基于轮廓纹理特征和线性判别分析的鲜烟叶部位识别方法

doi:10.15933/j.cnki.1004-3268.2022.10.018

河南农业科学 ›› 2022, Vol. 51 ›› Issue (10): 161-168.DOI: 10.15933/j.cnki.1004-3268.2022.10.018

• 农业信息与工程·农产品加工 • 上一篇下一篇

基于轮廓纹理特征和线性判别分析的鲜烟叶部位识别方法

赵晨¹，赵浩斌²，路晓崇¹，张晓阳³，白涛⁴，毛岚⁴，宋朝鹏¹，王涛⁴

（1.河南农业大学烟草学院，河南郑州 450002；2.河南省烟草公司，河南郑州 450018；3.山东中烟工业有限责任公司，山东济南 250014；4.云南省烟草公司曲靖市公司，云南曲靖 655000）

收稿日期:2022-05-10 出版日期:2022-10-15 发布日期:2022-12-12
通讯作者: 王涛（1988-），男，福建福州人，农艺师，硕士，主要从事烟叶生产管理与技术推广工作。E-mail：411159344@qq.com
作者简介:赵晨（1998-），女，河南平顶山人，在读硕士研究生，研究方向：烟草调制技术。E-mail：qchen54533@qq.com
基金资助:
中国烟草总公司科技重点研发项目（110202102007）；中国烟草总公司云南省公司资助项目（2021530000241036）

Green Tobacco Position Identification Method Based on Contour‑Texture Features and LDA

ZHAO Chen¹，ZHAO Haobin²，LU Xiaochong¹，ZHANG Xiaoyang³，BAI Tao⁴，MAO Lan⁴，SONG Zhaopeng¹，WANG Tao⁴

（1.College of Tobacco，Henan Agricultural University，Zhengzhou 450002，China；2.Tobacco Company of Henan
Province，Zhengzhou 450018，China；3.China Tobacco Shandong Industry Co.，Ltd.，Jinan 250014，China；4.Qujing Tobacco Company of Yunnan Province，Qujing 655000，China）

Received:2022-05-10 Published:2022-10-15 Online:2022-12-12

摘要/Abstract

摘要： 为实现鲜烟叶采收部位的数字化识别，进一步提升采收鲜烟叶素质的一致性，利用轮廓纹理特征和线性判别分析（LDA）技术对不同着生部位鲜烟叶进行研究，首先，对采集的鲜烟叶图像进行图像缩放、灰度化、二值化等预处理操作，提取狭长度、矩形度等4个轮廓特征参数，进而提取鲜烟叶图像的灰度共生矩阵（GLCM）特征，并通过LDA进行特征降维，之后利用K近邻算法（KNN）对鲜烟叶部位进行分类。结果表明，所提取未经降维处理的轮廓纹理特征在不同分类模型中的识别准确率均达到0.80以上，可有效反映鲜烟叶部位特征。相对于主成分分析（PCA）处理和未经降维处理，采用LDA降维处理的模型识别准确率最高。所构建的基于KNN算法的鲜烟叶部位识别模型，其精确率、召回率、F1分数、准确率均达到0.99，能够较好地识别鲜烟叶着生部位。

关键词: 鲜烟叶部位, 特征识别, 轮廓纹理特征合, 线性判别分析, 图像识别

Abstract: The objective of this paper was to realize the digital identification of the harvest position of green tobacco leaves，and improve the consistency of the quality of green tobacco leaves harvested.In this paper，tobacco leaves images were taken as the research object，a K‑nearest neighbor algorithm（KNN）recognition method based on contour‑texture characteristics and linear discriminant analysis（LDA）was proposed.Firstly，the pre‑processing operations such as image scaling，grayscale and binarization were performed on the collected green tobacco images，and four contour feature parameters such as narrow length degree，rectangularity were extracted. The gray level co‑occurrence matrix（GLCM） features extracted based on green tobacco images were fused，and the features were reduced by LDA.Finally，the KNN was used to classify green tobacco positions.The recognition accuracy of the extracted contour‑texture features without dimensionality reduction reached more than 0.80 in different classification models，which could reflect the green tobacco leaf position features effectively.The recognition accuracy of the model with LDA dimensionality reduction was the highest compared with that with PCA and without dimensionality reduction.The accuracy，recall rate，F1 score，and precision of the constructed KNN algorithm‑based green tobacco leaf position recognition model all reached 0.99，which can better identify the green tobacco leaf bearing positions.

Key words: Green tobacco leaves position, Feature recognition, Contour?texture feature, Linear discriminant analysis, Image recognition

中图分类号:

S126

赵晨, 赵浩斌, 路晓崇, 张晓阳, 白涛, 毛岚, 宋朝鹏, 王涛. 基于轮廓纹理特征和线性判别分析的鲜烟叶部位识别方法[J]. 河南农业科学, 2022, 51(10): 161-168.

ZHAO Chen, ZHAO Haobin, LU Xiaochong, ZHANG Xiaoyang, BAI Tao, MAO Lan, SONG Zhaopeng, WANG Tao. Green Tobacco Position Identification Method Based on Contour‑Texture Features and LDA[J]. Journal of Henan Agricultural Sciences, 2022, 51(10): 161-168.

参考文献

［1］过伟民，尹启生，张艳玲，等.烤烟部位间叶面微观形态特征的差异及其与部分外观、物理指标的关系［J］.中国烟草学报，2017，23（1）：62‑68.
GUO W M，YIN Q S，ZHANG Y L，et al.Surface microscopic morphology characteristics of flue‑cured tobacco from different stalk positions and their relationships with selected apparent and physical quality indexes［J］.Acta Tabacaria Sinica，2017，23（1）：62‑68.
［2］潘若瑜，唐春平，汤婷，等.湖南南岭丘陵生态区烤烟物理指标特征及分区研究［J］.湖南农业科学，2021（11）：87‑90.
PAN R Y，TANG C P，TANG T，et al.Zonal research and physical trait characteristics of flue‑cured tobacco in Nanling Hills area of Hunan［J］.Hunan Agricultural Sciences，2021（11）：87‑90.
［3］夏春，李寒雪，孙觅，等.烤烟不同部位叶片超微结构与常规化学成分的关系［J］.湖南农业大学学报（自然科学版），2020，46（2）：150‑156.
XIA C，LI H X，SUN M，et al.Ultrastructural differences of flue‑cured tobacco from different stalk positions and their relationship with chemical components［J］.Journal of Hunan Agricultural University（Natural Sciences），2020，46（2）：150‑156.
［4］蔡杰，朱国蕾，孙晓燕，等.基于不同部位烟叶外观特征与内在质量分析研究［J］.农业与技术，2019，39（13）：27‑28.
CAI J，ZHU G L，SUN X Y，et al.Based on the analysis of the appearance characteristics and internal quality of
tobacco leaves in different parts［J］.Agriculture and Technology，2019，39（13）：27‑28.
［5］郭婷，杨坤，肖文锋，等.郴州烟区不同叶位烤烟叶片感官质量差异及部位划分［J］.中国烟草科学，2021，42（1）：73‑78.
GUO T，YANG K，XIAO W F，et al.Difference of sensory quality and stalk position classification of flue‑cured tobacco leaves at different leaf positions in Chenzhou［J］.Chinese Tobacco Science，2021，42（1）：73‑78.
［6］高凤，杨玲琼，贾春雷，等.不同素质烤烟烘烤效果分析［J］.安徽农学通报，2022，28（3）：136‑139.
GAO F，YANG L Q，JIA C L，et al.Analysis of the baking effect of flue‑cured tobacco of different qualities［J］.Anhui Agricultural Science Bulletin，2022，28（3）：136‑139.
［7］王传义，张忠锋，徐秀红，等.烟叶烘烤特性研究进展［J］.中国烟草科学，2009，30（1）：38‑41.
WANG C Y，ZHANG Z F，XU X H，et al.Advances in the study of tobacco baking characteristics［J］.Chinese Tobacco Science，2009，30（1）：38‑41.
［8］杨会仙，范美勋.烤烟交接部位烟叶混级原因分析及解决措施［J］.农业技术与装备，2021（2）：53‑54.
YANG H X，FAN M X.Analysis of the causes of mixed grades of tobacco leaves in roasted tobacco handover parts
and measures to solve them［J］.Agricultural Technology and Equipment，2021（2）：53‑54.
［9］宋彦，谢汉垒，宁井铭，等.基于机器视觉形状特征参数的祁门红茶等级识别［J］.农业工程学报，2018，34（23）：279‑286.
SONG Y，XIE H L，NING J M，et al.Grading Keemun black tea based on shape feature parameters of machine
vision［J］.Transactions of the CSAE，2018，34（23）：279‑286.
［10］陶华伟，赵力，奚吉，等.基于颜色及纹理特征的果蔬种类识别方法［J］.农业工程学报，2014，30（16）：305‑311.

TAO H W，ZHAO L，XI J，et al.Fruits and vegetables recognition based on color and texture features［J］.Transactions of the CSAE，2014，30（16）：305‑311.

［11］燕娅，周晓锋，汤哲，等.基于SVM-KNN茶叶图像纹理分类［J］.中国茶叶加工，2016，144（6）：5‑9.
YAN Y，ZHOU X F，TANG Z，et al.Texture classification of tea images based on SVM‑KNN［J］.China Tea Processing，2016，144（6）：5‑9.
［12］BEGHIN T，COPE J S，REMAGNINO P，et al.Shape and texture based plant leaf classification［C］.Heidelberg： Springer Berlin Heidelberg， 2010：345‑353.
［13］李翠英，贺立源，马文杰，等.采用轮廓特征的烟叶部位组分类研究［J］.计算机工程与应用，2009，45（26）：236‑239.
LI C Y，HE L Y，MA W J，et al.Research of tobacco grading based on outline feature［J］.Computer Engineering and Applications，2009，45（26）：236‑239.
［14］魏扬帆.一种基于颜色特征的烟叶分级算法设计及系统实现［D］.北京：北京交通大学，2014.
WEI Y F.A color feature‑based tobacco grading algorithm design and system implementation［D］.Beijing：Beijing Jiaotong University，2014.
［15］庄珍珍，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.
ZHUANG Z Z，ZHU S P，SUN X J，et al.Automatic tobacco leaf grouping method based on machine vision
［J］.Journal of Southwest Normal University（Natural Science Edition），2016，41（4）：122‑129.
［16］申振宇，申金媛，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］.计算机与数字工程，2012，40（7）：122‑124.
SHEN Z Y，SHEN J Y，LIU J J，et al.Application of neural network‑based feature analysis in tobacco grading［J］.Computer & Digital Engineering，2012，40（7）：122‑124.
［17］SABZI S，ABBASPOUR‑GILANDEH Y，JAVADIKIA H.Machine vision system for the automatic segmentation of
plants under different lighting conditions［J］.Biosystems Engineering，2017，161（9）：157‑173.
［18］朱静，田兴军，陈彬，等.植物叶形的计算机识别系统［J］.植物学通报，2005，23（5）：89‑94.
ZHU J，TIAN X J，CHEN B，et al.Computer recognition system for plant leaf shape［J］.Chinese Bulletin of Botany，2005，23（5）：89‑94.
［19］GUYER D E，MILES G E，GAULTNEY L D，et al.Application of machine vision to shape analysis in leaf and plant identification［J］.Transaction of the ASABE，1993，36（1）：163‑171.
［20］王晓峰，黄德双，杜吉祥，等.叶片图像特征提取与识别技术的研究［J］.计算机工程与应用，2006（3）：190‑193.
WANG X F，HUANG D S，DU J X，et al.Research on leaf image feature extraction and recognition techniques［J］.Computer Engineering and Applications，2006（3）：190‑193.
［21］薄华，马缚龙，焦李成.图像纹理的灰度共生矩阵计算问题的分析［J］.电子学报，2006，34（1）：155‑158．
BO H，MA F L，JIAO L C.Research on computation of GLCM of image texture［J］.Acta Electronica Sinica，2006，34（1）：155‑158．
［22］王廷贤，郑小雨，张广东，等.烤烟生态环境和纹理特征的典型相关分析［J］.昆明学院学报，2019，41（6）：18‑23.
WANG T X，ZHENG X Y，ZHANG G D，et al.Typical correlation analysis between flue‑cured tobacco ecological environment and texture characteristics［J］.Journal of Kunming University，2019，41（6）：18‑23.
［23］陈飞程，杨懿德，李常军，等.基于图像信息的烤烟烘烤过程中烟叶含水率预测［J］.西南农业学报，2021，34（11）：2378‑2384.
CHEN F C，YANG Y D，LI C J，et al.Moisture content prediction of tobacco leaf in baking process based on image information［J］.Southwest China Journal of Agricultural Sciences，2021，34（11）：2378‑2384.
［24］刘立芳，杨海霞，齐小刚.基于线性判别分析的时频域特征提取算法［J］.系统工程与电子技术，2019，41（10）：2184‑2190.
LIU L F，YANG H X，QI X G.Time‑frequency domain feature extraction algorithm based on linear discriminant
analysis［J］.Systems Engineering and Electronics，2019，41（10）：2184‑2190.
［25］VARATHARAJAN R，MANOGARAN G，PRIYAN M K.A big data classification approach using LDA with an enhanced SVM method for ECG signals in cloud computing［J］.Multimedia Tools and Applications，2018，77（8）：10195‑10215.
［26］CHAKI J，PAREKH R，BHATTACHARYA S. Plant leaf recognition using texture and shape features with neural classifiers［J］.Pattern Recognition Letters，2015，58（6）：61‑68.

[1]	于雁南, 莫泳彬, 严继池, 熊春林, 窦世卿, 杨荣峰. 基于改进ShuffleNet V2 的柑橘病害识别研究[J]. 河南农业科学, 2024, 53(1): 142-151.
[2]	马茵驰, 韦惟, 周超. 基于摄食状态图像识别技术的锦鲤产量估算方法研究[J]. 河南农业科学, 2021, 50(5): 149-156.
[3]	冯晓, 李丹丹, 王文君, 郑国清, 刘海礁, 孙永胜, 梁山, 杨莹, 臧贺藏, 张辉. 基于轻量级卷积神经网络和迁移学习的小麦叶部病害图像识别[J]. 河南农业科学, 2021, 50(4): 174-180.
[4]	赵建敏，芦建文. 基于字典学习的马铃薯叶片病害图像识别算法[J]. 河南农业科学, 2018, 47(4): 154-160.
[5]	于国庆，郝若帆，马洪涛，吴赛敏，陈梦雅. 基于图像处理和支持向量机的粉碎性秸秆覆盖率的图像识别方法研究[J]. 河南农业科学, 2018, 47(11): 155-160.
[6]	刘丽娟，刘仲鹏，程芳. 玉米生长期叶部病害图像识别预处理研究[J]. 河南农业科学, 2013, 42(10): 91-94.
[7]	张红涛;胡玉霞;赵明茜;邱道尹;张孝远;张恒源. 田间害虫图像识别中的特征提取与分类器设计研究[J]. 河南农业科学, 2008, 37(9): 73-75.
[8]	张红涛;胡玉霞;刘新宇;邱道尹. 农田害虫实时检测装置的设计与实现[J]. 河南农业科学, 2007, 36(12): 63-65.

基于轮廓纹理特征和线性判别分析的鲜烟叶部位识别方法

Green Tobacco Position Identification Method Based on Contour‑Texture Features and LDA

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 8

编辑推荐

Metrics