烟丝宽度的确定方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术公开了一种烟丝宽度的确定方法、装置、电子设备及存储介质，其中，该方法包括：获取原始图像，对所述原始图像进行滤波处理确定待处理图像；对所述待处理图像进行灰度化处理得到目标图像，基于所述目标图像和目标检测模型确定与所述原始图像相对应的烟丝宽度信息；其中，所述目标检测模型是对预设检测模型进行训练得到的卷积神经网络；所述卷积神经网络包括卷积层和全连接层；所述卷积层和所述全连接层之间设置有残差层。实现了基于获取得到的原始图像，并对原始图像进行处理后，得到目标图像，进而基于目标图像和目标检测模型确定与原始图像相对应的烟丝宽度信息，提高了烟丝宽度的确定效率。的确定效率。的确定效率。

【技术实现步骤摘要】
烟丝宽度的确定方法、装置、电子设备及存储介质


[0001]本专利技术涉及计算机
，尤其涉及一种烟丝宽度的确定方法、装置、电子设备及存储介质。

技术介绍

[0002]在烟叶的加工过程中，烟叶切丝成品宽度对香烟成品的口感有十分重要的影响作用，目前烟草行业制丝线切烟丝工序的烟丝宽度范围是0.7mm
‑
1.3mm。
[0003]但是，现有的烟丝宽度检测方案是利用烟草光学投影仪对烟丝进行放大后检测，选取较为规格烟丝样本，利用投影法标定，这种方法测量精度低，并且检测方案较为复杂，无法满足生产的需求。

技术实现思路

[0004]本专利技术提供了一种烟丝宽度的确定方法、装置、电子设备及存储介质，实现了基于获取得到的原始图像，并对原始图像进行处理后，得到目标图像，进而基于目标图像和目标检测模型确定与原始图像相对应的烟丝宽度信息，提高了烟丝宽度的确定效率。
[0005]根据本专利技术的一方面，提供了一种烟丝宽度的确定方法，所述方法包括：
[0006]获取原始图像，对所述原始图像进行滤波处理确定待处理图像；
[0007]对所述待处理图像进行灰度化处理得到目标图像，基于所述目标图像和目标检测模型确定与所述原始图像相对应的烟丝宽度信息；
[0008]其中，所述目标检测模型是对预设检测模型进行训练得到的卷积神经网络；所述卷积神经网络包括卷积层和全连接层；所述卷积层和所述全连接层之间设置有残差层。
[0009]根据本专利技术的另一方面，提供了一种烟丝宽度的确定装置，所述设备包括：
[0010]图像处理模块，用于获取原始图像，对所述原始图像进行滤波处理确定待处理图像；
[0011]烟丝宽度确定模块，用于对所述待处理图像进行灰度化处理得到目标图像，基于所述目标图像和目标检测模型确定与所述原始图像相对应的烟丝宽度信息；
[0012]其中，所述目标检测模型是对预设检测模型进行训练得到的卷积神经网络；所述卷积神经网络包括卷积层和全连接层；所述卷积层和所述全连接层之间设置有残差层。
[0013]根据本专利技术的另一方面，提供了一种电子设备，所述电子设备包括：
[0014]至少一个处理器；以及
[0015]与所述至少一个处理器通信连接的存储器；其中，
[0016]所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本专利技术任一实施例所述的烟丝宽度的确定方法。
[0017]根据本专利技术的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本专利技术任一实施例所述
的烟丝宽度的确定方法。
[0018]本专利技术实施例的技术方案，通过获取原始图像，对所述原始图像进行滤波处理确定待处理图像，并且对所述待处理图像进行灰度化处理得到目标图像，基于所述目标图像和目标检测模型确定与所述原始图像相对应的烟丝宽度信息，并且所述目标检测模型是对预设检测模型进行训练得到的卷积神经网络；所述卷积神经网络包括卷积层和全连接层；所述卷积层和所述全连接层之间设置有残差层。基于上述技术方案，实现了基于获取得到的原始图像，并对原始图像进行处理后，得到目标图像，进而基于目标图像和目标检测模型确定与原始图像相对应的烟丝宽度信息，提高了烟丝宽度的确定效率。
[0019]应当理解，本部分所描述的内容并非旨在标识本专利技术的实施例的关键或重要特征，也不用于限制本专利技术的范围。本专利技术的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0020]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述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的前提下，还可以根据这些附图获得其他的附图。
[0021]图1是本专利技术实施例提供的一种烟丝宽度的确定方法的流程示意图；
[0022]图2是本专利技术实施例提供的一种烟丝宽度的确定方法的流程图；
[0023]图3是本专利技术实施例提供的一种烟丝宽度的确定设备的结构框图；
[0024]图4是本专利技术实施例提供的电子设备的结构示意图。
具体实施方式
[0025]为了使本
的人员更好地理解本专利技术方案，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，所描述的实施例仅仅是本专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范围。
[0026]需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本专利技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0027]实施例一
[0028]图1是本专利技术实施例提供的一种烟丝宽度的确定方法的流程示意图，本实施例可适用于通过获取原始图像，并对原始图像进行处理确定出目标图像，进而基于目标图像和目标检测模型确定烟丝宽度信息的情况，该方法可以由烟丝宽度的确定装置来执行，该烟丝宽度的确定装置可以采用硬件和/或软件的形式实现，该烟丝宽度的确定装置可配置于
电子设备中，该电子设备可以是PC端或服务端等。
[0029]如图1所示，该方法包括：
[0030]S110、获取原始图像，对所述原始图像进行滤波处理确定待处理图像。
[0031]其中，原始图像可以是基于预先设置的图像采集设备采集得到的烟丝的图像信息。滤波处理可以理解为滤除原始图像中特定的信号。待处理图像可以是将原始图像进行滤波处理后得到的图像。
[0032]具体的，获取原始图像，对原始图像进行滤波处理确定待处理图像，例如可以是根据预设的烟丝抽检平台得到原始图像，烟丝抽检平台主要包括工业单目相机、线性LED光源、计算机、样品夹持装置，线性LED光源主要提供稳定强烈的照明，确保不会出现背景噪声。待检烟丝置于样品夹持透明玻璃片之上，另有一光源放置于标定板底部，光源为可调节。检测过程中采用单张拍摄方法，循环读取拍摄图片，进而得到原始图像。
[0033]S120、对所述待处理图像进行灰度化处理得到目标图像，基于所述目标图像和目标检测模型确定与所述原始图像相对应的烟丝宽度信息。
[0034]其中，所述目标检测模型是对预设检测模型进行训练得到的卷积神经网络，卷积神经网络可以是ResNet50神经网络；所述卷积神经网络包本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种烟丝宽度的确定方法，其特征在于，包括：获取原始图像，对所述原始图像进行滤波处理确定待处理图像；对所述待处理图像进行灰度化处理得到目标图像，基于所述目标图像和目标检测模型确定与所述原始图像相对应的烟丝宽度信息；其中，所述目标检测模型是对预设检测模型进行训练得到的卷积神经网络；所述卷积神经网络包括卷积层和全连接层；所述卷积层和所述全连接层之间设置有残差层。2.根据权利要求1所述的方法，其特征在于，在所述获取原始图像，对所述原始图像进行滤波处理确定待处理图像之前，包括：获取原始样本集，基于所述原始样本集确定目标样本集；基于所述目标样本集对所述预设检测模型进行训练，确定所述目标检测模型。3.根据权利要求2所述的方法，其特征在于，所述基于所述原始样本集确定目标样本集，包括：基于中值滤波算法对所述原始样本集进行处理，确定第一待处理样本集；对所述第一待处理样本集进行灰度化处理，确定第二待处理样本集；基于所述第二待处理样本集，确定目标样本集。4.根据权利要求3所述的方法，其特征在于，所述基于所述第二待处理样本集，确定所述目标样本集，包括：确定所述第二待处理样本集的样本种类信息，基于所述样本种类信息对所述第二待处理样本集进行处理，确定所述待应用样本集；基于所述待应用样本集，确定所述目标样本集。5.根据权利要求4所述的方法，其特征在于，所述基于所述样本种类信息对所述第二待处理样本集进行处理，确定所述待应用样本集，包括：如果所述第二待处理样本集为单样本数据集，则基于预设变换方法对所述第二待处理样本集进行处理，确定所述待应用样本集。6.根据权利要求4所述的方法，其特征在于，所述基于所述样本种类信息对所述第二待处理样本集进行处理，确定所述待应用样本...

【专利技术属性】
技术研发人员：蒋华元，谢欣，范嘉南，侯世聪，陈欢，
申请(专利权)人：江苏中烟工业有限责任公司，
类型：发明
国别省市：