文档介绍：摘要:在对烟叶品质进行图像处理过程中,借助 MATLAB 图像处理工具箱和神经网络技术,对各种类型的烟叶的数字图像进行计算机视觉分析,包括边缘检测、轮廓提取、用图像工具箱抽取烟叶数字图像特征,将待测烟叶样本与标准烟叶样本进行自适应学习训练, 最后迭到自动识别待测烟叶样本的品质的智能评定,由此推进烟叶生产过程的技术创新。关键词:烟叶数字图像;边缘处理;形态学变换;特征抽取;智能识别 1 引言烟叶是烟草工业的基础原料,代写论文对烟草工业生产质量和烟草行业经营效益具有举足轻重的作用。对烟叶生产过程的各个环节包括烟叶品质的智能识别进行技术创新,提高品质和效率,是一个前沿研究方向[1][5] 。当前这一方面的研究,主要集中在数字图像处理方面,把烟叶品质的数字图像处理与神经网络技术相结合,实现烟叶品质的智能识别,是一个极有价值的工作。以下在此方面作出一个系统的、较为完备的、易于实际操作的研究。 2 主要技术手段 MA Ⅱ AB 图像处理工具箱在 MATLAB 平台上,借助图像处理工具箱,可以简易明快地实现对烟叶数字图像的图像处理。在烟叶生产一线,用数码照相机对各种烟叶样本进行拍照,输入计算机,用 MAT_LAB 将它转换为各(. bmp ;. jpeg ;. gif ;. png ;. t 图片以便进行图像处理。成本低,精确度高,宜于普及推广。获取各种类型的烟叶数字图像以后,经阈值使用权图像二值化,可以当即辨识出这一图像是否具有何种类型的病虫害或品质异变。利用烟叶数字图像的边缘检测、轮廓提取等分析命令,获得待测烟叶的图像参数和特征,再由神经网络技术,完成对烟叶品质的智能识别。神经网络技术神经网络是一个新的智能识别工具。代写毕业论文经过训练的神经网络能够存储与过程有关的信息,能直接从历史数据中学习,经过用各种烟叶样本训练和学习的神经网络,能自动地识别出待测烟叶样本的品质类型。而且,神经网络具有滤除噪声及在有噪声情况下得出正确结论的能力。这一点对于烟叶生产实际中大量存在各种噪声信息的情况而言,特别重要。它特别适合在线识别。 3 应用 MATLAB 图像处理工具箱和神经网络技术对烟叶品质智能识别的操作过程烟叶图片样本库的建立用数码相机或其它数字图像采集工具, 采集各种类型的烟叶的标准图片,分类归档,借助 MATLAB 图像变换功能,将各种类型的烟叶的标准图片,转换成各种图片形式:. bmp ;. jpeg ;. sir ;. png ;. tif 等,以便随时调用。这些烟叶图片,有不同品质的样本;还有各种病虫害标本和变异标本。