一种基于机器视觉的鲜烟部位识别方法技术

本发明专利技术公开一种基于机器视觉的鲜烟部位识别方法，包括：建立鲜烟叶不同部位的叶片采收图库，采收拍照时鲜烟叶旁放标准刻度尺；对图片进行预处理，采用canny算子对预处理后的图片进行烤烟轮廓边缘曲线提取；构建叶片轮廓的外接矩形；基于叶片轮廓的外接矩形进行叶片特征参数提取，以叶片轮廓上距离最大的两个点之间连线的像素点数量作为最大叶长，以叶片轮廓上与叶长垂直、且距离最远的两点之间连线的像素点数量作为最大叶宽，根据最大叶长、最大叶宽和长宽比，建立鲜烟叶部位判别模型。本发明专利技术实现了鲜烟叶部位的自动机器识别，解决了人工识别鲜烟叶部位所导致的识别效率低的问题，为自动化匹配烘烤工艺参数实现智能烘烤奠定基础。基础。基础。

【技术实现步骤摘要】
一种基于机器视觉的鲜烟部位识别方法


[0001]本专利技术涉及图像处理
，尤其涉及鲜烟叶的自动识别及分类，具体为一种基于机器视觉的鲜烟部位识别方法。

技术介绍

[0002]部位是影响烟叶烘烤工艺参数的重要因素。采收后鲜烟烘烤工艺参数的设置由烘烤技师根据部位、成熟度等特征进行经验判断，主观差异较大，烤后烟叶质量参差不齐，随着物联网智能烘烤技术的发展，基于图像识别的烟叶自动烘烤将逐步替代人工烤烟。
[0003]近年来，基于图像分析的植物分类研究有较大进展，Filipa等采用混合模型设定阈值的方法分割图像背景，并基于特征排序方法实现植株图像精准分割；董本志等基于Freeman链码方法对叶片图像中的拐角点进行检测，叶面积和叶周长的计算精确度有显著提高；董红霞等基于狭长度、矩形度等7项相对几何特征和纹理特征，并利用BP神经网络对叶片进行分类，识别准确率达到98.4％；魏蕾等选取多个特征参数，利用SVM分类器对4种叶片进行识别，准确率达到95.8％；Lukic等人采用Hu不变矩和LBP算法提取特征，SVM作为分类器进行植物分类识别；李洋等提出一种基于形态特征的植物叶片识别算法，采用KNN
‑
SVM对叶片进行分类识别；Qi Zhang等对10种分类器进行评估，发现在不同特征的叶片识别中，随机森林和逻辑回归具有较高的准确性和稳定性。这些研究结果都可以验证不同机器视觉与人工检测、气相光谱和液相光谱等方法相比，具有简便、高效、无损的特点。
[0004]目前，机器视觉的方法在烟草识别领域的研究也取得了较大进展，但主要针对烤后烟叶的分级以及烟叶成熟度的识别，如公开号CN110415181A的中国专利于2019年11月5日公开的一种开放环境下烤烟RGB图像智能识别及等级判定方法，且现有技术大多采用颜色、纹理等图像特征，而对鲜烟叶部位的识别鲜有报道。在烤烟采收环节中，不同部位烤烟的外观形态特征、干物质积累量均存在一定差异性，导致烟叶烘烤特性差异较大，正确识别烟叶部位、匹配合理工艺参数是提高烟叶烘烤质量的重要一环。

技术实现思路

[0005]为克服上述现有技术的不足，本专利技术提供一种基于机器视觉的鲜烟部位识别方法，该方法利用机器视觉技术，提取烟叶的形态特征参数，采用机器学习方法建立分类识别模型，实现鲜烟叶部位的自动、准确识别。
[0006]本专利技术是通过以下技术方案予以实现的：
[0007]一种基于机器视觉的鲜烟部位识别方法，所述方法包括：
[0008]建立鲜烟叶不同部位的叶片采收图库，采收拍照时鲜烟叶旁放标准刻度尺；
[0009]对叶片采收图库中的图片进行预处理，并采用canny算子对预处理后的图片进行烤烟轮廓边缘曲线提取；
[0010]基于提取的烤烟轮廓边缘曲线构建叶片轮廓的外接矩形；
[0011]基于叶片轮廓的外接矩形进行叶片特征参数提取，以叶片轮廓上距离最大的两个
点之间连线的像素点数量作为最大叶长，以叶片轮廓上与叶长垂直、且距离最远的两点之间连线的像素点数量作为最大叶宽，根据最大叶长和最大叶宽计算得到叶宽比；
[0012]根据最大叶长、最大叶宽和长宽比，建立鲜烟叶部位判别模型为：部位＝a+b
×
最大叶长+c
×
最大叶宽+d
×
长宽比。
[0013]上述技术方案通过烤烟轮廓边缘曲线提取叶片特征参数，并根据提取的叶片特征参数建立鲜烟叶参数与部位判别模型，实现从鲜烟叶参数到部位的直接转换，该技术方案只需要获取鲜烟叶图像、提取出叶片特征参数并输入鲜烟叶部位判别模型，即可直接得到部位判别结果，解决了现有烘烤之前通过人工判别再输入部位信息匹配工艺参数造成的效率低下的问题，有利于烘烤工艺的数字化定制。
[0014]上述技术方案应用于智能烘烤过程中，由于不再由人工进行干预，而是采用机器视觉准确地判别烤烟部位，进而匹配最佳烘烤工艺参数，使得能够利用机器视觉判别烤烟部位的准确率达到提高烘烤质量的目的。
[0015]由于叶片拍摄时以标准刻度尺为参考，因此获取的图像中，可根据标准刻度尺的像素占比计算最大叶长、最大叶宽及叶宽比。
[0016]作为进一步的技术方案，所述方法进一步包括：将鲜烟叶的最大叶长和叶宽比输入鲜烟叶部位判别模型，输出当前叶片的部位，并根据当前部位匹配对应的烘烤工艺。
[0017]鲜烟叶部位判别模型的输出端可连接至烘烤控制器，由烘烤控制器根据鲜烟叶的部位自动匹配相应的烘烤工艺，实现鲜烟叶部位确定及烘烤工艺判定的智能化操作流程。
[0018]作为进一步的技术方案，依据逐步回归方程计算得到不同品种鲜烟叶的部位判别模型。通过获取大量的同品种鲜烟叶的最大叶长、最大叶宽及叶宽比数据，利用逐步回归方程计算得到该品种鲜烟叶的部位判别模型。
[0019]对于不同烟叶品种，可建立不同的鲜烟叶部位判别模型，便于实现不同品种鲜烟叶的快速部位确定及烘烤工艺判定。
[0020]作为进一步的技术方案，在进行逐步回归方程计算时，统计每个叶片特征参数的方差膨胀系数，将方差膨胀系数大于预设值的叶片特征参数进行剔除。
[0021]在利用最大叶长、最大叶宽和叶宽比进行逐步回归方程计算时，会出现某些特征参数显著性不高的问题，因此，通过统计每个特征参数的方差膨胀系数，根据方差膨胀系数来进行非显著性特征参数的剔除，在保证鲜烟叶部位判别精度的前提下，降低判别过程的计算量。
[0022]作为进一步的技术方案，在拍摄鲜烟叶图像时，将采收的鲜烟叶平铺放置在黑色背景布中央，旁边放置标准刻度尺，将相机固定在距地面预设距离处，调节镜头与地面垂直来进行图像采集。
[0023]在设置好相机、背景布及标准刻度尺后，对于新采收的鲜烟叶，只需要将鲜烟叶放置在拍摄位置即可自动采集其图像，并基于机器视觉识别自动输出当前鲜烟叶的部位，进而根据鲜烟叶部位匹配响应的烘烤工艺，实现鲜烟叶烘烤工艺的快速、准确判定，提升工作效率。
[0024]作为进一步的技术方案，建立鲜烟叶不同部位的叶片采收图库时，上部叶(16
‑
21叶位)、中部叶(8
‑
15叶位)、下部叶(1
‑
7叶位)的图片数量均不低于100张。这样设置可满足鲜烟叶部位判别模型的训练及测试需求，使得所构建的模型能够满足精度要求。
[0025]作为进一步的技术方案，对叶片采收图库中的上部叶、中部叶、下部叶分别进行标注，并以预设比例随机选取训练集和测试集，用于对构建的鲜烟叶部位判别模型进行训练和测试。在鲜烟叶部位判别模型构建前，首先获取用于模型构建的叶片样本，然后由长期从事烤烟生产工作的专业人员对叶片样本进行部位判别和标注，以获取经部位标注后的叶片用于模型的训练和测试。
[0026]作为进一步的技术方案，对采集的图像进行预处理进一步包括：图像灰度化、高斯滤波平滑、灰度图像二值化和形态学处理，以实现叶片与背景的分离。该技术方案通过对原始采集叶片图像的一系列处理达到叶片与背景分离的目本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器视觉的鲜烟部位识别方法，其特征在于，所述方法包括：建立鲜烟叶不同部位的叶片采收图库，采收拍照时鲜烟叶旁放标准刻度尺；对叶片采收图库中的图片进行预处理，并采用canny算子对预处理后的图片进行烤烟轮廓边缘曲线提取；基于提取的烤烟轮廓边缘曲线构建叶片轮廓的外接矩形；基于叶片轮廓的外接矩形进行叶片特征参数提取，以叶片轮廓上距离最大的两个点之间连线的像素点数量作为最大叶长，以叶片轮廓上与叶长垂直、且距离最远的两点之间连线的像素点数量作为最大叶宽，根据最大叶长和最大叶宽计算得到叶宽比；根据最大叶长、最大叶宽和长宽比，建立鲜烟叶部位判别模型为：部位＝a+b
×
最大叶长+c
×
最大叶宽+d
×
长宽比。2.根据权利要求1所述一种基于机器视觉的鲜烟部位识别方法，其特征在于，所述方法进一步包括：将鲜烟叶的最大叶长和叶宽比输入鲜烟叶部位判别模型，输出当前叶片的部位，并根据当前部位匹配对应的烘烤工艺。3.根据权利要求1所述一种基于机器视觉的鲜烟部位识别方法，其特征在于，依据逐步回归方程计算得到不...

【专利技术属性】
技术研发人员：孙光伟，陈振国，宋朝鹏，孙敬国，李建平，冯吉，张鹏龙，吴勇，
申请(专利权)人：湖北省烟草科学研究院，
类型：发明
国别省市：