李波 张仲文 章程 钟永健 葛川 龚涛 王鹏

摘    要：为实现烟叶颜色数字化，分析了不同颜色模型在烟叶颜色、色度测定方面的运用效果，结果显示：烟叶颜色测定采用Lab颜色模型较好;烟叶亮度和饱和度测定时需同时具备Lab和HSV颜色模型转换方式;烟叶色度均匀度测定时需运用新型图像分割、识别技术并结合传统均匀度评价方法，建立一种新型的烟叶色度均匀度数字化评价方法。

关键词：外观特征;烟叶颜色;颜色模型;数字化

中图分类号：TS44         文献标识码：A         DOI 编码：10.3969/j.issn.1006-6500.2021.07.011

Abstract：In order to realize the digitization of tobacco leaf color， the application effect of different color models in tobacco color and chroma measurement was analyzed. The results showed：the Labcolor model was better for tobacco color measurement; the conversion method of LAB and HSV color model was required for the measurement of tobacco leaf brightness and saturation; it was necessary to establish a new digital evaluation method of tobacco leaf color uniformity by using new image segmentation and recognition technology combined with traditional evaluation method.

Key words： appearance characteristics;tobacco color;color model;digitization

烟叶颜色是一个极为重要的外观特征，与烟叶部位、等级的判定具有紧密相关性，是人工等级判定的重要影响因素[1-2]。烟叶的颜色随着储存时间的延长，烟叶颜色发生着显著的变化[2-3]，若以烟叶颜色为主要特征运用深度学习等智能算法实现等级识别是非常不稳定的，若要将烟叶颜色运用到等级识别中去，必须实现烟叶颜色的数字化测量，然后根据分级要求进行类别划分，使烟叶颜色通过简单算法辅助烟叶部位、等级判定[4-5]。

颜色是最直观的烟叶外观质量评价因素，而且又与烟叶品质密切相关，所以在烟叶的分级应用中具有重要作用。烟叶基本色常因产地、品种、部位、等级、贮存养护等因素变化而变化。烟叶的颜色主要由颜色和色度两个部分组成[6]，不同的颜色特征指标不能单纯的运用某种颜色模型进行强行测定并划分，需要根据不同颜色特征需要运用适合的颜色模型，才能实现烟叶颜色在等级识别中的合理化运用[7]。刘新民[8]通过颜色量化方法研究表明，不同产区同一等级的烟叶颜色量化结果有较大差异。李悦等[7]测定了不同部位烟叶颜色值并进行了视觉颜色判定，烟叶颜色值聚类结果与外观颜色档次一致。刘赐德等[9]提取烟叶图像的颜色分量，以RGB颜色分量和HSV分量为聚类样本点进行K-means聚类分割，结果表明基于HSV颜色空间模型对烟叶分割效果比较好，适用于对烟叶的图像分割。顾金梅等[10]分析RGB、HIS及HSV 3种颜色模型下各颜色分量对烟叶等级影响，结果表明HSI颜色模型下的S颜色特征和HSV模型下的S颜色特征在不同等级的烟叶间差异较小，而其他的颜色向量随着烟叶等级变化都有一定的差异。

由目前研究进展可知，烟叶颜色量化在烟叶质量评价和烟叶区域特征颜色量化等方面具有较好的应用前景。本研究旨在分析不同的颜色模型在颜色、色度等不同维度的运用情况，提高烟叶颜色数字化特征提取的实际效果。

1 烟叶颜色外观特征

对烟叶分级依据GB 2635—1992分级标准[11]进行解析，将烟叶颜色细分为颜色和色度两个部分，如表1所示。

其中，“颜色”特征因素主要判定烟叶分组：L、F、R。

“色度”特征因素主要判定該组别下烟叶的具体等级：1、2、3、4。

2 烟叶颜色特征的测定

根据国标中对烟叶“颜色”分组的要求，如表2所示。

烟叶“颜色”特征的测量主要有两种方法，一种是运用RGB颜色模型，另外一种是运用Lab颜色模型[12]。

RGB颜色模型是通过将R（红色）、G（绿色）、B（蓝色）通过不同的程度的叠加来产生不同的颜色，也是通过解析颜色R、G、B的0-255的灰度值实现颜色表征，表达方式十分直接，但是R、G、B数值和色彩的色调、亮度、饱和度的属性没有直接关联。

Lab颜色模型是以数学化的方式来描述人的视觉感应，由3个通道组成，一个通道是亮度L，另外a（红度）、b（黄度）是色彩通道，一般还有增加c（颜色饱和度）通道。目前烤烟烟叶颜色测量大多处在试验阶段，实际应用中还没有形成成熟稳定的系统。烟草工商企业对烟叶原收原调时，尤其是烟站（点）采购烟叶把烟原料时，利用基于Lab颜色模型的测色技术辅助控制原料采购标准，有助于减少因个人经验、环境变化带来的不稳定性，提高原料采购工作效率，提升原料质量稳定性。

将Lab颜色模型应用到烟叶分级、烟叶采购标准评价、配打烟叶质量控制等生产过程中，对烟草行业的发展具有重要意义，但这需要在品种、年份、地域、分组分级、分析方法、算法等方面进行持续验证和实践。

本研究于2019年在南平邵武地区进行，选用烟草品种‘云87为材料，中部烟选后烟叶的正面颜色测定结果（使用Lab颜色模型）见表3，具体测定方法是选取标准选后等级，在每片烟叶最具代表性区域（一般为烟叶中部）进行颜色检测。

由上述分析和表3结果可以得出：

（1）RGB颜色模型是3个维度的灰度空间，测量红色素的时候可以单值表达，测量黄色素的时候需要进行R、G、B数值叠加。

（2）Lab颜色模型具有单独的红色度a和黄色素b的表达通道，较为符合烟叶“颜色”特征，从表3结果可知，中部烟红色素（a*）在红黄色素（a*+ b*）中占比均值为30.02%，非常接近國标30%，建议继续对下部烟和上部烟进行测量，用以验证结果的准确性。

综上分析，在烟叶“颜色”特征测量的过程中，建议采取Lab颜色模型进行测量，因为传统的单方或工业相机RGB颜色采集法需要进行Lab颜色模型转换。

3 烟叶色度特征的测定

3.1 烟叶亮度和饱和度的测定

亮度和饱和度主要测定方法有两种，一种是Lab颜色模型，另外一种是HSV颜色模型[12]。

Lab颜色模型中L代表亮度，c代表饱和度。

HSV空间直接对应于人眼色彩视觉特征的三要素，根据人观察色彩的生理特征而创建的一种颜色空间模型，HSV即亮度（V）、色度（H）和饱和度（S），其中H用角度度量，表示色彩信息，S为一比值，表示接近光谱色的程度， V表示色彩的明亮程度。HSV颜色空间很贴近人的色觉反映，能反映出更为详细的灰度信息和色彩信息，特别是对图像中极亮或极暗的颜色可以更好的进行反映[13]。

综上分析，Lab颜色模型和HSV颜色模型均可以反映烟叶的亮度和饱和度，在烟叶颜色数字化过程中，需同时具备Lab和HSV颜色模型转换方式。3.2 烟叶色度均匀度的测量

3.2.1 现有均匀度评价方法 参考文献《一种烤烟烟叶表面颜色均匀度判别方法》[14]，具体方法是：选取待测烟叶，在叶尖、叶中、叶基的主脉两侧各取2个点位，共计6个点位，测定其L、a、b值，然后计算其各个特征值的变异系数，如表4所示。

由表4均匀度判别方法结合分析可知，该方法将均匀度划分为3个维度，每个维度均有一个判定结果，对一片烟叶难以整体判定，并且该方法获得行业认可度较小，引用量不大。

现行烟叶色度均匀度测量暂无HSV颜色模型运用评价方法。

3.2.2 传统均匀度评价方法 通过对行业标准进行分析并结合分级经验，行业内较为认可的均匀度评价方法仍然是传统的感官评价法[15]，如表5所示。

由表5传统均匀度评价方法结合分析可知，传统方法主要是对行业分级标准的颜色特征的深入分析，主要通过肉眼观察烟叶颜色得出经验值，需要分级人员长期的工作积累，并不适用于新型的数字化烟叶颜色均匀度评价。

综上分析，现有均匀度判别方法和传统均匀度评价方式均难以满足烟叶颜色数字化技术要求，若要将烟叶的均匀度进行科学判定，需要寻找一种烟叶整体均匀度判别的方法，运用新型图像分割、识别技术结合传统均匀度评价方法，可有效通过数字化手段计算出整片烟叶的不同区域色度值，从而实现烟叶色度均匀度数字化评价。

4 结论与讨论

烟叶人工分级基于人的感官和视觉来完成，分级时人的视觉对亮度比对颜色浓淡更为敏感。因此，在运用图像处理技术分析图像时，需建立更为符合人类视觉机制的颜色模型，以实现烟叶颜色的准确量化，便于颜色分辨。

从国内外研究进展来看，王信民等[16]认为底色是指正常烟叶表面除基本色外的色彩表现，底色可作为烤烟外观区域特征的评价指标。过伟明等[17]认为底色指标可相对区分东南区与其他种植区的烟叶。张文耀和蒋凌霜[18]认为，HSV颜色空间更贴近于人的视觉机理，同时可以避免彩色信息的影响，3个分量互为独立、互不影响，大大简化了图像分析和处理的难度，适用于图像彩色特性的测定与分析。于国锋等[19]认为Lab颜色模型色域宽阔、色彩分布均匀，常用于烟草（含烟草制品和卷烟材料）颜色参数等的测定与分析。武圣江等[20]研究发现，不同烤烟烟叶质体色素含量与颜色参数明显相关，其中质体色素含量与 L、a相关性较大。王改丽等[21]认为不同产区烤烟 C3F等级表面颜色空间分布具有较大的区域特性，生态条件对烤烟表面颜色的影响较大。

通过对比国内外研究进展和分析不同颜色模型在不同烟叶颜色维度（颜色、色度亮度、饱和度、均匀度）中的数字化运用效果，笔者认为：（1）烟叶颜色量化对烟叶质量评价和烟叶等级识别方面具有较好的应用前景;（2）烟叶颜色量化要细分为颜色、亮度、饱和度、均匀度4个方面指标进行测定和量化;（3）烟叶颜色测定采用Lab颜色模型较好;（4）烟叶亮度和饱和度测定时需同时具备Lab和HSV颜色模型转换方式;（5）烟叶色度均匀度测定时需运用新型图像分割、识别技术并结合传统均匀度评价方法，建立一种新型的烟叶色度均匀度数字化评价方法。

参考文献：

[1] 李生栋， 王小彦， 郑小雨， 等. 烤烟K326品种不同开片度上部烟叶烘烤过程中颜色变化分析[J]. 西南农业学报， 2020， 33（2）： 290-297.

[2] 武圣江， 莫静静， 娄元菲， 等. 不同烤烟品种不同成熟度上部叶烘烤特性研究[J]. 核农学报， 2020， 34（6）： 1337-1349.

[3] 支瑞聪， 高鸣旋， 谢永辉， 等. 烤烟颜色地域性多因素差异分析[J]. 江苏农业科学， 2019， 47（22）： 226-230.

[4] 王飞， 王改丽， 卢志伟， 等. 三明烟区翠碧一号烟叶表面颜色特征量化分析[J]. 安徽农业科学， 2019， 47（22）： 193-195， 231.

[5] 马建元， 伍铁军. 基于图像处理和模糊识别的烟叶分级技术研究[J]. 机械制造与自动化， 2011， 40（1）： 90-93.

[6] 杨少春， 王克奇， 戴天虹， 等. 基于L*a*b*颜色空间对木材分类的研究[J]. 林业机械与木工设备， 2007， 35（10）： 28-30.

[7] 李悦， 符云鹏， 甄焕菊， 等. 烤烟烟叶颜色值和外观颜色变化分析[J]. 中国烟草科学， 2017， 38（1）： 78-84.

[8] 刘新民. 颜色量化分析在烤烟品质评价中的应用研究[D]. 北京： 中国农业科学院， 2004： 1-5.

[9] 刘赐德， 管一弘， 赵建军. 基于颜色空间模型的烟叶图像分割研究[J]. 信息技术， 2018（5）： 1-4， 9.

[10]  顾金梅， 吴雪梅， 龙曾宇， 等. 基于BP神经网络的烟叶颜色自动分级研究[J]. 中国农机化学报， 2016， 37（4）： 110-114.

[11] 中华人民共和国国家质量监督检验检疫总局. 烤烟： GB 2635-1992[S]. 北京： 中国标准出版社， 1992.

[12] 徐小青， 颜奕华， 范坚强， 等. 不同产地C3F烟叶色域、底色和色差的量化分析[J]. 作物研究， 2019， 33（6）： 554-560.

[13] 齐锐丽， 陈曼龙， 杨宗浩， 等. 基于HSV模型与改进的OTSU算法花椒图像分割[J]. 中国农机化学报， 2019， 40（11）： 155-160.

[14] 中国烟草总公司郑州烟草研究院. 一种烤烟烟叶表面颜色均匀度判别方法：CN201210236100.5[P]. 2012-07-10.

[15] 张国， 王奎武， 朱列书， 等. 湖南烤烟外观质量指标因子分析[J]. 中国农学通报， 2007， 23（2）： 114-116.

[16] 王信民， 李锐， 魏春阳， 等. 烤烟外观区域特征感官评价指标的筛选[J]. 烟草科技， 2011（3）： 59-68.

[17] 过伟民， 蔡宪杰， 王信民， 等. 烤烟中部烟叶外观区域特征分布及其与外观品质和物理特性的关系[J]. 烟草科技， 2016， 49（12）： 21-27.

[18] 张文耀， 蒋凌霜. 基于HSV颜色模型的二维流场可视化[J]. 北京理工大学学报， 2010， 30（3）： 302-306.

[19] 于国锋， 冯媛， 郑宏伟， 等. CIEL*a*b*颜色模型在烟草中的应用研究进展[J]. 河南农业科学， 2019， 48（2）： 1-7.

[20] 武圣江， 张长云， 郭亮， 等. 贵州烤烟色素含量和颜色值随生育期的变化及其相关性[J]. 中国烟草科学， 2014， 3（4）： 64-69.

[21] 王改丽， 甄焕菊， 李悦， 等. 烤煙C3F等级烟叶表面颜色区域特征量化分析与聚类[J]. 山东农业科学， 2017， 49（6）： 21-25.