法律状态公告日
法律状态信息
法律状态
2018-01-02
授权
授权
2015-10-07
实质审查的生效 IPC(主分类):G06F19/00 申请日:20150507
实质审查的生效
2015-09-09
公开
公开
技术领域
本发明涉及烟叶外观质量评价领域,具体为一种基于微观特征的烤后烟叶成熟度和叶片结构客观评价方法。
背景技术
烟叶外观质量是烟叶质量评价的主要内容之一,也是目前衔接我国烟叶生产(烟农、收购站)到工业调拨(卷烟工业企业)环节的主要因素。成熟度和叶片结构是烟叶外观质量的重要方面,一般认为,成熟度高、叶片结构疏松的烟叶评吸质量较好。成熟度、叶片结构主要与细胞发育状况有关,成熟度好的烟叶细胞达到疏开状态,叶片结构则与细胞排列的疏密程度紧密相关。目前对于烟叶外观质量指标的评价主要依据烤烟分级标准GB2635-92,由烤烟分级专家进行评价,包括定性评价(各指标不同档次烟叶所占比例)和量化评价(各指标根据优劣进行0~10分的量化赋分),这种评价方法对评价人员的要求较高,需具备丰富的烟叶外观质量评价经验和相关资质,且评价结果易受主观因素影响,评价结果的可比性和重现性一般。因此,探索烟叶外观质量指标的客观评价方法一直为本领域的热点问题。目前对于烟叶外观指标中的颜色、油分有部分客观评价方法的研究,如利用颜色模型(RGB、Lab)判断烟叶颜色,近红外模型评价烟叶油分等,而对于成熟度和叶片结构的客观评价方法尚未见报道。
发明内容
本发明的目的在于提供一种烤后烟叶的成熟度和叶片结构客观评价方法,解决现有技术的缺陷。
本发明的目的通过以下技术方案来实现:
在实验室对建模烟叶进行成熟度和叶片结构的专家量化评价,之后采用扫描电镜和图像处理软件测量建模烟叶的细胞周长、细胞面积和细胞形状因子,获得烟叶微观特征参数。分别以成熟度、叶片结构或成熟度+叶片结构专家评价分值为因变量,细胞周长、细胞面积、细胞形状因子单个指标或这3个指标中的任意指标组合为自变量进行逐步回归分析建模,通过比较不同回归模型的决定系数、显著性检验结果,以细胞面积、细胞周长和细胞形状因子为自变量,可较好的实现对烟叶成熟度和叶片结构分值加和的回归建模。利用这一模型,不需具备烟叶外观质量评价专业素质的人员,可实现对烟叶成熟度和叶片结构的评价。
具体步骤如下:
(1)建模烟叶样本外观质量的专家评价。将待测烟叶在恒温恒湿条件下平衡水分含量至15%~16%,在实验室条件下,由烤烟分级专家对建模烟叶的成熟度和叶片结构进行专家量化评价,外观质量专家评价的主要依据为烤烟分级标准GB2635-92,由烤烟分级专家(通过烟草行业认定的分级高级技师或全国分级大赛技术能手)进行评价打分。
(2)建模烟叶微观特征参数测量。利用扫描电镜获取建模烟叶的表面微观特征图像,利用图像处理软件测量细胞周长、细胞面积和细胞形状因子,获取建模烟叶的微观特征参数;细胞形状因子通过[细胞周长2÷(4×π×细胞面积×1.064)]计算得出。
(3)模型构建。分别以成熟度、叶片结构或成熟度+叶片结构专家评价分值为因变量,细胞周长、细胞面积、细胞形状因子单个指标或这3个指标中的任意指标组合为自变量进行逐步回归分析建模,通过比较不同回归模型的决定系数、显著性检验结果,以细胞面积、细胞周长和细胞形状因子为自变量,可较好的实现对烟叶成熟度和叶片结构分值加和的回归建模,构建模型如下:
Y(成熟度+叶片结构分值)=
16.814 - 0.006 × 细胞面积(μm2)+ 0.123 × 细胞周长(μm)- 8.318 × 细胞形状因子
(4)模型检验。分别利用参与建模样本和建模外烟叶样本,将仪器测量的烟叶微观结构参数带入步骤(3)构建的模型,输出成熟度和叶片结构预测结果。根据烟叶成熟度和叶片结构专家评价结果对模型输出结果进行检验,经计算,建模样本的模型输出值与专家评价值的平均相对误差为3.18%,模型外样本的模型输出值与专家评价值的平均相对误差为6.20%。
(5)模型应用:按照步骤2测定待测烟叶的细胞周长、细胞面积和细胞形状因子,并将结果带入步骤3所建模型,可得出烟叶成熟度和叶片结构的评价结果。
本发明方法的主要优势在于:1.客观判定,利用仪器测量的微观特征参数输入模型,获得烟叶成熟度和叶片结构评价结果,避免主观因素影响;2.不需具有烟叶外观质量评价素质的专业技术人员即可实现烟叶成熟度和叶片结构的评价;3、简单方便,模型的预测偏差较低,模型预测的准确性较好。
具体实施方式
本发明以下结合实施例作进一步分析:
(1)2014年采集云南保山、昭通和河南许昌等3个产区烤后烟叶样品21个。
(2)由烤烟分级专家根据各样品成熟度和叶片结构的优劣进行0~10分的量化赋分。
(3)采用扫描电镜获取各样品的表面微观结构图像,采用PHOTOSHOP软件处理方法,测量细胞面积、细胞周长和细胞形状因子。
(4)运用相关分析和逐步回归分析,分析微观特征参数与烟叶成熟度和叶片结构专家量化赋分的定量关系,并构建最优回归预测模型:
Y(成熟度+叶片结构分值)=
16.814 - 0.006 × 细胞面积(μm2)+ 0.123 × 细胞周长(μm)- 8.318 × 细胞形状因子
回归模型检验结果见表1。
表1 烟叶成熟度和叶片结构专家评价结果的回归模型参数检验结果
(5)分别利用建模烟叶样本和模型外烟叶样本的微观特征参数带入步骤4中的回归模型,输出烟叶成熟度和叶片结构分值,并比较了模型输出值和专家评价值的平均绝对误差和相对误差,结果见表2。由于专家在进行烟叶成熟度和叶片结构的量化评价时,单一指标的记分单位为0.5,因此模型的预测偏差在0.5~1.0个计分单位,模型预测的准确性较好。
(6)通过仪器测量任意烟叶的细胞周长、细胞面积和细胞形状因子,可通过本方法输出烟叶成熟度和叶片结构评价值。
应用实例:
采集湖南郴州C3F等级烟叶样品,经测定,细胞周长为393.30μm,细胞面积为4198.31μm2,细胞形状因子经计算为2.76,代入模型公式:
Y(成熟度+叶片结构分值)=
16.814 - 0.006 × 细胞面积(μm2)+ 0.123 × 细胞周长(μm)- 8.318 × 细胞形状因子
最终得出Y=17.0分。
机译: 一种基于分析物的异种移植后供体器官损伤的确定和检测方法,将从供体器官中释放出来。
机译: “一种将鼻烟叶弄湿的装置,将其弄平后即可。”
机译: 基于后验SNR,先验SNR和预测SNR作为特征向量的基于支持向量机的语音活动检测方法