CN101762583A - 一种产地特色烟叶外观颜色的表征方法 - Google Patents
一种产地特色烟叶外观颜色的表征方法 Download PDFInfo
- Publication number
- CN101762583A CN101762583A CN200910227492A CN200910227492A CN101762583A CN 101762583 A CN101762583 A CN 101762583A CN 200910227492 A CN200910227492 A CN 200910227492A CN 200910227492 A CN200910227492 A CN 200910227492A CN 101762583 A CN101762583 A CN 101762583A
- Authority
- CN
- China
- Prior art keywords
- tobacco leaf
- color
- tobacco
- image
- component
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Manufacture Of Tobacco Products (AREA)
- Image Analysis (AREA)
Abstract
一种产地特色烟叶外观颜色的表征方法,其特征在于:把颜色在烟叶表面的随机分布在统计意义上看成一个分形结构,通过获得较高精度的烟叶数字图像并进行背景去除和分割处理;计算烟叶颜色各分量(红色、绿色、蓝色、亮度)不同阈值参数对应的分形维数,将其作为定量描述烟叶颜色表面分布状态的指标,绘制各颜色分量的分形维数变化曲线,分形维数变化曲线可以全面的反映烟叶颜色的表面分布状态;运用分形维数变化曲线能很好的表征产地特色烟叶外观颜色。采用此法建立的烟叶外观颜色的表征方法,既能够反映颜色的空间分布特征,又包含其累计特性。分形维数变化曲线可以全面的反映烟叶颜色的表面分布状态,体现了我国不同产地间烟叶颜色表达方式的区域特征。
Description
技术领域
本发明属于烟叶质量评价技术领域,具体涉及一种产地特色烟叶外观颜色的表征方法。
背景技术
烟叶外观颜色是直接反映烟叶品质的重要指标之一。在我国,烟叶的收购主要是依据统一的《烤烟》国家文字标准和地域性烤烟实物标样标准实施的。《烤烟》国家文字标准中,烟叶颜色分为柠檬黄、桔黄和红棕等,但在实际烤烟生产中,同类颜色烟叶在不同产地却存在较大差异,如同为桔黄颜色的烤烟,黄淮地区多为浅色桔黄,西南地区多为金黄,而东南地区则多为深色桔黄。实际上,烟叶的外观颜色特征具有较为明显的地域特性。然而,烟叶外观颜色评价多以分级专家的定性评价为主,判定结果容易受环境、光线以及个人主观感受差异等影响,因此不同地方的烟叶颜色差异难以体现。近年来,运用计算机图像处理技术、色度学理论等提取烟叶外观品质特征,对烟叶外观颜色进行了一些有意义的研究,但仍存在以下不足:(1)在烟叶颜色信息提取方面普遍采用颜色直方图计算颜色累计值,但缺乏考虑烟叶颜色的表面分布特性;(2)由于烟叶在烘烤过程中失水引起皱缩,所以即使在烟叶自然平铺的舒展状态时,烟叶表面也并非平整,拍摄的烟叶图像会在皱缩的地方出现局部的暗光;另外烟叶表面存在的微小病斑、破损以及烟叶主支脉的颜色都不能作为烟叶颜色。因此,为获取真实的烟叶颜色,需要将获取的数字烟叶图像进行分割预处理;(3)烟叶表面的呈色特性主要是由质体色素类、多酚类等显色物质在构成烟叶表面的最小单元(叶细胞)内组成比例的不同而呈现出来,导致烟叶颜色在烟叶表面的分布为随机的、无规律性,分布情况非常复杂,在现有文献资料中,还未见有相关报道。为了满足典型烟叶产区特色烟叶质量特征研究的需要,迫切需要建立一种能够客观、科学、准确表征不同产地烟叶外观颜色的方法。
发明内容
本发明的目的在于针对现有烟叶外观颜色评价方法的不足,提供一种能够准确表征不同产地烟叶外观颜色的方法。
本发明的目的通过以下技术方案予以实现。
本发明是基于“颜色分形”原理。被誉为大自然的几何学的分形理论(Fractal Theory),揭示了非线性***中有序与无序,确定性与随机性的统一,为我们研究一些复杂的自然现象提供了新的方法和手段。烟叶表面的呈色特性主要是由质体色素类、多酚类等显色物质在构成烟叶表面的最小单元(叶细胞)内组成比例的不同而呈现出来的。烟叶表面的这种呈色特性,用计盒分维数可以确切的反映出来,因为基于计盒维数原理计算出的数字图像盒维数本质上是反映图像(数据点)的空间几何特性。把颜色在烟叶表面的随机分布在统计意义上看成一个分形结构,通过获得较高精度的烟叶数字图像并进行背景去除和分割处理;计算烟叶颜色各分量(红色、绿色、蓝色、亮度)不同阈值参数对应的分形维数,将其作为定量描述烟叶颜色表面分布状态的指标,绘制各颜色分量的分形维数变化曲线,分形维数变化曲线可以全面的反映烟叶颜色的表面分布状态;运用分形维数变化曲线能很好的表征产地特色烟叶外观颜色。本发明采用RGB颜色空间,此模型是依照人类视觉的呈色机理表达物体的颜色信息,使用方便且易于表达。
本发明的产地特色烟叶外观颜色的表征方法,具体包括以下步骤:
1.产地特色烟叶样品的预处理:从均匀度好的样品烟叶中随机抽取5片烟叶,在标准空气条件下(温度22℃±1℃,相对湿度60%±3%)平衡大约24小时,烟叶含水率16%~18%,备用。
2.获取烟叶高分辨率数字图像:烟叶数字图像采集的环境条件为烟叶分级实验室标准环境条件(YC/T 291-2009,烟叶分级实验室环境条件[S])。在上述平衡好的样品中选取代表性烟叶1片,以计算机、数码相机为硬件***,模拟人眼观烟叶的角度,相机镜头与工作台面呈45°夹角;三脚架固定相机后定角度、定焦拍摄。图像分辨率为1024*768以上。由USB数据线及接口将图像直接传至计算机。
3.烟叶图像预处理:预处理过程主要包括两部分:首先用类差影法从图像中去除背景,其次采用基于子区域的区域生长方法,对经过背景去除的烟叶图像进行分割,去除烟叶表面存在的褶皱引起的暗光、微小病斑、破损以及烟叶主支脉的颜色。
4.烟叶颜色分形维数计算
4.1将烟叶图像各颜色分量在下述色值范围内(红色分量(R):140~220,绿色分量(G):90~170,蓝色分量(B):0~40,亮度分量(I):90~170)分为N个小阈值区间:140~R1,R1~R2,…,RN-1~220,…;根据需要,各颜色分量的N值可以相同或者不同,以此小阈值区间分别作为各颜色分量图像二值化的阈值参数(threshold parameters)。
4.2.将烟叶颜色图像的RGB及亮度各分量的图像,用各通道的阈值参数对每副图像二值化。即二值化后图像矩阵的元素值为0或1。
4.3.取初始小正方形的边长为r1(标尺长度),生成网格去覆盖图像,计算图像矩阵中包含1的方格的个数N(r1),得到一对坐标点(r1,N(r1))。
4.4.改变边长(标尺长度),重复步骤5,直到最大边长为止,从而得到m个点(ri,N(ri)),i=1,2…,m。
4.5.用对数模型做线性回归分析,计算拟合得到直线的斜率,各阈值参数对应的烟叶二值化图像的计盒分维数等于该直线的斜率。
4.6.上述4.1~4.5步骤涉及到的计算过程借助于FractalFox软件容易实现;
5.绘制各颜色分量的分形维数变化曲线
将获得的系列指标:FDR1_FDRN(描述红色分量的分形分布特征),FDG1_FDGN(描述绿色分量的分形分布特征),FDB1_FDBN(描述蓝色分量的分形分布特征),FDI1_FDIN(描述亮度分量的分形分布特征),利用计算机绘图,以小阈值区间为横坐标,以各颜色分量小阈值区间对应的分形维数值为纵坐标,得到各颜色分量的不同阈值参数下计盒分维数变化曲线,上述四个指标的曲线组合,用以表征该产地烟叶外观的颜色。
采用此法建立的烟叶外观颜色的表征方法,既能够反映颜色的空间分布特征,又包含其累计特性。分形维数变化曲线可以全面的反映烟叶颜色的表面分布状态,体现了我国不同产地间烟叶颜色表达方式的区域特征。为探索我国不同产区烟叶外观质量特色评价提供了新的思路和手段,具有一定实用价值。
附图说明
图1为云南弥勒烟叶原图像及处理后图像,其中a为获取的烟叶原数字图像,b为去掉背景后的烟叶图像,c为经图像分割去掉暗光、微小病斑以及主支脉后的烟叶图像。
图2为烟叶颜色分量计盒维数的计算流程图。借助Fractal Fox软件可得到定量表征烟叶颜色表面分布状态的系列指标:FDR1-FDRN(描述红色分量的分形分布特征),FDG1-FDGN(描述绿色分量的分形分布特征),FDB1-FDBN(描述蓝色分量的分形分布特征),FDI1-FDIN(描述亮度分量的分形分布特征)。
图3为不同阈值参数下云南弥勒烟叶各颜色分量计盒维数。(A)亮度图像不同阈值下计盒分维数(FDI1_FDI8);(B)红色R图像不同阈值下计盒分维数(FDR1_FDR8);(C)绿色G图像不同阈值下计盒分维数(FDG1_FDG8);(D)蓝色B图像不同阈值下计盒分维数(FDB1_FDB8)。
数字图像分形本质上是反映图像(数据点)的空间几何特性。烟叶颜色各分量不同阈值范围的计盒分维数越接近于2,表明对应阈值范围的颜色点越趋向于充满整个烟叶图像范围分布;计盒分维数在1附近,表明对应阈值范围的颜色点趋向于沿烟叶图像范围内某条直线分布;计盒分维数接近于0,表明对应阈值范围的颜色点是在烟叶图像范围内离散分布的一些小区域。依据计盒分维数的物理意义,可以得到以下信息:亮度值在130~150范围趋向分布在整个烟叶表面,在90~100范围趋向于沿直线分布;红色分量值在180~200范围趋向分布在整个烟叶表面,在140~150、210~220范围趋向于沿直线分布;绿色分量值在130~150范围趋向分布在整个烟叶表面,在90~100范围趋向于沿直线分布;蓝色分量值在10~25范围趋向分布在整个烟叶表面。这与提取的颜色特征均值(亮度:144,R:194,G:142,B:21)相吻合,表明不同阈值下烟叶颜色分量的分形维数既能够反映颜色的空间分布特征,又包含其累计特性。
图4为不同阈值参数下不同产地烟叶各颜色分量计盒分维数变化曲线。(A)亮度分量计盒维数变化曲线,(B)红色分量计盒维数变化曲线,(C)绿色分量计盒维数变化曲线,(D)蓝色分量计盒维数变化曲线。可以看出产地之间存在着较明显的差异。
运用涵盖烟叶颜色信息的阈值范围分段计算其颜色信息对应的分形维数,形成了一条分形维数变化曲线,曲线上的每个数据点反映了对应阈值范围的颜色分形维数。因此,采用分形维数变化曲线可以全面的反映烟叶颜色的表面分布状态。
尝试对不同产地烟叶亮度图像(图4-A)对应的分形维数变化曲线做趋势线分析,得到如下系列方程:
云南弥勒:y=-0.0077x3+0.0713x2-0.0593x+1.1794 R2=0.9974
云南蒙自:y=-0.0022x3+0.0272x2+0.0075x+1.0159 R2=0.9976
贵州大方:y=-0.0088x3+0.0918x2-0.1088x+1.0407 R2=0.9986
贵州威宁:y=-0.007x3+0.0723x2-0.0848x+1.1748 R2=0.9992
四川会理:y=-0.0095x3+0.0998x2-0.1619x+1.2578 R2=0.9986
四川宁南:y=-0.0092x3+0.0999x2-0.183x+1.3021 R2=0.9969
福建邵武:y=0.0032x4-0.0484x3+0.1845x2-0.1285x+1.5537 R2=0.9988
福建松溪:y=0.0017x4-0.0265x3+0.0853x2+0.0597x+1.3933 R2=1
湖南宁远:y=0.0033x4-0.0473x3+0.1665x2-0.0703x+1.5112 R2=0.991
湖南桑植:y=0.0031x4-0.0523x3+0.2432x2-0.2662x+1.515 R2=0.9929
河南郏县:y=-0.0063x3+0.0479x2-0.0101x+1.332 R2=0.9981
河南临颍:y=-0.011x3+0.0967x2-0.0855x+1.1313 R2=0.9967
山东莒县:y=-0.0046x3+0.0165x2+0.1616x+1.0981 R2=0.9903
山东诸城:y=-0.0046x3+0.0171x2+0.1521x+1.1208 R2=0.9883
福建及湖南产地烟叶图像亮度分量的分形维数变化曲线呈“~”型,需四阶多项式才能得到较好的拟合曲线;云南、贵州和四川产地烟叶图像亮度分量的分形维数变化曲线呈“倒勺”型,而河南和山东产地烟叶图像亮度分量的分形维数变化曲线近似呈抛物线型。不同产地烟叶红色分量(图4-B)和绿色分量(图4-C)图像对应的分形维数变化曲线型与上述描述相似;蓝色分量图像(图4-D)对应的分形维数变化曲线型略有不同。
具体实施方式
下面通过实施例对本发明做进一步详细说明。
实施例
烟叶样品从全国烤烟7个主要产烟省选取。各省选取两个代表性产地,共计14个烟叶样品。试验样品烟叶为2008年初烤烟叶,品种为产地主栽品种。样品信息见表1。
表1烟叶样品信息
注:等级C3F含义-表示该烟叶样品为中部烟叶桔黄颜色组3级;C3F为中部烟叶代表性等级,是试验中常用的烟叶等级。
1.产地特色烟叶样品的预处理:从均匀度好的14个样品烟叶中分别随机抽取5片烟叶,在标准空气条件下(温度22℃±1℃,相对湿度60%±3%)平衡大约24小时,烟叶含水率16%~18%,备用。
2.获取烟叶高分辨率数字图像:烟叶数字图像采集的环境条件为烟叶分级实验室标准环境条件。在上述平衡好的样品中分别选取代表性烟叶1片,以计算机、数码相机为硬件***,模拟人眼观烟叶的角度,相机镜头与工作台面呈45°夹角;三脚架固定相机后定角度、定焦拍摄。图像分辨率为3888*2592,JPEG格式存储。由USB数据线及接口将图像直接传至计算机。
3.烟叶图像预处理:将获得的14幅烟叶图像分别进行图像预处理,首先用类差影法从图像中去除背景,其次采用基于子区域的区域生长方法,对经过背景去除的烟叶图像进行分割,去除烟叶表面存在的褶皱引起的暗光、微小病斑、破损以及烟叶主支脉的颜色。如附图1所示。
4.烟叶颜色分形维数计算
将烟叶图像各颜色分量在下述色值范围内(红色分量(R):140~220,绿色分量(G):90~170,蓝色分量(B):0~40,亮度分量(I):90~170)分为8个小阈值区间:140~R1,R1~R2,…,R7~220,…以此小阈值区间分别作为各颜色分量图像二值化的阈值参数,上述4.1~4.5步骤涉及到的计算过程流程,见附图2。
借助于FractalFox软件计算得到定量表征烟叶颜色表面分布状态的系列指标:FDR1 _FDR8,FDG1_FDG8,FDB1_FDB8,FDI1_FDI9。如附图3所示。
5.绘制各颜色分量的分形维数变化曲线
利用计算机EXCEL软件绘图,以小阈值区间为横坐标,以各颜色分量小阈值区间对应的分形维数值为纵坐标,得到各颜色分量的不同阈值参数下计盒分维数变化曲线,上述四个指标的曲线组合,用以表征各产地烟叶外观的颜色。见附图4。
Claims (2)
1.一种产地特色烟叶外观颜色的表征方法,其特征在于:把颜色在烟叶表面的随机分布在统计意义上看成一个分形结构,通过获得较高精度的烟叶数字图像并进行背景去除和分割处理;计算烟叶颜色各分量(红色、绿色、蓝色、亮度)不同阈值参数对应的分形维数,将其作为定量描述烟叶颜色表面分布状态的指标,绘制各颜色分量的分形维数变化曲线,分形维数变化曲线可以全面的反映烟叶颜色的表面分布状态;运用分形维数变化曲线能很好的表征产地特色烟叶外观颜色。
2.根据权利要求1所述的产地特色烟叶外观颜色的表征方法,其特征在于:具体步骤如下:
1)产地特色烟叶样品的预处理:从均匀度好的样品烟叶中随机抽取5片烟叶,在标准空气条件下(温度22℃±1℃,相对湿度60%±3%)平衡大约24小时,烟叶含水率16%~18%,备用;
2)获取烟叶高分辨率数字图像:烟叶数字图像采集的环境条件为烟叶分级实验室标准环境条件(YC/T 291-2009,烟叶分级实验室环境条件[S]),在上述平衡好的样品中选取代表性烟叶1片,以计算机、数码相机为硬件***,模拟人眼观烟叶的角度,相机镜头与工作台面呈45°夹角;三脚架固定相机后定角度、定焦拍摄,图像分辨率为1024*768以上,由USB数据线及接口将图像直接传至计算机;
3)烟叶图像预处理:预处理过程主要包括两部分:首先用类差影法从图像中去除背景,其次采用基于子区域的区域生长方法,对经过背景去除的烟叶图像进行分割,去除烟叶表面存在的褶皱引起的暗光、微小病斑、破损以及烟叶主支脉的颜色;
4)烟叶颜色分形维数计算
a.将烟叶图像各颜色分量在下述色值范围内(红色分量(R):140~220,绿色分量(G):90~170,蓝色分量(B):0~40,亮度分量(I):90~170)分为N个小阈值区间:140~R1,R1~R2,...,RN-1~220,...;根据需要,各颜色分量的N值可以相同或者不同,以此小阈值区间分别作为各颜色分量图像二值化的阈值参数(threshold parameters);
b.将烟叶颜色图像的RGB及亮度各分量的图像,用各通道的阈值参数对每副图像二值化,即二值化后图像矩阵的元素值为0或1;
c.取初始小正方形的边长为r1(标尺长度),生成网格去覆盖图像,计算图像矩阵中包含1的方格的个数N(r1),得到一对坐标点(r1,N(r1));
d.改变边长(标尺长度),重复步骤5,直到最大边长为止,从而得到m个点(ri,N(ri)),i=1,2...,m;
e.用对数模型做线性回归分析,计算拟合得到直线的斜率,各阈值参数对应的烟叶二值化图像的计盒分维数等于该直线的斜率;
f.上述4.1~4.5步骤涉及到的计算过程借助于FractalFox软件容易实现;
5)绘制各颜色分量的分形维数变化曲线
将获得的系列指标:FDR1_FDRN(描述红色分量的分形分布特征),FDG1_FDGN(描述绿色分量的分形分布特征),FDB1_FDBN(描述蓝色分量的分形分布特征),FDI1_FDIN(描述亮度分量的分形分布特征),利用计算机绘图,以小阈值区间为横坐标,以各颜色分量小阈值区间对应的分形维数值为纵坐标,得到各颜色分量的不同阈值参数下计盒分维数变化曲线,上述四个指标的曲线组合,用以表征该产地烟叶外观的颜色。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009102274927A CN101762583B (zh) | 2009-12-16 | 2009-12-16 | 一种产地特色烟叶外观颜色的表征方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009102274927A CN101762583B (zh) | 2009-12-16 | 2009-12-16 | 一种产地特色烟叶外观颜色的表征方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101762583A true CN101762583A (zh) | 2010-06-30 |
CN101762583B CN101762583B (zh) | 2011-07-27 |
Family
ID=42493874
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2009102274927A Active CN101762583B (zh) | 2009-12-16 | 2009-12-16 | 一种产地特色烟叶外观颜色的表征方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101762583B (zh) |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102392068A (zh) * | 2011-08-17 | 2012-03-28 | 中国科学院过程工程研究所 | 一种在线原位监测固态发酵真菌生物量的方法 |
CN102607475A (zh) * | 2012-04-10 | 2012-07-25 | 中国烟草总公司郑州烟草研究院 | 一种利用Photoshop软件测定烤后烟叶细胞面积的方法 |
CN102621171A (zh) * | 2012-04-10 | 2012-08-01 | 中国烟草总公司郑州烟草研究院 | 一种利用Photoshop软件测定烤后烟叶表面细胞间隙的方法 |
CN102968616A (zh) * | 2012-10-25 | 2013-03-13 | 中国电子科技集团公司第四十一研究所 | 烟支空头检测过程中浅黄色烟丝识别并加深的方法 |
CN102967264A (zh) * | 2012-12-07 | 2013-03-13 | 中国科学院新疆生态与地理研究所 | 一种基于数码图像技术获取灌木分枝长度的方法 |
CN103637395A (zh) * | 2013-12-04 | 2014-03-19 | 上海烟草集团有限责任公司 | 一种造纸法再造烟叶表面颜色的调控方法 |
CN103976468A (zh) * | 2014-04-30 | 2014-08-13 | 河南科技大学 | 一种烟叶分级方法 |
CN104089895A (zh) * | 2014-07-24 | 2014-10-08 | 四川农业大学 | 一种大豆叶片的光合色素测定方法及*** |
CN105092486A (zh) * | 2015-08-31 | 2015-11-25 | 中国烟草总公司广东省公司 | 一种烟草分级方法 |
CN105231481A (zh) * | 2015-11-11 | 2016-01-13 | 云南中烟工业有限责任公司 | 一种基于颜色判别的烟梗分组加工方法 |
CN104713835B (zh) * | 2015-03-25 | 2017-09-29 | 上海烟草集团有限责任公司 | 一种烟叶颜色在线数值化识别方法 |
CN107341807A (zh) * | 2017-06-07 | 2017-11-10 | 北京科技大学 | 一种提取烟叶颜色数字化表达特征值的方法 |
CN107462561A (zh) * | 2017-09-09 | 2017-12-12 | 华中农业大学 | 烟叶病斑性状荧光动态自动检测装置及方法 |
CN107657610A (zh) * | 2017-09-29 | 2018-02-02 | 哈尔滨工业大学 | 一种基于计盒方法的ct扫描结果分析方法 |
CN107941802A (zh) * | 2017-10-31 | 2018-04-20 | 华中农业大学 | 基于机器视觉的盆栽水稻卷叶程度测量方法 |
CN108896551A (zh) * | 2018-04-17 | 2018-11-27 | 郑州轻工业学院 | 基于分形维数的卷烟灰柱裂纹分布特征的定量表征方法 |
CN110111263A (zh) * | 2019-03-29 | 2019-08-09 | 中国地质大学(武汉) | 一种基于图像处理的烤烟种植指导*** |
CN110288066A (zh) * | 2019-06-12 | 2019-09-27 | 广州鼎宁信息科技有限公司 | 一种基于根式函数的分形图形集的生成及参数检测方法 |
CN111199545A (zh) * | 2020-01-07 | 2020-05-26 | 云南省烟草烟叶公司 | 一种基于机器视觉鉴别初烤烟叶颜色的方法 |
CN111199344A (zh) * | 2019-12-25 | 2020-05-26 | 云南省烟草烟叶公司 | 一种控制烟叶分选过程中纯度的方法 |
CN111466605A (zh) * | 2020-04-23 | 2020-07-31 | 贵州省烟草科学研究院 | 基于rgb值测定烟叶烘烤变黄变褐程度的方法、***及装置 |
CN112288719A (zh) * | 2020-10-29 | 2021-01-29 | 中国水产科学研究院渔业机械仪器研究所 | 一种海带含水率诊断方法 |
CN113919443A (zh) * | 2021-02-24 | 2022-01-11 | 北京优创新港科技股份有限公司 | 一种基于图像分析烟叶成熟度状态概率计算方法 |
-
2009
- 2009-12-16 CN CN2009102274927A patent/CN101762583B/zh active Active
Cited By (36)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102392068A (zh) * | 2011-08-17 | 2012-03-28 | 中国科学院过程工程研究所 | 一种在线原位监测固态发酵真菌生物量的方法 |
CN102607475A (zh) * | 2012-04-10 | 2012-07-25 | 中国烟草总公司郑州烟草研究院 | 一种利用Photoshop软件测定烤后烟叶细胞面积的方法 |
CN102621171A (zh) * | 2012-04-10 | 2012-08-01 | 中国烟草总公司郑州烟草研究院 | 一种利用Photoshop软件测定烤后烟叶表面细胞间隙的方法 |
CN102968616B (zh) * | 2012-10-25 | 2015-09-02 | 中国电子科技集团公司第四十一研究所 | 烟支空头检测过程中浅黄色烟丝识别并加深的方法 |
CN102968616A (zh) * | 2012-10-25 | 2013-03-13 | 中国电子科技集团公司第四十一研究所 | 烟支空头检测过程中浅黄色烟丝识别并加深的方法 |
CN102967264A (zh) * | 2012-12-07 | 2013-03-13 | 中国科学院新疆生态与地理研究所 | 一种基于数码图像技术获取灌木分枝长度的方法 |
CN102967264B (zh) * | 2012-12-07 | 2015-11-11 | 中国科学院新疆生态与地理研究所 | 一种基于数码图像技术获取灌木分枝长度的方法 |
CN103637395A (zh) * | 2013-12-04 | 2014-03-19 | 上海烟草集团有限责任公司 | 一种造纸法再造烟叶表面颜色的调控方法 |
CN103976468A (zh) * | 2014-04-30 | 2014-08-13 | 河南科技大学 | 一种烟叶分级方法 |
CN104089895A (zh) * | 2014-07-24 | 2014-10-08 | 四川农业大学 | 一种大豆叶片的光合色素测定方法及*** |
CN104089895B (zh) * | 2014-07-24 | 2016-08-24 | 四川农业大学 | 一种大豆叶片的光合色素测定方法及*** |
CN104713835B (zh) * | 2015-03-25 | 2017-09-29 | 上海烟草集团有限责任公司 | 一种烟叶颜色在线数值化识别方法 |
CN105092486A (zh) * | 2015-08-31 | 2015-11-25 | 中国烟草总公司广东省公司 | 一种烟草分级方法 |
CN105231481A (zh) * | 2015-11-11 | 2016-01-13 | 云南中烟工业有限责任公司 | 一种基于颜色判别的烟梗分组加工方法 |
CN105231481B (zh) * | 2015-11-11 | 2017-01-11 | 云南中烟工业有限责任公司 | 一种基于颜色判别的烟梗分组加工方法 |
CN107341807A (zh) * | 2017-06-07 | 2017-11-10 | 北京科技大学 | 一种提取烟叶颜色数字化表达特征值的方法 |
CN107341807B (zh) * | 2017-06-07 | 2020-05-12 | 北京科技大学 | 一种提取烟叶颜色数字化表达特征值的方法 |
CN107462561A (zh) * | 2017-09-09 | 2017-12-12 | 华中农业大学 | 烟叶病斑性状荧光动态自动检测装置及方法 |
CN107657610B (zh) * | 2017-09-29 | 2020-10-16 | 哈尔滨工业大学 | 一种基于计盒方法的ct扫描结果分析方法 |
CN107657610A (zh) * | 2017-09-29 | 2018-02-02 | 哈尔滨工业大学 | 一种基于计盒方法的ct扫描结果分析方法 |
CN107941802A (zh) * | 2017-10-31 | 2018-04-20 | 华中农业大学 | 基于机器视觉的盆栽水稻卷叶程度测量方法 |
CN107941802B (zh) * | 2017-10-31 | 2020-05-08 | 华中农业大学 | 基于机器视觉的盆栽水稻卷叶程度测量方法 |
CN108896551B (zh) * | 2018-04-17 | 2021-01-26 | 郑州轻工业学院 | 基于分形维数的卷烟灰柱裂纹分布特征的定量表征方法 |
CN108896551A (zh) * | 2018-04-17 | 2018-11-27 | 郑州轻工业学院 | 基于分形维数的卷烟灰柱裂纹分布特征的定量表征方法 |
CN110111263B (zh) * | 2019-03-29 | 2021-08-27 | 中国地质大学(武汉) | 一种基于图像处理的烤烟种植指导*** |
CN110111263A (zh) * | 2019-03-29 | 2019-08-09 | 中国地质大学(武汉) | 一种基于图像处理的烤烟种植指导*** |
CN110288066A (zh) * | 2019-06-12 | 2019-09-27 | 广州鼎宁信息科技有限公司 | 一种基于根式函数的分形图形集的生成及参数检测方法 |
CN111199344A (zh) * | 2019-12-25 | 2020-05-26 | 云南省烟草烟叶公司 | 一种控制烟叶分选过程中纯度的方法 |
CN111199344B (zh) * | 2019-12-25 | 2022-08-02 | 云南省烟草烟叶公司 | 一种控制烟叶分选过程中纯度的方法 |
CN111199545A (zh) * | 2020-01-07 | 2020-05-26 | 云南省烟草烟叶公司 | 一种基于机器视觉鉴别初烤烟叶颜色的方法 |
CN111199545B (zh) * | 2020-01-07 | 2023-02-24 | 云南省烟草烟叶公司 | 一种基于机器视觉鉴别初烤烟叶颜色的方法 |
CN111466605A (zh) * | 2020-04-23 | 2020-07-31 | 贵州省烟草科学研究院 | 基于rgb值测定烟叶烘烤变黄变褐程度的方法、***及装置 |
CN111466605B (zh) * | 2020-04-23 | 2022-04-01 | 贵州省烟草科学研究院 | 基于rgb值测定烟叶烘烤变黄变褐程度的方法、***及装置 |
CN112288719A (zh) * | 2020-10-29 | 2021-01-29 | 中国水产科学研究院渔业机械仪器研究所 | 一种海带含水率诊断方法 |
CN113919443A (zh) * | 2021-02-24 | 2022-01-11 | 北京优创新港科技股份有限公司 | 一种基于图像分析烟叶成熟度状态概率计算方法 |
CN113919443B (zh) * | 2021-02-24 | 2022-04-12 | 北京优创新港科技股份有限公司 | 一种基于图像分析烟叶成熟度状态概率计算方法 |
Also Published As
Publication number | Publication date |
---|---|
CN101762583B (zh) | 2011-07-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101762583B (zh) | 一种产地特色烟叶外观颜色的表征方法 | |
AU2016343295B2 (en) | Spectral reconstruction | |
Zhu et al. | Earliest known coelacanth skull extends the range of anatomically modern coelacanths to the Early Devonian | |
CN110415181A (zh) | 一种开放环境下烤烟rgb图像智能识别及等级判定方法 | |
CN106250896B (zh) | 基于图像采集装置的在线烟叶的正反面的识别方法 | |
CN102359963B (zh) | 利用图像分析法测定烟梗长梗率的方法 | |
JP2012530287A5 (zh) | ||
CN102679883A (zh) | 一种基于图像处理的烟丝宽度测量方法 | |
CN110126058A (zh) | 一种基于ct可视化和3d打印的岩样制备方法 | |
Guo et al. | The foundation of a color-chip evaluation system of jadeite-jade green with color difference control of medical device | |
CN103971367B (zh) | 水文资料图像分割方法 | |
CN107358177A (zh) | 一种基于图像分析的中远距离行人检测方法及终端设备 | |
Fu et al. | Discrimination analysis of coal and gangue using multifractal properties of optical texture | |
Shi et al. | Automated quantitative image analysis of hematoxylin-eosin staining slides in lymphoma based on hierarchical Kmeans clustering | |
Luengo-Sanchez et al. | A univocal definition of the neuronal soma morphology using Gaussian mixture models | |
CN116862456B (zh) | 一种基于图像处理的中药生产监视控制***及方法 | |
CN108871187B (zh) | 一种卷烟烟丝卷曲度的定量表征方法 | |
Cumbrera et al. | Fractal scaling of apparent soil moisture estimated from vertical planes of Vertisol pit images | |
CN105139361B (zh) | 一种基于非线性优化的fpm算法的图像超分辨率重建方法 | |
CN104720813B (zh) | 用于表示肤色的标准色卡的获取方法及其应用 | |
Duarte-Neto et al. | Multifractal properties of a closed contour: a peek beyond the shape analysis | |
He et al. | Method for grade identification of tobacco based on machine vision | |
CN114418911B (zh) | 一种对遥感影像统计回归降尺度并提高水体清晰度的方法 | |
CN113838123B (zh) | 基于图像处理的烟丝形貌特征的测量方法 | |
Wang et al. | Uniformity evaluation of temperature field in an oven based on image processing |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |