典型文献
基于图像识别的烟丝结构检测及烟丝组分分析
文献摘要：
为提高烟丝结构检测及烟丝组分分析的准确性,基于图像识别技术,对烟丝轮廓进行细化,提取烟丝骨骼,得到烟丝长度,建立烟丝表观总面积与质量的拟合模型,获得烟丝结构(整丝率、碎丝率);利用最小内切圆的方法得到烟丝的平均宽度、宽度方差,烟丝轮廓在饱和度(Saturation,S)通道上的颜色方差,以及HSV颜色模型的颜色矩,用支持向量机(Support Vector Machine,SVM)作为分类器,构建薄片丝、梗丝、叶丝的烟丝组分分类模型.实际应用结果表明:基于图像识别的方法能准确统计整丝率、碎丝率,且比传统振筛法更快捷、有效,与卷积神经网络法和残差神经网络法相比,该方法识别薄片丝、梗丝、叶丝的平均相对误差≤5％,准确性及可行性更高.
文献关键词：
烟丝结构;烟丝组分;图像识别;支持向量机;HSV
中图分类号：
作者姓名：
魏甲欣;李琪;马飞;丁美宙;靳亚伟;王艺斌;许文武;王小明
作者机构：
河南中烟工业有限责任公司许昌卷烟厂,河南许昌 461000;河南中烟工业有限责任公司技术中心,河南郑州 450000;南京焦耳科技有限责任公司,江苏南京 210000
文献出处：
引用格式：
[1]魏甲欣;李琪;马飞;丁美宙;靳亚伟;王艺斌;许文武;王小明-.基于图像识别的烟丝结构检测及烟丝组分分析)[J].轻工学报,2022(03):82-87
A类：
烟丝组分,最小内切圆
B类：
烟丝结构,结构检测,组分分析,图像识别技术,总面积,拟合模型,平均宽度,Saturation,HSV,颜色模型,颜色矩,Support,Vector,Machine,分类器,薄片,梗丝,叶丝,分类模型,筛法,神经网络法,残差神经网络,方法识别,平均相对误差
AB值：
0.254958
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
