基于线性判别的烤烟烟叶田间成熟度手机智能判别方法

1.本发明属于烤烟烟叶田间成熟度判别技术领域，尤其是涉及一种基于线性判别的烤烟烟叶田间成熟度手机智能判别方法。


背景技术：

2.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。
3.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。
4.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。
5.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。
6.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。
7.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。


技术实现要素：

8.本发明的目的正是为了克服上述现有烤烟烟叶田间成熟度判别方法存在的判别正确率较低、主观因素较大、田间操作不便、成本较高的技术问题而专门提供的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，本发明的目的通过如下技术方案实现：
9.一种基于线性判别的烤烟烟叶田间成熟度手机智能判别方法，该方法按照如下步骤进行：通过手机拍照获得待判别田间成熟度的烤烟烟叶图像，首先经过手机搭载的阈值0.20～0.40最大类间方差算法进行烤烟烟叶图像的背景去除预处理，其次利用手机搭载的图像特征提取功能获得待判别田间成熟度烤烟烟叶图像的红色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十个特征参数数据，然后采用手机搭载的十个特征参数数据作为输入的线性判别模型进行烤烟烟叶田间成熟度的判别，最后通过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。
10.所述的烤烟烟叶图像最大类间方差算法背景去除的阈值为0.20～0.40，优选的阈值为0.30(见图1)。由图1可知，采用阈值0.30最大类间方差法烤烟烟叶田间成熟度图像的背景去除效果最好，烤烟烟叶田间成熟度图像的适宜背景去除方法为阈值0.30最大类间方差法。
11.烤烟烟叶田间成熟度线性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十个特征参数，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。
12.线性判别(lda)模型是一种有监督的学习算法，先对已知类别的样品利用方差分析的方法将不同类别进行分离，依据类与类之间离散距离最大、类内离散距离最小原则确立判别分析函数，再对未知样品的变量代入判别式，对应最大值即为预测类别。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。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opencv的classify()函数、采用fisher判别法建立烤烟烟叶田间成熟度的线性判别(lda)模型为：未熟y＝-47.588 0.382r-0.333g 0.001b 0.232h 27.053s 27.957v 0.001asm 8.347ent-52.581ine 77.630corrl；
13.成熟y＝-75.904 0.287r-0.813g 0.001b 1.771h 102.961s 0.001v 179.680asm 20.699ent-76.258ine 64.596corrl；
14.过熟y＝-19.028 0.904r-0.063g 1.175b 0.356h 162.813s 381.368v 0.001asm-0.001ent-4.111ine 8.522corrl(见图2)，对应最大值即为待判别烤烟烟叶的田间成熟度。
15.所述的烤烟烟叶田间成熟度线性判别模型为未熟y＝-47.588 0.382r-0.333g 0.001b 0.232h 27.053s 27.957v 0.001asm 8.347ent-52.581ine 77.630corrl；
16.成熟y＝-75.904 0.287r-0.813g 0.001b 1.771h 102.961s 0.001v 179.680asm 20.699ent-76.258ine 64.596corrl；
17.过熟y＝-19.028 0.904r-0.063g 1.175b 0.356h 162.813s 381.368v 0.001asm-0.001ent-4.111ine 8.522corrl(见图2)。
18.本发明具有如下优点：1.采用图像十个特征参数的线性判别模型进行判别，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；2.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；3.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；4.便捷实用，成本低廉，容易普及应用。通过以下参照附图对本技术的示例性实施例的详细描述，本技术的其它特征及其优点将会变得清楚。
附图说明
19.被结合在说明书中并构成说明书的一部分的附图示出了本技术的实施例，并且连同其说明一起用于解释本技术的原理。
20.图1为烤烟烟叶图像最大类间方差算法背景去除的阈值确定；
21.图2为烤烟烟叶田间成熟度线性判别模型的参数；
22.图3为基于线性判别烤烟烟叶田间成熟度手机智能判别方法的步骤；
23.图4为本发明对测试烤烟烟叶田间成熟度的判别效果。
具体实施方式
24.现在将参照附图来详细描述本技术的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本技术的范围。
25.以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本技术及其应用或使用的任何限制。
26.对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。
27.在这里示出和讨论的所有例子中，任何具体值应被解释为仅仅是示例性的，而不
是作为限制。因此，示例性实施例的其它例子可以具有不同的值。
28.一种基于线性判别的烤烟烟叶田间成熟度手机智能判别方法，按照如下步骤进行(见图3)：
29.(1)在河南中烟基地许昌襄城县汾陈、王洛、库庄、紫云镇烟田，于烟株进入成熟期后，分别选取待判别田间成熟度的烤烟烟叶2491片，通过手机拍照待判别田间成熟度的烤烟烟叶图像，获得像素大于196pixel
×
147pixel的烤烟烟叶图像2491幅。
30.(2)经过手机搭载的阈值0.30最大类间方差算法进行烤烟烟叶图像的背景去除预处理。
31.(3)利用手机搭载的图像特征提取功能获得待判别田间成熟度烤烟烟叶图像的红色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十个特征参数数据,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。
32.(4)采用手机搭载的十个特征参数数据作为输入的线性判别模型进行烤烟烟叶田间成熟度的判别，通过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。
33.分别采用本发明、cn109540894a专利、cn108198176a专利和cn105004722a专利测试烤烟烟叶田间成熟度的判别效果见附图4，本发明对测试烤烟烟叶田间成熟度的判别正确率达83.82％，较cn109540894a专利、cn108198176a专利和cn105004722a专利的判别正确率分别高出36.22％、9.01％和16.87％(见图4)；同时避免了cn109540894a专利、cn108198176a专利的需要计算机、数码相机设备、成本较高、田间操作不便的略势和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，具有较高判别正确率、客观无损、田间操作方便、成本低廉的优点。
34.应用实例1
35.2021年7月18日在襄城县紫云镇，分别选取待判别田间成熟度的烤烟下部烟叶690片，通过手机拍照获得待判别田间成熟度的烤烟烟叶图像，首先经过手机搭载的阈值0.30最大类间方差算法进行烤烟烟叶图像的背景去除预处理，其次利用手机搭载的图像特征提取功能获得待判别田间成熟度烤烟烟叶图像的红色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十个特征参数数据，然后采用手机搭载的十个特征参数数据作为输入的线性判别模型进行烤烟烟叶田间成熟度的判别，最后通过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，待判别田间成熟度烤烟下部烟叶的本发明判别正确率为84.08％。
36.应用实例2
37.2021年8月5日在襄城县王洛镇烟田，分别选取待判别田间成熟度的烤烟中部烟叶877片，通过手机拍照获得待判别田间成熟度的烤烟烟叶图像，首先经过手机搭载的阈值0.30最大类间方差算法进行烤烟烟叶图像的背景去除预处理，其次利用手机搭载的图像特征提取功能获得待判别田间成熟度烤烟烟叶图像的红色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十个特征参数数据，然后采用手机搭载的十个特征参数数据作为输入的线性判别模型进行烤烟烟叶田间成熟度的判别，最后通过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，待判别田间成熟度烤烟中部
烟叶的本发明判别正确率为83.19％。
38.应用实例3
39.2021年9月12日在襄城县汾陈镇烟田，分别选取待判别田间成熟度的烤烟上部烟叶924片，通过手机拍照获得待判别田间成熟度的烤烟烟叶图像，首先经过手机搭载的阈值0.30最大类间方差算法进行烤烟烟叶图像的背景去除预处理，其次利用手机搭载的图像特征提取功能获得待判别田间成熟度烤烟烟叶图像的红色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十个特征参数数据，然后采用手机搭载的十个特征参数数据作为输入的线性判别模型进行烤烟烟叶田间成熟度的判别，最后通过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，待判别田间成熟度烤烟上部烟叶的本发明判别正确率为84.17％。
40.虽然已经通过例子对本技术的一些特定实施例进行了详细说明，但是本领域的技术人员应该理解，以上例子仅是为了进行说明，而不是为了限制本技术的范围。本领域的技术人员应该理解，可在不脱离本技术的范围和精神的情况下，对以上实施例进行修改。本技术的范围由所附权利要求来限定。