基于纹理和形状特征的烤烟成熟斑与病斑分类方法及系统技术方案

本发明专利技术公开了一种基于纹理和形状特征的烤烟成熟斑与病斑分类方法及系统。其中，该方法包括：获取当前采集的烤烟图片；将当前采集的所述烤烟图片输入到训练好的烤烟成熟斑与病斑分类模型中，以对当前采集的所述烤烟图片中的成熟斑烟叶与病斑烟叶进行分类；所述病斑烟叶包括赤星病烟叶和蛙眼病烟叶；所述训练好的烤烟成熟斑与病斑分类模型是基于Adaboost分类器、圆形LBP纹理特征提取模块、形状特征提取模块以及样本数据集确定的；所述样本数据集包括多张烤烟样本图片以及相应的标注信息；所述标注信息包括：表征烤烟状态的信息。本发明专利技术的分类速度快、准确度高，能够有效提高烤后烟叶在机器分级时中上等烟的比例，增加经济效益。益。益。

【技术实现步骤摘要】
基于纹理和形状特征的烤烟成熟斑与病斑分类方法及系统


[0001]本专利技术涉及烟草生产质量检验
，特别是涉及一种基于纹理和形状 特征的烤烟成熟斑与病斑分类方法及系统。

技术介绍

[0002]烟草行业作为国民经济支柱产业，为其经济发展做出了巨大贡献。然而， 烟草的病害、虫害的种类较多，且不同种类的病虫害对应的收购条件也各不相 同。因此，为了提高烟草的质量和促进国民经济的发展，对收购时的烟叶病虫 害进行分类是必不可少的。
[0003]烟草病虫害分类识别是烟叶收购的第一步，也是提高烤烟经济效益的重要 基础，但是由于烤制后的烟叶病斑形态各异，大小不一，且从颜色、形状方面 与成熟斑更为接近，尤其是赤星病斑及蛙眼病斑与烟叶成熟斑从视觉方面极为 接近，收购时很难一眼分辨出来，从而导致烟叶收购质量的降低。因此，识别 烘烤后烟叶病斑与成熟斑的复杂性更高。
[0004]综上，对于烘烤后烟叶的质量研究，尤其是收购时容易混淆的病斑与成熟 斑、烟叶的质量和利用率、以及烟草企业的长远发展具有十分重大的意义。

技术实现思路

[0005]本专利技术的目的是提供一种基于纹理和形状特征的烤烟成熟斑与病斑分类 方法及系统，其分类速度快、准精度高，能够有效提高烤后烟叶在机器分级时 中上等烟的比例，进而增加经济效益。
[0006]为实现上述目的，本专利技术提供了如下方案：
[0007]第一方面，本专利技术提供的一种基于纹理和形状特征的烤烟成熟斑与病斑分 类方法，包括：
[0008]获取当前采集的烤烟图片；
[0009]将当前采集的所述烤烟图片输入到训练好的烤烟成熟斑与病斑分类模型 中，以对当前采集的所述烤烟图片中的成熟斑烟叶与病斑烟叶进行分类；所述 病斑烟叶包括赤星病烟叶和蛙眼病烟叶；
[0010]所述训练好的烤烟成熟斑与病斑分类模型是基于Adaboost分类器、圆形 LBP纹理特征提取模块、形状特征提取模块以及样本数据集确定的；所述样本 数据集包括多张烤烟样本图片以及相应的标注信息；所述标注信息包括：表征 烤烟状态的信息。
[0011]优选地，所述样本数据集的确定过程为：
[0012]获取多张单片烟叶；
[0013]将每张单片烟叶进行平铺，并对每张所述单片烟叶进行正面垂直拍照，得 到多张烤烟样本图片；
[0014]对多张所述烤烟样本图片中的烤烟状态进行标注，得到样本数据集；所述 烤烟状态包括正常和有斑；所述有斑包括成熟斑和病斑；所述病斑包括赤星病 斑和蛙眼病斑。
[0015]优选地，所述训练好的烤烟成熟斑与病斑分类模型的确定过程为：
[0016]将样本数据集划分为训练集和测试集；
[0017]构建烤烟成熟斑与病斑分类模型；
[0018]将所述训练集和所述测试集分别输入到所述烤烟成熟斑与病斑分类模型 中进行训练和验证；当分类准确率达到期望水平时，训练结束，得到训练好的 烤烟成熟斑与病斑分类模型。
[0019]优选地，所述烤烟成熟斑与病斑分类模型的训练过程为：
[0020]采用圆形LBP纹理特征提取模块对所述训练集中的正常烟叶和有斑烟叶 分别进行纹理特征提取；
[0021]将提取后的正常烟叶特征值和有斑烟叶特征值分别输入到Adaboost分类 器中进行训练，以对正常烟叶和有斑烟叶进行分类；并对分类结果进行抽样分 类验证；
[0022]采用形状特征提取模块对所述有斑烟叶中的成熟斑烟叶和病斑烟叶分别 进行形状特征提取；
[0023]将提取后的成熟斑烟叶特征值和病斑烟叶特征值分别输入到Adaboost分 类器中进行训练，以对成熟斑烟叶和病斑烟叶进行分类；并对分类结果进行抽 样分类验证。
[0024]优选地，所述采用圆形LBP纹理特征提取模块对所述训练集中的正常烟 叶和有斑烟叶分别进行纹理特征提取，具体为：
[0025][0026][0027][0028]其中，(xc，yc)为烤烟图片领域中心点，(xp，yp)为烤烟图片中的采 样点，P为采样点周围的特征点数量，R为采样点周围特征点的半径，f(x， y)为烤烟图片中采样点的像素值。
[0029]优选地，所述Adaboost分类器的最大迭代次数设置为10，随机种子数量 为0。
[0030]优选地，所述抽样分类检验为三折交叉验证。
[0031]优选地，所述形状特征提取模块采用形状复杂性模型对成熟斑烟叶和病斑 烟叶进行形状特征提取。
[0032]优选地，所述形状复杂性模型的计算公式为：
[0033][0034]式中，f(x，y)为烤烟图片中采样点的像素值；L为病斑部分的周长；S 表示单位面积上病斑的周长；N为采样点的总个数。
[0035]第二方面，本专利技术还提供一种基于纹理和形状特征的烤烟成熟斑与病斑分 类系统，包括：
[0036]烤烟图片获取模块，用于获取当前采集的烤烟图片；
[0037]烤烟成熟斑与病斑分类模块，用于将当前采集的所述烤烟图片输入到训练 好的烤烟成熟斑与病斑分类模型中，以对当前采集的所述烤烟图片中的成熟斑 烟叶与病斑烟叶进行分类；所述病斑烟叶包括赤星病烟叶和蛙眼病烟叶；
[0038]所述训练好的烤烟成熟斑与病斑分类模型是基于Adaboost分类器、圆形 LBP纹理特征提取模块、形状特征提取模块以及样本数据集确定的；所述样本 数据集包括多张烤烟样本图片以及相应的标注信息；所述标注信息包括：表征 烤烟状态的信息。
[0039]根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：
[0040]本专利技术基于纹理和形状特征以对烤烟成熟斑与病斑进行分类。其中，纹理 特征利用烟叶成熟斑与赤星病及蛙眼病斑的不同纹理来对烟叶病斑纹理进行 区分，使大量不符合带病烟叶的叶片快速筛去，从而大大缩短了分类时间，尤 其是在现阶段烤烟通过机器分类，其分类时间较慢且无法区分成熟斑与赤心病 斑及蛙眼病斑两种常见病斑，本专利技术具有分类速度快，精度高的优点；而结合 病斑的形状特征，对烟叶进行二次判定，保证了烟叶是否有病斑判定的准确性。 综上，本专利技术分类速度快、准确度更高，能够在烟叶收购时减少成熟斑与病斑 混淆的情况，为后续烟叶机器分类、定级等应用打好基础，进而有效提高烤后 烟叶在机器分级时中上等烟的比例，增加经济效益。
附图说明
[0041]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施 例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是 本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性 的前提下，还可以根据这些附图获得其他的附图。
[0042]图1为本专利技术实施例基于纹理和形状特征的烤烟成熟斑与病斑分类方法 流程图；
[0043]图2为本专利技术实施例基于纹理和形状特征的烤烟成熟斑与病斑分类系统 结构图。
具体实施方式
[0044]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清 楚、完整地描述，显然本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于纹理和形状特征的烤烟成熟斑与病斑分类方法，其特征在于，包括：获取当前采集的烤烟图片；将当前采集的所述烤烟图片输入到训练好的烤烟成熟斑与病斑分类模型中，以对当前采集的所述烤烟图片中的成熟斑烟叶与病斑烟叶进行分类；所述病斑烟叶包括赤星病烟叶和蛙眼病烟叶；所述训练好的烤烟成熟斑与病斑分类模型是基于Adaboost分类器、圆形LBP纹理特征提取模块、形状特征提取模块以及样本数据集确定的；所述样本数据集包括多张烤烟样本图片以及相应的标注信息；所述标注信息包括：表征烤烟状态的信息。2.根据权利要求1所述的基于纹理和形状特征的烤烟成熟斑与病斑分类方法，其特征在于，所述样本数据集的确定过程为：获取多张单片烟叶；将每张单片烟叶进行平铺，并对每张所述单片烟叶进行正面垂直拍照，得到多张烤烟样本图片；对多张所述烤烟样本图片中的烤烟状态进行标注，得到样本数据集；所述烤烟状态包括正常和有斑；所述有斑包括成熟斑和病斑；所述病斑包括赤星病斑和蛙眼病斑。3.根据权利要求2所述的基于纹理和形状特征的烤烟成熟斑与病斑分类方法，其特征在于，所述训练好的烤烟成熟斑与病斑分类模型的确定过程为：将样本数据集划分为训练集和测试集；构建烤烟成熟斑与病斑分类模型；将所述训练集和所述测试集分别输入到所述烤烟成熟斑与病斑分类模型中进行训练和验证；当分类准确率达到期望水平时，训练结束，得到训练好的烤烟成熟斑与病斑分类模型。4.根据权利要求3所述的基于纹理和形状特征的烤烟成熟斑与病斑分类方法，其特征在于，所述烤烟成熟斑与病斑分类模型的训练过程为：采用圆形LBP纹理特征提取模块对所述训练集中的正常烟叶和有斑烟叶分别进行纹理特征提取；将提取后的正常烟叶特征值和有斑烟叶特征值分别输入到Adaboost分类器中进行训练，以对正常烟叶和有斑烟叶进行分类；并对分类结果进行抽样分类验证；采用形状特征提取模块对所述有斑烟叶中的成熟斑烟叶和病斑烟叶分别进行形状特征提取；将提取后的成熟斑烟叶特征值和病斑烟叶特征值分别输入到Ada...

【专利技术属性】
技术研发人员：罗建喆，陈婷，王通，冯柔，赵晓琳，薛盼，朱金轲，廖本奇，
申请(专利权)人：昆明理工大学，
类型：发明
国别省市：