【摘 要】煙葉分級(jí)是煙草行業(yè)的一項(xiàng)基礎(chǔ)性的工作，對(duì)煙葉進(jìn)行準(zhǔn)確的分級(jí)是提高煙草制品品質(zhì)的關(guān)鍵因素。隨著計(jì)算機(jī)技術(shù)的發(fā)展，機(jī)器視覺(jué)技術(shù)在煙草行業(yè)的應(yīng)用也越來(lái)越廣泛。本文利用支持向量機(jī)（SVM）的模式識(shí)別方法來(lái)研究煙葉的自動(dòng)分級(jí)。
　　 【關(guān)鍵詞】自動(dòng)分級(jí)；機(jī)器視覺(jué)；支持向量機(jī)
　　一、概述
　　烤煙是卷煙工業(yè)的原料，其煙葉質(zhì)量的好壞直接關(guān)系到煙草制品的工藝配方和生產(chǎn)質(zhì)量�？緹煙熑~分級(jí)方法是目前評(píng)判煙葉質(zhì)量的主要手段，其分級(jí)判斷的依據(jù)主要是煙葉的外觀特征，如顏色、長(zhǎng)度、厚度、油分、成熟度，殘損等。目前國(guó)內(nèi)外煙草行業(yè)對(duì)煙葉的分級(jí)和檢驗(yàn)都是依據(jù)分級(jí)標(biāo)準(zhǔn)，以人工操作為主，憑借標(biāo)準(zhǔn)樣本依靠人的感官進(jìn)行的。這種傳統(tǒng)的人工檢驗(yàn)方法容易受人的因素影響，評(píng)級(jí)定價(jià)難以做到公平、公正。而且在我國(guó)，每年煙葉收購(gòu)前，全國(guó)各地都會(huì)舉辦培訓(xùn)班，培訓(xùn)分級(jí)人員，并準(zhǔn)備大量的樣本發(fā)往各地，這樣必然造成人力、物力和財(cái)力的巨大消耗。機(jī)器視覺(jué)技術(shù)的發(fā)展和國(guó)家煙葉等級(jí)標(biāo)準(zhǔn)的定量化促進(jìn)了煙葉分級(jí)自動(dòng)化和智能化的應(yīng)用與發(fā)展，各種圖像處理算法和模式識(shí)別方法也被應(yīng)用于煙葉的自動(dòng)分級(jí)中，如2003年，張惠民等人根據(jù)提取的煙葉特征參數(shù)，建立并優(yōu)化了烤煙煙葉分級(jí)系統(tǒng)的數(shù)學(xué)模型，構(gòu)造了符合烤煙煙葉等級(jí)空間分布的高斯隸屬函數(shù)，采用模糊推理機(jī)制原理來(lái)實(shí)現(xiàn)煙葉分級(jí)。2011年，張樂(lè)明、劉劍君等以紅外光譜作為煙葉的特征，采用概率神經(jīng)網(wǎng)絡(luò)對(duì)11個(gè)等級(jí)的煙葉進(jìn)行分組和分級(jí)。
　　二、支持向量機(jī)基本原理
　　支持向量機(jī)（Support Vector Machine）簡(jiǎn)稱SVM，是由Vapnik于1995年一種新的機(jī)器學(xué)習(xí)技術(shù)。支持向量機(jī)方法是建立在統(tǒng)計(jì)學(xué)習(xí)理論的VC維理論和結(jié)構(gòu)風(fēng)險(xiǎn)最小化原理基礎(chǔ)上的，根據(jù)有限的樣本信息在模型的復(fù)雜性（即對(duì)特定訓(xùn)練樣本的學(xué)習(xí)精度）和學(xué)習(xí)能力（即無(wú)錯(cuò)誤的識(shí)別任意樣本的能力）之間尋求最佳折中，以期獲得最好的推廣能力。
　　1．最優(yōu)分類面。SVM方法是從線性可分情況下的最優(yōu)分類面提出的。首先考慮二維兩類線性可分的情況，如圖1所示，圖中實(shí)心點(diǎn)和空心點(diǎn)分別表示兩類訓(xùn)練樣本，H為把兩類沒(méi)有錯(cuò)誤地分開(kāi)的分類線，H1、H2分別為各類樣本中離分類線最近的點(diǎn)且平行于分類線的直線。所謂最優(yōu)分類線就是要求分類線不但能將兩類無(wú)錯(cuò)誤地分開(kāi)，而且要使兩類的分類間隔最大。
　　三、實(shí)驗(yàn)結(jié)果及分析
　　本文首先利用利用圖像采集裝置得到煙葉的原始圖像作為樣本并對(duì)煙葉圖像進(jìn)行了圖像預(yù)處理。然后根據(jù)煙葉的顏色、外形、紋理特征建立了煙葉分級(jí)的支持向量機(jī)識(shí)別模型；最后利用部分樣本進(jìn)行檢驗(yàn)。實(shí)驗(yàn)中樣本得到了較高的識(shí)別率。實(shí)驗(yàn)結(jié)果說(shuō)明了SVM分類器算法能夠較好地完成樣品集的分類，它是在基于結(jié)構(gòu)風(fēng)險(xiǎn)最小化理論之上構(gòu)建最優(yōu)分割超平面，使得分類器能夠得到全局最優(yōu)化，并且在整個(gè)樣本空間的期望風(fēng)險(xiǎn)以某個(gè)概率滿足一定上界，在實(shí)際應(yīng)用中有較好的優(yōu)勢(shì)。
　　四、結(jié)論
　　支持向量機(jī)是是在統(tǒng)計(jì)學(xué)習(xí)理論基礎(chǔ)上發(fā)展起來(lái)的一種新型的機(jī)器學(xué)習(xí)方法。作為一種尚未成熟的技術(shù)，支持向量機(jī)盡管在核函數(shù)的參數(shù)的構(gòu)造和選擇上缺乏相應(yīng)的理論指導(dǎo)，但是由于它在解決小樣本學(xué)習(xí)問(wèn)題中的優(yōu)勢(shì)，使其成為機(jī)器學(xué)習(xí)領(lǐng)域的研究熱點(diǎn)，并且被廣泛地應(yīng)用于各行各業(yè)。本文將支持向量機(jī)的方法運(yùn)用于煙葉的自動(dòng)分級(jí)系統(tǒng)。取得了較好的分類效果。
　　參 考 文 獻(xiàn)
　　[1]閻瑞瓊，韓立群，陳晉東．計(jì)算機(jī)技術(shù)在煙葉檢測(cè)與分級(jí)領(lǐng)域的應(yīng)用[J]．煙草科技．2001，154（3）：13～15
　　[2]張惠民，韓立群，段正剛．基于圖像特征的煙葉分級(jí)[J]．武漢大學(xué)學(xué)報(bào)．2003（3）
　　[3]張樂(lè)明，申金媛，劉劍君，劉潤(rùn)杰．概率神經(jīng)網(wǎng)絡(luò)在煙葉自動(dòng)分級(jí)中的應(yīng)用[J]．農(nóng)機(jī)化研究．2011（12）
　　[4]李國(guó)正，王猛，曾華軍．支持向量機(jī)導(dǎo)論[J]．電子工業(yè)出版社，2004
　　[5]方輝，王倩．支持向量機(jī)的算法研究[J]．長(zhǎng)春師范學(xué)院學(xué)報(bào)（自然科學(xué)版）．2007（6）

相關(guān)熱詞搜索：向量 煙葉 分級(jí) 支持