一种基于集成技术的烤烟烟叶等级识别方法技术

本发明专利技术公开了一种基于集成技术的烤烟烟叶智能化分级方法，包括：对获取的烤烟烟叶图像进行预处理，筛选得到合格的训练数据与测试数据；进行图像分割，利用灰度化与阈值化技术，找到最大的连通区域，得到目标区域图像与相应的二值化掩模图像；对目标区域图像进行处理，提取烤烟烟叶图像的传统表观特征、VGG16深度网络输出特征以及细粒度特征，将这些特征输入到基于Boosting框架的多支持向量机模型中进行训练，学习各分类模型的权重和参数；对集成结果进行投票，得到最终的等级识别结果。本发明专利技术能够利用专家知识提取的特征以及深度神经网络提取的深度特征，最后利用有效的集成技术使得烤烟烟叶分级结果具有较高的准确率以及鲁棒性。鲁棒性。鲁棒性。

【技术实现步骤摘要】
一种基于集成技术的烤烟烟叶等级识别方法


[0001]本专利技术涉及图像处理
，涉及图像分割、特征提取、深度学习、集成技术，具体涉及一种基于集成技术的烤烟烟叶等级识别技术。

技术介绍

[0002]烟草作为一种重要的经济作物，在国民经济建设中占有非常重要的地位。为了加工生产不同层次的香烟，需要对原始的烤烟烟叶进行分级收购。对烤烟烟叶定级的标准包括：成熟度、叶片结构、身份、油分、颜色、长度、残伤度。人工分级只能靠视觉、触觉、味觉等多种感官的综合判断。在大规模的烟叶分级现场，工人往往会产生视觉疲劳，并且会有情绪波动，因此传统分级方法具有很强的主观性。正常的工人往往需要两年的实际分级训练，才能达到合格的分级准确率。所以烟叶分级具有重要的实际价值，并且具有很大的挑战性。
[0003]烤烟烟叶分级的常规视觉方法，即用传统的视觉处理技术，包括特征提取，分类器的训练，已经可以达到某种程度上的“智能”。由于特征需要自己设计，我们只能利用部分已知的专家知识，比如烟叶的长度，颜色等等。这是人工提取特征的优点。并且随着季节时间的变化，这些特征会出现一些变化本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于集成技术的烤烟烟叶等级识别方法，其特征在于，包括如下步骤：步骤1：图像获取，利用可见光相机获得烤烟烟叶正面反射图，并将采集的数据分为训练集与测试集，利用分级专家将这些图片进行标注；步骤2：图像预处理，剔除不规范的数据，利用灰度化与阈值化技术，找到最大的连通区域，得到目标区域与相应的二值化掩模；步骤3：特征提取，提取烤烟烟叶图像的传统表观特征、VGG16深度网络输出特征以及细粒度特征；步骤4：建立包含SVM的Boosting集成框架，学习各SVM的参数和权重。2.根据权利要求1所述的基于集成技术的烤烟烟叶等级识别方法，其特征在于，所述步骤2中，剔除不规范的数据采用如下步骤进行：判断烟叶图像是否过横轴，并结合最大连通区域的个数，接着进行图像分割，首先对图像进行高斯光滑处理；然后通过灰度化，阈值化，找到面积最大的连通区域，将此区域视为关心的区域，最后在此区域内进行烤烟烟叶的特征提取。3.根据权利要求1所述的基于集成技术的烤烟烟叶等级识别方法，其特征在于，所述步骤3中，提取的特征包括3种，分别是：1)表观特征，包括几何形状特征，颜色特征以及纹理特征；几何形状特征包含7个，分别是周长、面积、破损率、圆形度、长轴长、短轴长、长宽比；颜色特征包含267个,包括256维的HSV直方图颜色特征，11的维HSV三分量的均值及标准差，B、G颜色分量的均值以及B、G、R的标准差；纹理特征有5个，包括熵，能量，对比度，一致性，自相关性；2)卷积神经网络提取的特征选用分类网络VGG16来提取图像特征，只保留VGG16最后一个池化层的输出结果作为最终的特征；3)细粒度神经网络提取的特征选择VGG16最后一层池化层之前的网络层作为将要处理的特征图，首先对这些特征图进行预处理，包括平方根正则化和二范数归一化；然后将归一化后的特征图两两内积，并采用核函数技巧，建立不同特征通道之间的非线性关系。4.根据权利要求1所述的基于集成技术的烤烟烟叶等级识别方法，其特征在于，几何形状特征通过以下方式获得：根据roiMsk和fullMsk，通过fullMsk来遍历roiMsk，统计roiMsk的ROI区域内像素值为零的孔洞数目hole_area，以及非零像素个数contoure_area；得到叶片总的外观面积：area＝hole_area+contoure_area破损率的计算公式如下：breakage＝hole_area/leaf_area周长的计算只需统计最大连通区域的轮廓的像素个数maxContoureNum：perimeter＝maxContoureNum定义圆形度：circularity＝4π
×
area/perimeter2；通过ROI区域的最小内接椭圆来求得长轴、短轴的长度，最小内接椭圆即用最大连通区
域的轮廓点来拟合椭圆，得到椭圆的长轴长a与短轴长b，求得烟叶的长轴长，短轴长，以及二者之比：axis_long＝aaxis_short＝bl_over_s＝a/b5.根据权利要求1所述的基于集成技术的烤烟烟叶等级识别方法，其特征在于，颜色特征通过以下方式获得：首先将ROI图像的色彩空间由RGB转化为HSV，HSV各个分量的范围都是0～255；在ROI区域中逐像素进行颜色分量统计求和以及HSV颜色直方图...

【专利技术属性】
技术研发人员：肖勇，余佳敏，俞世康，杨雪，江鸿，赵宇，许文武，王艺斌，刘承钧，李亚勇，
申请(专利权)人：南京焦耳科技有限责任公司，
类型：发明
国别省市：