煙葉分級中若干特征篩選方法的研究.pdf

1、煙葉是具有重要經(jīng)濟價值的農(nóng)產(chǎn)品之一，其質(zhì)量的好壞直接影響到煙草行業(yè)的經(jīng)濟收入和煙民的身體健康?，F(xiàn)階段，我國在煙葉收購過程中，大多是通過人工方式來對其進行分級，這種帶有主觀因素的分級方法不僅影響煙葉分級的正確率，而且常引起不必要的糾紛。因此，煙葉的智能分級迫在眉睫。
　　煙葉的正確分級率和分級速度直接關(guān)系到智能分級系統(tǒng)的實際應(yīng)用。在保證正確分級率的前提下，分級速度不僅僅與分級模型有關(guān)，更與所用的特征個數(shù)有極大的關(guān)系。本文針對特征篩選

2、進行了深入的研究。具體研究工作如下：
　　1.烤煙煙葉圖像的采集、預(yù)處理和特征初篩選。利用搭建好的系統(tǒng)，采集2013年(462片煙葉)、2014年(1172片煙葉)和2015年(1429片煙葉)煙葉的透射圖像；首先對采集圖像進行背景分割、去噪、預(yù)處理；其次，提取煙葉的形態(tài)特征、顏色特征、紋理特征和脈絡(luò)特征共39個特征；為提高煙葉分級的速度，基于聚類的思想對特征進行初篩選，并人工直接去除一些相關(guān)性很大的特征，使得特征從39個減少到2

3、4個。
　　2.烤煙煙葉分級模型的建立。分別建立稀疏表示（SRC）、基于密度的稀疏表示（DSRC），支持向量機（SVM）、隨機森林（RF）等煙葉分級模型，他們對2013、2014和2015年烤煙煙葉的測試樣本的分級正確率和分級時間分別為：90.1％、92.4%、80.2%；92.8%、93.6%、80.7%；88.9%、92.1%、76.8%；92.38%、96.6%、83.14%；所以本文的特征深度篩選都是基于隨機森林分級器進行

4、的。DSRC是對SRC的一種改進模型，基于密度的思想對SRC的字典進行選擇，減少了SRC所用的字典個數(shù)，在保證正確分級率的情況下，提高了分級速度。
　　3.深度特征篩選。為進一步提高分級速度，對初選后的特征進行了深度篩選。首先建立了一個判斷特征重要性的分級模型；根據(jù)每個特征的重要性，將24個特征減少為20個；然后采用改進的粒子群算法、蟻群算法、遺傳算法和特征被選概率算法分別獲得較優(yōu)的特征組合，在一定的分級正確率下，特征個數(shù)分別減少