摘要：【目的】精准、快速、无损监测烤烟叶片钾素营养水平。【方法】设计不同程度的干旱和渍水胁迫试验,以K326、中烟100为供试品种,探索不同水分胁迫程度下烤烟叶片钾含量与光谱信息的变化规律,筛选烟叶钾含量的敏感光谱特征变量及光谱参数,构建烟叶钾含量预测模型。【结果】(1)随水分胁迫程度的加重,在近红外光区,烤烟叶片钾含量和叶片光谱反射率的值在伸根期均表现为升高趋势,在旺长期与成熟期表现为降低趋势。(2)以利用本文筛选出的8个最佳敏感光谱指数(mSR705、SDr、DVI、MSAVI2、λg、Dr、NDSI(2275,1875)、RDVI)构建的BP神经网络模型效果最好,模型决定系数R2=0.9336,RMSE(均方根误差)为0.1348。【结论】可利用光谱参数构建烤烟钾含量BP神经网络模型,模型稳定、精度较好。可为实时精准监测烤烟叶片钾含量,及时了解土壤水分环境提供技术支撑。

摘要：本文以烟叶为研究对象设计了一种小型化烟草分级系统,能够实现烤烟的自动分级。主要由扫描式图像采集设备、树莓派嵌入式系统和触摸屏人机交互界面3个部分,将烟叶放入扫描装置后,压力传感器感应并反馈信息,Raspberry Pi控制图像采集系统采集图像信息。图像采集系统将预处理后的图像信息通过USB数据线传输到Raspberry Pi,图像处理程序对烟叶图像进行多特征分析,基于神经网络分级算法得到烟叶分级结果。LCD显示屏用于显示烟叶分级结果。将农艺师分级完成的烟叶图像数据库导入新开发烟草分级系统进行分级训练测试,系统验证试验表明,分级正确率为88.97%。