汪伯军 ， 郭保银 ， 黄富饶 ， 赵 虎 ， 冯 川

（1.中国烟草总公司重庆市公司烟叶分公司，重庆 400023；2.西南大学工程技术学院，重庆 400716）

0 引言

烟叶在烘烤时所处阶段的判别对于提升烤烟品质具有重要意义。但目前烘烤师对于密集烤房内烟叶的变黄和干燥程度的判断，主要依据眼睛看和手触摸，极易受主观经验的影响。因此，实现烟叶烘烤阶段自动判别，减少人为影响，提高判别准确率，是目前烟叶烘烤领域的研究重点[1]。

近年来，随着人工智能的崛起，机器视觉技术在农业领域应用越来越广泛。在烟叶烘烤阶段中，陈飞程等[2]建立了对烟叶含水率进行预测的BP 神经网络模型，得到的预测决定系数R2为0.998 7；吴娟[3]基于图像特征建立GA-SVM 模型对烤房内烤烟的烘烤阶段进行判定，总体识别精度为96.5%；李增盛等[4]利用由相关性分析得出的特征集测试了GA-SVM、PSOBP 和ELM 三种模型并进行了比较，它们的准确率分别是93.27%、89.35%和85.05%，最终发现基于遗传算法的SVM 模型识别效果更加优秀。总体来讲，对于烟叶烘烤阶段的判别主要还是依据颜色信息[2-5]。

目前的机器视觉技术虽然在实验中准确率较高，但是烤房设备算力有限，部分设备难以部署神经网络，另外在嵌入式设备中进行机器学习的程序框架还不成熟，以上种种问题导致算法易于研究却难以落地[5]。所以，对于烟叶烘烤阶段判断这一特定问题，采用基于传统计算机图形学的方式进行解决，就可以消除机器学习庞大的算力需求带来的负担，达到节约运算成本的目的[2-5]。……