【技术实现步骤摘要】
基于图像数据的电子烟油变质检测方法
[0001]本专利技术涉及图像处理
，具体涉及一种基于图像数据的电子烟油变质检测方法。
技术介绍
[0002]目前，业界中对电子烟油质量的检测方法采用的方式相对传统，通过是对电子烟油采取化学检测，以验证电子烟油的各种成分是否存在变质情况，该种电子烟油质量检测方式的时间周期较长，且检测成本较高。
技术实现思路
[0003]鉴于以上内容，有必要提供一种基于图像数据的电子烟油变质检测方法，可以减少电子烟油质量的检测时间，以降低电子烟油质量的检测成本。
[0004]本申请第一方面提供一种基于图像数据的电子烟油变质检测方法，应用于电子烟油质量检测领域，所述方法包括：计算电子烟油的杂质颗粒图像中每个像素点在对应邻域窗口内的杂质密集显著度，以获取所述杂质颗粒图像对应的杂质密集显著度与子图像对应的杂质密集显著度，其中，所述子图像是通过杂质颗粒图像等面积划分而成；通过所述子图像对应的杂质密集显著度构建密集显著度聚合向量，以根据所述密集显著度聚合向量之间的距离确认杂质颗粒均匀度；...
【技术保护点】
【技术特征摘要】
1.一种基于图像数据的电子烟油变质检测方法，应用于电子烟油质量检测领域，其特征在于，所述方法包括：计算电子烟油的杂质颗粒图像中每个像素点在对应邻域窗口内的杂质密集显著度，以获取所述杂质颗粒图像对应的杂质密集显著度与子图像对应的杂质密集显著度，其中，所述子图像是通过杂质颗粒图像等面积划分而成；通过所述子图像对应的杂质密集显著度构建密集显著度聚合向量，以根据所述密集显著度聚合向量之间的距离确认杂质颗粒均匀度；根据所述子图像对应的杂质密集显著度与杂质颗粒均匀度，确认变色程度；将所述杂质颗粒图像对应的杂质密集显著度、杂质颗粒均匀度以及变色程度，输入预先训练的变质检测模型，确认所述电子烟油的变质程度。2.根据权利要求1所述的基于图像数据的电子烟油变质检测方法，其特征在于，所述计算电子烟油的杂质颗粒图像中每个像素点在对应邻域窗口内的杂质密集显著度，以获取所述杂质颗粒图像对应的杂质密集显著度与子图像对应的杂质密集显著度，具体包括：根据像素点在其邻域窗口内的邻域渐变度，计算每个像素点的邻域窗口对应的杂质颗粒显著度；根据像素点在其邻域窗口内的杂质颗粒的个数与距离，确认杂质颗粒密集度，其中，所述杂质颗粒的个数与距离是通过像素点在其邻域窗口内的邻域渐变度与异常值计算公式确认；将所述邻域窗口对应的杂质密集显著度与杂质颗粒密集度作乘积计算，确认每个像素点在对应邻域窗口内的杂质密集显著度；取每个像素点在对应邻域窗口内的杂质密集显著度的均值，为杂质颗粒图像对应的杂质密集显著度。3.根据权利要求2所述的基于图像数据的电子烟油变质检测方法，其特征在于，所述根据像素点在其邻域窗口内的邻域渐变度，计算每个像素点的邻域窗口对应的杂质颗粒显著度，具体包括：获取目标像素点的灰度值，以及在其邻域窗口内的除目标像素点以外的其他像素点的灰度值；将所述目标像素点的灰度值与其他像素点的灰度值输入第一计算公式，计算目标像素点在其邻域窗口内的邻域渐变度；根据所述目标像素点在其邻域窗口内的邻域渐变度与预设异常值算法计算的异常值，以根据所述异常值确认目标像素点是否标记为杂质颗粒像素；根据所述杂质颗粒像素的邻域渐变度，计算每个像素点的邻域窗口对应的杂质颗粒显著度；对应的，所述第一计算公式为：；其中，为目标像素点x处的邻域渐变度，所述邻域窗口大小为a
×
a，为目标像素点x处的灰度值，为在其邻域窗口内的除目标像素点以外的其他像素点的灰度
值，a为邻域窗口的长度。4.根据权利要求3所述的基于图像数据的电子烟油变质检测方法，其特征在于，所述根据像素点在其邻域窗口内的杂质颗粒的个数与距离，确认杂质颗粒密集度，其中，所述杂质颗粒的个数与距离是通过像素点在其邻域窗口内的邻域渐变度与异常值计算公式确认，具体包括：统计目标像素点邻域窗口内的杂质颗粒像素的个数，以及对应杂质颗粒像素之间的距离；将所述目标像素点邻域窗口内的杂质颗粒像素的个数与对应杂质颗粒之间的距离，输入第二计算公式，确认杂质颗粒密集度。5.根据权利要求4所述的基于图像数据的电子烟油变质检测方法，其特征...
【专利技术属性】
技术研发人员：李智刚，辜佳兴，罗万，
申请(专利权)人：深圳市华加生物科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。