一种基于图像识别算法的烟叶长宽比测量方法技术

本发明专利技术公开了一种基于图像识别算法的烟叶长宽比测量方法，包括如下步骤：S1：在相同条件下采集烟叶图像；S2：图像预处理；S3：烟叶轮廓提取；S4：烟叶轮廓的正外接矩形提取；S5：烟叶长、宽值提取，计算长宽比。本发明专利技术的测量方法，可替代传统烟叶长宽度测量方法，有利于降低烟叶筛选的人工成本，弥补烤烟标准在宽度和长宽比等要求上的缺陷。长宽比等要求上的缺陷。长宽比等要求上的缺陷。

【技术实现步骤摘要】
一种基于图像识别算法的烟叶长宽比测量方法


[0001]本专利技术属于图像识别
，特别提供一种基于图像识别算法的烟叶长宽比测量方法。

技术介绍

[0002]国标GB2635
‑
92提出的长度是指烟叶主脉基部至叶尖的直线量度，在此分级标准中，将叶片长度划分为大于或等于45cm、40cm、35cm、30cm、25cm五个档次，以5cm为递进梯度，根据不同等级的要求，规定某个等级不低于某个长度，如果低于标准下，则进行降级。
[0003]在上述标准中，四十二级标准是根据烟叶的成熟度、叶片结构、身份、油分、色度、长度、残伤等七个外观品级因素区分级别的，分为下部柠檬黄色四个级、枯黄色四个级；中部柠檬黄色四个级，枯黄色四个级；上部柠檬黄色四个级、桔黄色四个级、红棕色三个级；完熟叶二个级；中下部杂色二个级、上部杂色三个级；光滑叶二个级；微带青四个级、青黄色二个级，共42个级。其中，规定长度下限为25cm，宽度未作要求，这是本标准的一项缺陷，因为发育好的烟叶，长宽比大多在1∶(0.4～0.5)之间。国外如美国的分级标准中，将宽度作为一项分级因素。
[0004]烟叶的长宽比是识别烟叶叶形的重要指标、以及判断烟叶部位的关键依据。不同品种、不同生态环境下，烟叶叶形可能会有些微差异，但通过计算烟叶长宽比的差异，可以排除品种和生态环境的影响，有效地区分烟叶的叶形变化，进而准确地判断烟叶的部位。目前烟叶的长宽比的测量主要靠人工来完成，由于存在人为因素影响，测量精度偏低，且误差也较大，因此无法满足较高的精度要求。
[0005]如何高效准确的对烟叶长、宽度以及长宽比进行测量，对提高烟叶分定级环节的效率和准确度具有重要意义。为此提出本专利技术。

技术实现思路

[0006]本专利技术的目的在于提供一种基于图像识别算法的烟叶长宽比测量方法。
[0007]本专利技术技术方案如下：
[0008]一种基于图像识别算法的烟叶长宽比测量方法，包括如下步骤：
[0009]S1：在相同条件下采集烟叶图像；
[0010]S2：图像预处理；
[0011]S3：烟叶轮廓提取；
[0012]S4：烟叶轮廓的正外接矩形提取；
[0013]S5：烟叶长、宽值提取，计算长宽比。
[0014]优选地，步骤S1中所述相同条件为800万像素79度定焦摄像头模组+SHRL
‑
74
‑
90视觉光源，所采集图像像素为3264*2448。
[0015]优选地，步骤S2中所述预处理步骤包括：叶面边缘提取和叶面形态学处理。
[0016]优选地，叶面边缘提取步骤包括：首先读取RGB烟叶图像、绘制截取烟叶基部以外
根茎的边框，然后进行灰度通道二值化，随之进行合并截断后的掩模；在此基础上使用Sobel算子滤除原图像噪声，并计算梯度；应用非极大值抑制以消除边缘检测、目标检测带来的杂散响应；应用双阈值检测来确定真实的和潜在的边缘。在RGB模型中，如果R＝G＝B时，则彩色表示一种灰度颜色，其中R＝G＝B的值叫灰度值，因此，灰度图像每个像素只需一个字节存放灰度值(又称强度值、亮度值)，灰度范围为0
‑
255；RGB图像转换为灰度图的公式为：Gray(i，j)＝0.299*R(i，j)+0.587*G(i，j)+0.114*B(i，j)，其中R(i,j)为图像的红色通道坐标位置，G(i,j)为绿色通道坐标位置，B(i,j)为蓝色通道坐标位置；接下来，进行通道二值化，转换公式如下所示：随之进行合并截断后的掩模；在此基础上使用Sobel算子滤除原图像噪声，并计算梯度；应用非极大值抑制(Non
‑
Maximum Suppression,NMS)以消除边缘检测、目标检测带来的杂散响应，即对待测边缘或目标，应尽可能有唯一的准确响应；应用双阈值(Double
‑
Threshold)检测来确定真实的和潜在的边缘。
[0017]优选地，叶面形态学处理步骤为先膨胀后腐蚀的闭运算，从而消除烟叶图像中的小黑洞。
[0018]优选地，步骤S3中所述烟叶轮廓提取步骤包括：首先通过不建立等级关系的轮廓模式，以及存储所有的轮廓点，相邻的两个点的像素位置差不超过1的近似方法进行所有轮廓的输出；然后对轮廓面积进行排序，从而找到最大面积轮廓，并绘制对应的单通道叶面轮廓，并绘制对应的单通道叶面轮廓。
[0019]优选地，步骤S4中所述烟叶轮廓的正外接矩形提取，具体方法是在叶面形态学处理后的烟叶图像之上，采用opencv中的findContours()算法提取烟叶轮廓的正外接矩形。
[0020]优选地，步骤S5中所述烟叶长值为烟叶主脉基部至叶尖长度，宽值是叶面展开宽度，所以烟叶长、宽分别对应上烟叶轮廓的正外接矩形的长、宽；按照对应的烟叶长、宽，计算出对应的长宽比。
[0021]本专利技术的有益效果为：
[0022]本专利技术的基于图像识别算法的烟叶长宽比测量方法，可替代传统烟叶长宽度测量方法，有利于降低烟叶筛选的人工成本，弥补烤烟标准在宽度和长宽比等要求上的缺陷。本专利技术的方法可以高效准确地对烟叶长、宽度以及长宽比进行测量，对提高烟叶分定级环节的效率和准确度具有重要意义。同时，烟叶长、宽以及长宽比的测量也有益于丰富烟叶分级指标。
附图说明
[0023]图1为本专利技术基于图像识别算法的烟叶长宽比测量方法流程图。
[0024]图2为完整烟叶长、宽、长宽比提取对比图。
[0025]图3为破损烟叶长、宽、长宽比提取对比图。
[0026]图4为本专利技术实施例中的基于图像识别算法的烟叶长宽比测量方法的结构框图。
具体实施方式
[0027]下面将结合本专利技术实施例中，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，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。下面结合附图和具体实施例对本专利技术作进一步说明，但不作为本专利技术的限定。
[0028]如图1所示，一种基于图像识别算法的烟叶长宽比测量方法，包括以下步骤：
[0029]S1：在相同条件下采集烟叶图像；
[0030]S2：图像预处理；
[0031]S3：烟叶轮廓提取；
[0032]S4：烟叶轮廓的正外接矩形提取；
[0033]S5：烟叶长、宽值提取，计算长宽比。
[0034]进一步，步骤S1中所述相同环境为800万像素79度定焦摄像头模组+SHRL
‑
74
‑
90视觉光源下，所采集图像像素为3264*2448。
[0035]进一步，步骤S2中所述预处理过程包括叶面边缘提取、叶面形态学处理。
[0036]进一步，叶面边缘提取步骤包括：首先读取RGB烟叶图像、绘制截取烟叶基部以外根茎的边框，然后进行灰度通道二值化，随之进行合并截断后的掩模；在此基础上使用Sobel算子滤除原图像噪声，并计算梯度；应用非极大值抑制以消本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图像识别算法的烟叶长宽比测量方法，其特征在于，包括如下步骤：S1：在相同条件下采集烟叶图像；S2：图像预处理；S3：烟叶轮廓提取；S4：烟叶轮廓的正外接矩形提取；S5：烟叶长、宽值提取，计算长宽比。2.根据权利要求1所述基于图像识别算法的烟叶长宽比测量方法，其特征在于，步骤S1中所述相同条件为800万像素79度定焦摄像头模组+SHRL
‑
74
‑
90视觉光源，所采集图像像素为3264*2448。3.根据权利要求1所述基于图像识别算法的烟叶长宽比测量方法，其特征在于，步骤S2中所述预处理步骤包括：叶面边缘提取和叶面形态学处理。4.根据权利要求3所述基于图像识别算法的烟叶长宽比测量方法，其特征在于，叶面边缘提取步骤包括：首先读取RGB烟叶图像、绘制截取烟叶基部以外根茎的边框，然后进行灰度通道二值化，随之进行合并截断后的掩模；在此基础上使用Sobel算子滤除原图像噪声，并计算梯度；应用非极大值抑制以消除边缘检测、目标检测带来...

【专利技术属性】
技术研发人员：杨乾栩，刘馨芮彤，马骥，杨建云，胡巍耀，陈剑明，刘晓敏，
申请(专利权)人：云南中烟工业有限责任公司，
类型：发明
国别省市：