基于支持向量機的煙葉自動分級

　　【摘 要】煙葉分級是煙草行業(yè)的一項基礎性的工作，對煙葉進行準確的分級是提高煙草制品品質(zhì)的關鍵因素。隨著計算機技術的發(fā)展，機器視覺技術在煙草行業(yè)的應用也越來越廣泛。本文利用支持向量機（SVM）的模式識別方法來研究煙葉的自動分級。
　　 【關鍵詞】自動分級；機器視覺；支持向量機
　　一、概述
　　烤煙是卷煙工業(yè)的原料，其煙葉質(zhì)量的好壞直接關系到煙草制品的工藝配方和生產(chǎn)質(zhì)量。烤煙煙葉分級方法是目前評判煙葉質(zhì)量的主要手段，其分級判斷的依據(jù)主要是煙葉的外觀特征，如顏色、長度、厚度、油分、成熟度，殘損等。目前國內(nèi)外煙草行業(yè)對煙葉的分級和檢驗都是依據(jù)分級標準，以人工操作為主，憑借標準樣本依靠人的感官進行的。這種傳統(tǒng)的人工檢驗方法容易受人的因素影響，評級定價難以做到公平、公正。而且在我國，每年煙葉收購前，全國各地都會舉辦培訓班，培訓分級人員，并準備大量的樣本發(fā)往各地，這樣必然造成人力、物力和財力的巨大消耗。機器視覺技術的發(fā)展和國家煙葉等級標準的定量化促進了煙葉分級自動化和智能化的應用與發(fā)展，各種圖像處理算法和模式識別方法也被應用于煙葉的自動分級中，如2003年，張惠民等人根據(jù)提取的煙葉特征參數(shù)，建立并優(yōu)化了烤煙煙葉分級系統(tǒng)的數(shù)學模型，構(gòu)造了符合烤煙煙葉等級空間分布的高斯隸屬函數(shù)，采用模糊推理機制原理來實現(xiàn)煙葉分級。2011年，張樂明、劉劍君等以紅外光譜作為煙葉的特征，采用概率神經(jīng)網(wǎng)絡對11個等級的煙葉進行分組和分級。
　　二、支持向量機基本原理
　　支持向量機（Support Vector Machine）簡稱SVM，是由Vapnik于1995年一種新的機器學習技術。支持向量機方法是建立在統(tǒng)計學習理論的VC維理論和結(jié)構(gòu)風險最小化原理基礎上的，根據(jù)有限的樣本信息在模型的復雜性（即對特定訓練樣本的學習精度）和學習能力（即無錯誤的識別任意樣本的能力）之間尋求最佳折中，以期獲得最好的推廣能力。
　　1．最優(yōu)分類面。SVM方法是從線性可分情況下的最優(yōu)分類面提出的。首先考慮二維兩類線性可分的情況，如圖1所示，圖中實心點和空心點分別表示兩類訓練樣本，H為把兩類沒有錯誤地分開的分類線，H1、H2分別為各類樣本中離分類線最近的點且平行于分類線的直線。所謂最優(yōu)分類線就是要求分類線不但能將兩類無錯誤地分開，而且要使兩類的分類間隔最大。
　　三、實驗結(jié)果及分析
　　本文首先利用利用圖像采集裝置得到煙葉的原始圖像作為樣本并對煙葉圖像進行了圖像預處理。然后根據(jù)煙葉的顏色、外形、紋理特征建立了煙葉分級的支持向量機識別模型；最后利用部分樣本進行檢驗。實驗中樣本得到了較高的識別率。實驗結(jié)果說明了SVM分類器算法能夠較好地完成樣品集的分類，它是在基于結(jié)構(gòu)風險最小化理論之上構(gòu)建最優(yōu)分割超平面，使得分類器能夠得到全局最優(yōu)化，并且在整個樣本空間的期望風險以某個概率滿足一定上界，在實際應用中有較好的優(yōu)勢。
　　四、結(jié)論
　　支持向量機是是在統(tǒng)計學習理論基礎上發(fā)展起來的一種新型的機器學習方法。作為一種尚未成熟的技術，支持向量機盡管在核函數(shù)的參數(shù)的構(gòu)造和選擇上缺乏相應的理論指導，但是由于它在解決小樣本學習問題中的優(yōu)勢，使其成為機器學習領域的研究熱點，并且被廣泛地應用于各行各業(yè)。本文將支持向量機的方法運用于煙葉的自動分級系統(tǒng)。取得了較好的分類效果。
　　參 考 文 獻
　　[1]閻瑞瓊，韓立群，陳晉東．計算機技術在煙葉檢測與分級領域的應用[J]．煙草科技．2001，154（3）：13～15
　　[2]張惠民，韓立群，段正剛．基于圖像特征的煙葉分級[J]．武漢大學學報．2003（3）
　　[3]張樂明，申金媛，劉劍君，劉潤杰．概率神經(jīng)網(wǎng)絡在煙葉自動分級中的應用[J]．農(nóng)機化研究．2011（12）
　　[4]李國正，王猛，曾華軍．支持向量機導論[J]．電子工業(yè)出版社，2004
　　[5]方輝，王倩．支持向量機的算法研究[J]．長春師范學院學報（自然科學版）．2007（6）

相關熱詞搜索：向量 煙葉 分級 支持