基于最近鄰的煙葉智能分級(jí)研究.pdf

1、目前的煙葉分級(jí)大多停留在人工分級(jí)階段，單純地依靠人類的感官和觸覺，這種做法不僅消耗了大量的人力和物力，而且很難保證煙葉分級(jí)的客觀性和正確性，也越來(lái)越無(wú)法滿足煙草行業(yè)對(duì)煙葉質(zhì)量的要求。為了克服人工煙葉分級(jí)的缺陷，本文基于圖像處理技術(shù)并結(jié)合改進(jìn)的最近鄰分類方法實(shí)現(xiàn)煙葉的智能分級(jí)。主要內(nèi)容包括：
　　⑴采集煙葉的圖像信息并對(duì)其進(jìn)行預(yù)處理操作。選取實(shí)驗(yàn)裝備拍攝煙葉的圖像，并對(duì)比不同的圖像平滑，背景分割與邊緣提取方法，最終選擇中值濾波法對(duì)煙

2、葉進(jìn)行平滑去噪，采用迭代閾值法對(duì)其進(jìn)行背景分割、采用輪廓提取法獲取煙葉的輪廓信息。
　　⑵提取煙葉圖像的特征。本研究通過(guò)圖像處理技術(shù)提取烤煙煙葉的7個(gè)形狀特征：長(zhǎng)、寬、長(zhǎng)寬比、周長(zhǎng)、面積、破損率、圓形度，12個(gè)顏色特征：RGB模型中R、G、B三個(gè)顏色分量的均值和方差，HSI模型中H、S、I三個(gè)分量的均值和方差，4個(gè)紋理特征：能量、紋理熵、對(duì)比度和相關(guān)性。
　　⑶特征選擇。本文共提取了有可能影響煙葉分級(jí)的23個(gè)特征，但是特征之

3、間的相關(guān)性與冗余性將增加煙葉分級(jí)的復(fù)雜性和影響煙葉分級(jí)的結(jié)果，因此本文實(shí)現(xiàn)基于最近鄰的后向特征選擇方法對(duì)特征進(jìn)行篩選，最終篩選出一組最優(yōu)特征集合用于煙葉分級(jí)。
　?、然贙KNN的煙葉智能分級(jí)。針對(duì)傳統(tǒng)的最近鄰分類方法的不足，本文提出一種改進(jìn)的最近鄰分類方法（KKNN），首先運(yùn)用熵值法計(jì)算各個(gè)特征的權(quán)重，同時(shí)通過(guò)K均值聚類縮減訓(xùn)練集，之后使用平均歐式距離進(jìn)行類別決策。經(jīng)過(guò)實(shí)驗(yàn)證明，后向特征選擇方法和改進(jìn)的最近鄰分類方法有效地提高了