, 云利军, 叶志霞, 等. 一种基于卷积神经网络的烟叶分级处理算法[J]. 云南民族大学学报(自然科学版), 2020, 29(1):65-69.
[51]	鲁梦瑶, 周强. 基于深度学习与多尺度特征融合的烤烟烟叶分级方法[J]. 中国农机化学报, 2022, 43(1):158-166.
[52]	李小兰, 孙建生, 梁伟. 构建卷烟工业烟叶原料质量保障体系的思考[J]. 广东农业科学, 2008(11):142-144.
[53]	毛鹏军, 贺智涛, 杜东亮, 等. 烤烟烟叶视觉检测分级系统的研究现状与发展趋势[J]. 农业机械, 2006(16):43.

序号	修订内容	原标	修订标准
1	成熟度	成熟度划分为完熟、成熟、尚熟、欠熟、假熟	成熟度划分为高度成熟、成熟、尚熟、欠熟、假熟
2	油分	烟叶内含有的一种柔软半液体或液体物质，根据感官感觉，划分为多、有、稍有、少	烟叶内含有的柔润的半液体或液体物质，在烟叶外观上表现出的油润或枯燥感觉，划分为富有、有、稍有、少
3	均匀度	无	增设均匀度指标，指烟叶品质因素均匀一致的程度
4	颜色	无	分为基本色（包括柠檬黄、桔黄色和红棕色）、非基本色（基本色以外的其他颜色）2类
5	杂色叶片	杂色叶面积达到或超过20%	杂色叶面积达到20%，但不超过50%
6	品质规定等级	42	28
7	下部叶	8个品质等级，残伤标准15%~35%	5个品质等级，残伤标准20%~25%。假熟叶合并为X3LF一个等级
8	中部叶	长度标准为35、40、45 cm	长度标准为35、45、50 cm
9	上部叶	11个品质等级，其中柠檬黄色4个品质等级、桔黄色4个品质等级、红棕色3个品质等级	9个品质等级，将原续表中的高度成熟叶全部归入下部叶。红棕色1个品质等级
10	续表	完熟叶、杂色叶、光滑叶、微带青和青黄色叶，共计15个品质等级	并入主表。不再根据烟叶着生部位定级，而是根据颜色、成熟度、叶片结构、油分等外观指标定级

序号	修订内容	原标	修订标准
1	成熟度	成熟度划分为完熟、成熟、尚熟、欠熟、假熟	成熟度划分为高度成熟、成熟、尚熟、欠熟、假熟
2	油分	烟叶内含有的一种柔软半液体或液体物质，根据感官感觉，划分为多、有、稍有、少	烟叶内含有的柔润的半液体或液体物质，在烟叶外观上表现出的油润或枯燥感觉，划分为富有、有、稍有、少
3	均匀度	无	增设均匀度指标，指烟叶品质因素均匀一致的程度
4	颜色	无	分为基本色（包括柠檬黄、桔黄色和红棕色）、非基本色（基本色以外的其他颜色）2类
5	杂色叶片	杂色叶面积达到或超过20%	杂色叶面积达到20%，但不超过50%
6	品质规定等级	42	28
7	下部叶	8个品质等级，残伤标准15%~35%	5个品质等级，残伤标准20%~25%。假熟叶合并为X3LF一个等级
8	中部叶	长度标准为35、40、45 cm	长度标准为35、45、50 cm
9	上部叶	11个品质等级，其中柠檬黄色4个品质等级、桔黄色4个品质等级、红棕色3个品质等级	9个品质等级，将原续表中的高度成熟叶全部归入下部叶。红棕色1个品质等级
10	续表	完熟叶、杂色叶、光滑叶、微带青和青黄色叶，共计15个品质等级	并入主表。不再根据烟叶着生部位定级，而是根据颜色、成熟度、叶片结构、油分等外观指标定级