机器视觉体系可以快速获取大量信息并主动进行数据处理，易于同生产中其他板块信息相集成，在进步生产的柔性和主动化程度方面有很大的上风。 在大批量工业生产过程中，用机器视觉体系检查产品质量有速度快、精度高的好处，可以大大进步生产服从和生产主动化程度。但是因为机器视觉技术自己的性子和要求，该技术在一些应用中仍有很多技术难题需解决。例如，在烟草行业中就有四大难题仍待解决。 1、关于图像处理的动态性。目前，多部分研究成果都是静态的，即先从室内或者田间采集静态图像，再用计算机对图像进行处理。而现实应用中要求识别的算法能够适应户外动态的条件。有研究注解：行使当代数学的分析方法，如分型理论、小波变换可以再图像处理和识别的软件设计方面进步算法的快速性和有用性。 2、关于农业环境的多变性。一样平常地，图像采集要求在具有可控光照、色温以及没有环境因素影响的实验室或者温室等理想条件下进行，但在现实应用中农田环境多变、图像背景复杂，光照、风速的不可控性以及设备的机械震荡等很多因素都能导致图像质量降落、噪声增长，大大增长了图像预处理的难度，降低了处理效果的正确性和快速性。通过二值化分割、中值滤波等处理可以去除图像中杂质和噪声，以进步图像质量。 3、烟叶质量的波动性。通常，烟叶质量会由于年份、地区、品种以及等级的不同而产生差异，因此图像识别的算法应该充分考虑到烟叶质量差异的存在，并作出响应的算法转换和调整，这对实现烟叶的主动化检测造成了肯定的困难。 4、尚缺乏相干的理论支持。传统的烟叶质量评价方法并不完全适宜于基于机器视觉技术的烟叶质量评价，如传统烟叶分级中油份、成熟度等概念不利于进行定量分析，因此必要选取适宜的评价指标，并对指标进行简化，以建立适宜的质量评价模型。
.jpg)