基于RGB圖像特征的卷煙梗絲摻配比例檢測

寇霄騰 張 勇 張 卉 張 超 丁乃紅

(1. 安徽中煙工業有限責任公司蚌埠卷煙廠，安徽 蚌埠 233000；2. 安徽中煙工業有限責任公司技術中心，安徽 合肥 230000)

煙葉通過梗葉分離后，可得到占煙葉總重1/4左右的煙梗[1]。加工制成的梗絲作為卷煙配方的重要組分之一，在改善卷煙燃燒性，降低卷煙原料消耗，提高原料利用率，降低煙氣焦油量等方面發揮著重要的作用，同時梗絲對卷煙感官質量的影響較為顯著，因此梗絲在煙支中摻配均勻性對卷煙感官質量的穩定性起到至關重要作用，在配方中梗絲含量檢測也越來越受到關注。為了準確測量梗絲在煙支中的實際含量，目前主要還是根據梗絲形狀和顏色與葉絲有顯著的差異而采用人工挑選和稱重的方法進行計算得出。該方法雖然操作簡單，但存在耗時較長、人為影響大和不適用于大量檢測等缺點。隨著煙梗成絲加工工藝技術的發展與應用，加工制成的梗絲與葉絲形狀特征差異越來越小，人為的主觀分辨難度越來越大，需要尋找新的技術進行檢測。

在卷煙梗絲摻配均勻性研究方面，工藝人員進行了大量的探索，趙科文等[2]基于近紅外光譜技術對煙絲摻配均勻度進行了測定研究，通過采集樣品的近紅外光譜信息和測定標志指標，利用模式識別和校正模型的建立，系統構建了煙絲、梗絲和再造煙絲摻配均勻性評價方法。張亞平等[3]基于熱分析技術對煙絲摻配均勻度測定方法進行了研究，該方法操作簡單、精密度高、重復性較好，適用于煙絲摻配均勻度的準確測定。以上兩種方法對檢測設備要求較高，數據分析和建模相對較為復雜。隨著圖像處理技術的發展，中國煙草行業也逐步引入圖像特征RGB這一指標，并在與煙葉含水率相關性研究[4-5]、煙葉等級篩選[6-8]、煙葉成熟度[9-10]等方面得到了廣泛應用，RGB色彩模式是工業界的一種顏色標準，是通過對紅(R)、綠(G)、藍(B) 3個顏色通道的變化以及它們相互之間的疊加來得到各式各樣的顏色的，RGB即是代表紅、綠、藍3個通道的顏色，這個標準幾乎包括了人類視力所能感知的所有顏色，是運用最廣的顏色系統之一。但圖像處理技術在卷煙梗絲摻配均勻性方面的研究還鮮有報道。研究主要是根據梗絲和葉絲在顏色上存在較大差異的特點，以RGB均值為標記物，建立一種能準確、快速測定煙支煙絲中梗絲摻配比例的方法，以期用于指導卷煙配方完整性的維護，并為卷煙感官質量穩定性提供數據支撐。

1 材料與方法

1.1 材料

成品梗絲及某牌號卷煙薄板干燥后葉絲：安徽中煙工業有限責任公司蚌埠卷煙廠。

1.2 儀器設備

電子天平：梅特勒ME104型，上海葉拓科技有限公司；

恒溫恒濕箱：KBF115型，德國賓德公司；

粉碎機：CMD2000型，上海依肯機械設備有限公司。

1.3 方法

1.3.1 煙絲取樣及前處理 梗絲和葉絲的取樣分別在成品梗絲出柜口振槽橫截面和薄板干燥風選出口橫截面進行取樣，間隔5 min取樣1次，取樣10次，每次100 g。將梗絲和葉絲分別在溫度(22±1) ℃、相對濕度(60±2)%的環境下平衡48 h，分別研磨并過40目篩后備用。將平衡后的樣品按照表1的要求進行摻配，得到不同梗絲比例的樣品進行數學建模，將樣品置于密閉容器中充分混勻后做好標識待檢。

表1 不同梗絲摻配比例建模方案?

1.3.2 圖像RGB值測定 測試樣品圖像在單一光源的暗箱中進行拍攝，LED 燈與相機同向架設，高度為20 cm。機身像素1 200萬。圖像存儲均為JPG格式，分辨率為1 600×1 064，拍攝使用自動檔全彩模式。其中數字圖像R、G、B值采用PS圖像分析軟件檢測獲得，RGB均值為R、G、B值的算求平均值。

1.3.3 梗絲摻配比例回歸模型的建立 測定建模樣品的RGB均值，利用梗絲摻配比例與RGB均值進行回歸分析，得到梗絲摻配比例與RGB均值的多項式回歸模型：

y=ax2+bx+c，

(1)

式中：

y——梗絲摻配比例；

x——提取的圖像RGB均值；

a、b、c——常數。

1.3.4 回歸模型的準確性驗證 測定驗證樣品(S102～S108)的圖像RGB均值，并代入1.3.3建立的梗絲摻配比例回歸模型中，計算出梗絲摻配比例與實際摻配比例進行比較，并進行相應的數據分析，以驗證回歸模型的準確性。

1.3.5 回歸模型的精確性驗證 隨機選取5個樣品(S21、S31、S41、S51和S104)，檢測RGB均值，每個樣品連續進行6次平行測定，每個樣品根據回歸模型得到6個梗絲摻配比例值，再分別計算每個樣品梗絲摻配比例的變異系數，以驗證回歸模型的精確性。

1.3.6 回歸模型的重復性驗證 隨機選取一個樣品(S26)，采用圖像分析法對其R、G、B值連續測定6 d，得到6組RGB均值，并代入1.3.3建立的梗絲摻配比例回歸模型中得到6個梗絲摻配比例值，再計算變異系數，以驗證回歸模型的重復性。

1.3.7 數據分析 采用Design-Export 8. 0. 6和Excel 2013等軟件進行處理。

2 結果與分析

2.1 葉絲與梗絲圖像特征值差異性分析

梗絲和葉絲的圖像RGB值檢測結果如圖1、表2所示。由表2可知：梗絲與葉絲圖像RGB參數R、G、B的值和均值的差異性均達到了極顯著水平(P<0.01)，因此，利用圖像RGB均值建立煙絲中梗絲摻配比例的測定方法具有一定的可行性。

表2 梗絲與葉絲圖像RGB的獨立樣本t檢驗Table 2 Independent sample t test for RGB of stem and leaf images

圖1 梗絲與葉絲圖像RGB值提取Figure 1 Extraction of RGB value of stem and leaf image

2.2 基于圖像RGB均值測定煙絲中梗絲比例的方法

2.2.1 回歸模型的建立 按照1.3.2節的方法測定樣品

(S1～S101)的圖像R、G、B值，并計算出RGB均值，結果見表3。由圖2可知：梗絲摻配比例(y)與RGB均值(x)的多項式回歸模型為y=0.015 7x2-5.186 6x+409.08(R2=0.997 8)，說明梗絲摻配比例與RGB均值之間的多項式回歸模型擬合度較高，且兩者之間的相關性達到了極顯著水平(P=0.000)，RGB均值越大，梗絲摻配比例越小。

表3 不同梗絲摻配比例樣品圖像RGB均值

圖2 梗絲摻配比例(y)與RGB均值(x)的變化趨勢圖及回歸方程

2.2.2 回歸模型的準確性驗證 回歸模型的準確性驗證結果如表4所示。

由表4可以看出，驗證樣品采用回歸模型計算的梗絲摻配比例與實際摻配比例的相對誤差控制在0.45%～3.04%，小于5%，說明回歸模型的準確度較高。同時對驗證樣品的模型預測值與實際摻配比例進行t檢驗，P=0.546>0.05，說明2 組數據無顯著性差異，表明回歸模型的準確性較好。

表4 回歸模型的準確性驗證結果

2.2.3 回歸模型的精確性和重復性驗證 回歸模型的精確性和重復性驗證結果如表5、表6所示。

由表5可以看出，5個隨機樣品梗絲摻配比例6次平行測定結果的變異系數控制在1.20%～1.86%，小于5%，說明該方法測定煙絲中的梗絲摻配比例的精確性較高。由表6 可知，采用圖像RGB均值對S26樣品連續測定6 d，根據回歸模型計算得出梗絲摻配比例在25.12%～25.68%，標準偏差為0.47%，變異系數為1.84%，說明采用該方法計算的梗絲摻配比例的重復性較好。

表5 圖像RGB均值法測定煙絲中梗絲比例的精確性驗證結果

表6 圖像RGB均值法測定煙絲中梗絲比例的重復性驗證結果

3 結論

研究建立了一種基于圖像分析法預測配方煙絲中梗絲摻配比例的方法，梗絲摻配比例與圖像RGB均值的多項式回歸模型擬合度較高，相關性系數R2=0.997 8；模型準確性驗證的相對誤差介于0.45%～3.04%，精確性檢測變異系數介于1.20%～1.86%，重復性檢測變異系數為1.84%，均小于5%，符合定量檢測要求。該方法簡單可行，與傳統的人工挑選的方法相比更具科學性和準確性。

研究只對某一加工工藝條件下的梗絲與葉絲的顏色差異進行了分析，而在實際生產中發現不同加工工藝條件下的梗絲之間的顏色同樣存在一定的差異，有的甚至與葉絲顏色接近，這種條件下的通過此種方法進行梗絲摻配比例的預測也是后期可進一步研究的方向。