导读:本文包含了烟叶含水量论文开题报告文献综述及选题提纲参考文献，主要关键词:密集烤房,烟叶烘烤,含水量,形态
烟叶含水量论文文献综述
典瑞丽,李峥,谭方利,吴文信,李宏光[1]（2018）在《密集烘烤过程中烟叶含水量与形态变化关系研究》一文中研究指出试验以湖南郴州烟区所产云烟87品种中部叶为试验材料,对密集烘烤过程中烟叶含水量及形态参数的变化进行测量,通过相关性和回归分析探究烘烤过程中烟叶水分含量与形态变化之间的关系。结果表明:全叶、叶片和主脉含水量与横向、纵向和叶面积收缩率以及横向卷曲度、主脉体积5项形态指标均呈显着或极显着负相关,全叶和叶片含水量与纵向卷曲度、主脉厚度及叶片体积呈显着或极显着负相关关系,叶片厚度与烟叶各项含水量指标的相关性均未达到显着水平;回归分析结果表明,烟叶含水量与各项形态参数的拟合程度较好,均达到极显着或显着水平,说明可依据烟叶形态变化判断烘烤过程中叶片、主脉和全叶的含水量。(本文来源于《天津农业科学》期刊2018年10期）
詹攀,谢守勇,刘军,黄河,李佩原[2]（2016）在《基于支持向量机回归的鲜烟叶含水量预测模型》一文中研究指出为了提高鲜烟叶含水量的检测准确率,基于机器视觉技术,应用支持向量机理论,建立支持向量机回归的鲜烟叶含水量预测模型,输入变量为鲜烟叶图像的r(红色分量所占比例)、g(绿色分量所占比例)、H(色调)、均值、一致性、熵、宽、面积和伸缩率9个特征参数,输出变量为含水量.通过对利用机器视觉技术提取到的鲜烟叶图像参数进行模型的训练测试,并将其结果与ELMAN神经网络对比.结果表明:支持向量机含水量模型的最大相对误差绝对值为2.410%,平均绝对误差为0.007 9,平均绝对百分比误差为1.119%,误差方差为7.806×10~(-5),其拟合效果均优于ELMAN神经网络.该方法能够更准确地反映鲜烟叶含水量的实际值,为选择最优烘烤模式和烘烤工艺提供了参考依据.(本文来源于《西南大学学报(自然科学版)》期刊2016年04期）
段史江,宋朝鹏,马力,史龙飞,王文超[3]（2012）在《基于图像处理的烘烤过程中烟叶含水量检测》一文中研究指出【目的】量化烘烤过程中烟叶形态变化的数值特征指标,实现烘烤过程烟叶水分含量的无损检测。【方法】以密集烤房中不同烘烤阶段的烟叶为研究对象,先利用图像处理技术提取鲜烟叶及烘烤过程中烟叶图像的颜色特征(红分量(R)、绿分量(G)、蓝分量(B))及纹理特征(纹理能量、纹理熵、纹理惯性、相关度),以其为输入指标,分别建立烘烤过程中烟叶含水量的BP神经网络模型和基于遗传算法的最小二乘支持向量机预测模型。用建立的2个模型对烘烤过程中烟叶含水量进行预测,并比较其预测精度。【结果】烟叶图像颜色特征R、G、B分量表现出变黄期剧烈上升,定色前期缓慢上升并达到最大值,定色后期至烘烤结束逐渐下降的变化趋势;纹理能量和相关度呈现出变黄前期减小,变黄后期增大,定色及干筋期逐渐减小的趋势;纹理熵、纹理惯性表现出变黄前期增大,变黄后期减小,定色及干筋期逐渐增大的趋势。以烟叶颜色和纹理特征值作为输入变量,建立了烘烤过程中烟叶含水量的BP神经网络预测模型和基于遗传算法的最小二乘支持向量机预测模型,其预测平均绝对误差分别为0.037 4和0.017 0,预测误差标准差分别为0.048 5和0.020 0,前者预测精度略低于后者,但2个模型均可以满足烘烤过程中烟叶水分含量实时检测的需要。【结论】图像处理技术可以精确量化烘烤过程中烟叶的形态特征变化;利用建立的BP神经网络模型和基于遗传算法的最小二乘支持向量机模型可以实现对烟叶含水量的精确估测。(本文来源于《西北农林科技大学学报(自然科学版)》期刊2012年05期）
甘露萍,谢守勇[4]（2011）在《基于Elman神经网络的烤烟鲜烟叶含水量模型研究》一文中研究指出在Matlab中利用ANN方法建立了鲜烟叶含水量Elman非线性动态预测数学模型,利用计算机视觉技术,选取在改进AHP法中占较大权重综合评判指标叶片宽、面积以及均值特征量,作为网络的输入,克服了用单一指标进行评判的缺陷,通过实验数据对Elman模型进行验证和误差分析,结果表明该含水量模型可对鲜烟叶含水量进行预测,预测精度大于90%,预测结果达到预期目标,在此基础上进行了含水量检测系统软件的开发。(本文来源于《西南农业学报》期刊2011年01期）
甘露萍,谢守勇,邹大军[5]（2009）在《基于计算机视觉的烤烟鲜烟叶含水量无损检测及MATLAB实现》一文中研究指出用计算机视觉技术研究判断鲜烟叶水分含量的方法.在日光条件下采集鲜烟叶片图像,用matlab软件进行图像分割算法研究,提取了r、g、H、面积、宽、伸缩率、均值、一致性和熵作为烟叶含水量综合评价指标,以减少单参数对其含水量判定缺陷,并用叁标度AHP法对指标综合排序.分析结果表明:叶片宽和面积以及均值在整个评价体系中占较大权重,可用作快速判断含水量的指标.(本文来源于《西南大学学报(自然科学版)》期刊2009年07期）
甘露萍[6]（2009）在《基于机器视觉技术的鲜烟叶含水量模型研究》一文中研究指出论文利用现代计算机视觉技术,结合地方经济建设,在寻求快速、简便、准确判断鲜烟叶含水量的方法上作了有益的探索。烤烟工艺中,鲜烟叶水分含量与烤烟的烘烤特性有密切关系,新鲜烟叶即湿烟叶含水量准确判断是决策最优烘烤模式和制定合理烟叶烘烤工艺和程序的重要依据。如果将串挂好的不同含水量的湿烟叶合理布置在烤房不同温湿度点热流体流场位置进行统筹烘烤,与随意串挂相比,大大减少烘烤时间,而且克服了烘烤过程中含水量多难烤,含水量少易烤性差的问题。此外提高了烘烤效率、烤烟品质和优质烟叶百分比,使烟叶平均价值增加,煤和其它能源的浪费减少,具有显着的经济效益。如果采用人工检测,劳动强度大、主观性大、干扰大、工作效率低、分级标准不易掌握、分级精度也很难稳定。即使很有经验的受过培训的技师或烟农由于受人主观因素的影响太多,譬如个人的经验,且许多指标呈模糊状态,不能准确判定烟叶水分含量。本文用机器视觉技术将在烟田采集的160幅湿烟叶叶片样本中与含水量相关性大的表象特征检测提取出来,实现特征提取的无损化和处理的快速化,用Elman神经网络科学建立具有一定精度的烟叶含水量非线性评判体系模型,通过模型可以预测叶片实际含水量。为了提高系统精度,进行了系统构建、图像预处理、图像特征的提取、算法的选择等关键技术的理论研究。用Matlab图像处理软件将目标与背景分割,通过比较,选用“无振铃”现象、特性均衡的Butterworth低通滤波器对叶片进行滤波。运用Matlab语言设计颜色、纹理、外形算法进行图像特征提取,分别提取了鲜烟叶的颜色、纹理、外形特征值作为烟叶含水量综合评价指标,以减少单参数对其含水量判定缺陷。用叁标度AHP层次分析法对指标综合排序,分析结果表明:叶片均值、宽和面积在整个评价体系中占较大权重,可用作快速判断含水量的指标,将此叁个指标作为Elman神经网络的输入,以含水量作为输出目标建立叁层神经网络,采用附加动量因子的梯度下降权值/阈值学习函数learngdm对网络进行训练,训练后的网络对测试样本进行含水量预测,测试样本与实际值的相对误差控制在10%范围内,预测精度大于90%,预测结果达到预期目标。利用Matlab中的GUI(Graphic User Interface)设计图像处理仿真平台,制作一个供反复使用且操作简单的专用工具。提供图像输入、图像增强、图像分析及输出鲜烟叶含水量的功能。能根据新鲜烟叶叶片含水量模型预测输入鲜烟叶图片的含水量。研究表明,基于机器视觉的鲜烟叶含水量信息外观无损检测机理可行,检测效果较好,为鲜烟叶烘烤控制工艺和程序的制定提供了依据,为在后期研究中匹配不同烘干曲线从而选择较佳烘干模式中提供了重要依据。还可将检测出的叶片含水量作为田间精准灌溉的依据。此外还可将图像分析出的叶片相关特征数据与叶片营养状况信息指标,譬如氮含量、磷含量进行相关性分析找出简便且准确分析叶片营养状态信息的方法。(本文来源于《西南大学》期刊2009-05-05）
烟叶含水量论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为了提高鲜烟叶含水量的检测准确率,基于机器视觉技术,应用支持向量机理论,建立支持向量机回归的鲜烟叶含水量预测模型,输入变量为鲜烟叶图像的r(红色分量所占比例)、g(绿色分量所占比例)、H(色调)、均值、一致性、熵、宽、面积和伸缩率9个特征参数,输出变量为含水量.通过对利用机器视觉技术提取到的鲜烟叶图像参数进行模型的训练测试,并将其结果与ELMAN神经网络对比.结果表明:支持向量机含水量模型的最大相对误差绝对值为2.410%,平均绝对误差为0.007 9,平均绝对百分比误差为1.119%,误差方差为7.806×10~(-5),其拟合效果均优于ELMAN神经网络.该方法能够更准确地反映鲜烟叶含水量的实际值,为选择最优烘烤模式和烘烤工艺提供了参考依据.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
烟叶含水量论文参考文献
[1].典瑞丽,李峥,谭方利,吴文信,李宏光.密集烘烤过程中烟叶含水量与形态变化关系研究[J].天津农业科学.2018
[2].詹攀,谢守勇,刘军,黄河,李佩原.基于支持向量机回归的鲜烟叶含水量预测模型[J].西南大学学报(自然科学版).2016
[3].段史江,宋朝鹏,马力,史龙飞,王文超.基于图像处理的烘烤过程中烟叶含水量检测[J].西北农林科技大学学报(自然科学版).2012
[4].甘露萍,谢守勇.基于Elman神经网络的烤烟鲜烟叶含水量模型研究[J].西南农业学报.2011
[5].甘露萍,谢守勇,邹大军.基于计算机视觉的烤烟鲜烟叶含水量无损检测及MATLAB实现[J].西南大学学报(自然科学版).2009
[6].甘露萍.基于机器视觉技术的鲜烟叶含水量模型研究[D].西南大学.2009