烟支外观检测方法技术

本发明专利技术的烟支外观检测方法包括：烟支外观的图像处理；烟支外观的图像特征提取；训练

【技术实现步骤摘要】
烟支外观检测方法


[0001]本专利技术涉及卷烟制造领域，更具体地，涉及一种烟支外观检测方法，特别是基于
OpenCV
‑
Python
和
Adaboost
的烟支外观检测方法
。

技术介绍

[0002]烟草行业是我国一项重要的民族产业，对产品质量和安全性有着严格要求
。
消费者对烟支外观的一致性和品质的要求日益增加，传统的烟支外观检测通常依赖于人工目视检查，这种方法存在主观性
、
耗时
、
成本高等问题
。
随着计算机视觉
、
图像处理
、
机器学习等相关技术的快速发展，为烟支外观检测提供了新的研究方向和解决方案
。
这些技术的广泛应用使得烟支外观检测更加可行和精确，为烟草企业提供了更多的选择
。
[0003]烟支作为一种消费品，其外观质量直接关系到产品的质量和用户的体验
。
通过研究和开发可靠的外观检测方法，检测和识别烟支产品中可能存在的缺陷或异常，如破损
、
异物等，确保烟支的外观符合标准，帮助生产企业及时采取纠正措施，减少不良品数量，降低质量风险和退货率，从而提高产品质量
、
增强用户满意度，提高企业的产品竞争力
。
因此，烟支外观检测方法的研究对烟草企业
、
消费者以及整个行业都具有重要的意义
。
[0004]张月华利用机器视觉展开系统规划，将机器视觉与烟支检测装置进行融合
。
[0005]李钰靓
、
杨帅等人基于机器视觉技术建立了一种烟支搭口夹杂在线检测方法，实现了卷烟生产过程中烟支搭口夹杂缺陷在线检测与剔除，解决了烟支外观检测准确率低等问题，有效提高了烟支外观识别效率，提升了卷烟产品品质
。
潘昱亭
、
蔡培良等人设计一种基于视觉成像技术的高速包装机模盒内烟支检测装置，有效解决机械探针式烟支检测误检和漏检的问题，提高了产品质量，降低了废烟消耗，提高了设备有效作业率
。
王亮
、
王天一等人设计了适用于卷烟类长物体检测的
3D
‑
μ
CT
扫描与重建方法，该方法能对烟支实现高质量的显微层析成像，可以获得较为完整的烟丝拓扑学结构及孔隙率特征量
。
张钦
、
汪明主等人设计一种基于
X
射线异形烟烟包缺支检测系统，取得了较好的效果
。Zhong,Z,Zeng,Z
等人基于声学方法探索了烟支质量检测技术
。
通过使用声音传感器记录烟支在运输
、
生产和使用过程中产生的声音特征，提取与烟支质量相关的声音参数，利用信号处理和机器学习算法，建立了一个声学模型来对烟支的外观质量进行分类和识别
。
实验结果表明，基于声学方法的烟支质量检测技术具有良好的准确性和可行性，能够有效地检测烟支的缺陷和异常
。
崔云月研究了基于机器学习的烟支外观质量检测算法和基于卷积神经网络的烟支外观检测算法，对两种算法进行了分类效果对比，对烟支外观质量检测系统进行了系统架构设计与安装，并进行了实际应用测试，测试效果较好
。
[0006]综上所述，对烟支外观检测方法已有一定的研究基础，并取得了一些可借鉴的研究成果，但多数烟支外观检测方法的实现都是基于现有的软件，这可能会导致对特定环境的依赖性，并限制了方法的可移植性和扩展性，本课题基于
OpenCV
‑
Python
来实现烟支外观检测方法，基于
OpenCV
和
Python
的实现具有自主性和灵活性的优势，可以根据具体需求自定义和调整算法
、
流程和功能
。
此外，
Python
作为一种流行的编程语言，具有丰富的库和工
具生态系统，可以提供广泛的支持和资源
。
进一步的，本课题采用
Adaboost
对烟支外观进行分类识别，
Adaboost
是一种自适应学习方法，通过组合多个弱分类器来构建一个强分类器，能够提高分类的准确性
。
因此专利技术就此方面进行相应的探索性研究和试验，以期对烟支外观质量检测的方法研究提供一个新的思路和参考
。

技术实现思路

[0007]本申请的专利技术目的是提供一种烟支外观检测方法，特别是烟支基于
OpenCV
‑
Python
和
Adaboost
的烟支外观检测的方法
。
[0008]为了实现上述专利技术目的，本专利技术采用以下技术方案：
[0009]本专利技术的烟支外观检测方法，其中：它包括以下步骤：
[0010](
一
)、
烟支外观的图像处理
[0011](a)、
图像采集
[0012]选择光线充足且均匀的环境，用一台高像素的数码相机，对准一根烟支且保持烟支在图像中居中且无遮挡，以获得清晰度和细节丰富的图像，采集多个角度和距离的图像，以捕捉上述烟支外观的不同特征的烟支外观图像，重复上述步骤采集多根烟支外观图像，以增加特征提取的准确性和可靠性；
[0013](b)、
图像预处理
[0014](Ⅰ)、
抠取烟支图像
[0015]使用
OpenCV
的
cv2.cvtColor()
函数
,
将上述烟支外观图像转换成灰度图像，使用
OpenCV
的
cv2.Canny()
进行边缘检测，使用
OpenCV
的
cv2.findContours()
查找轮廓，然后使用
OpenCV
的
cv2.drawContours()
筛选最大的轮廓，创建用于绘制轮廓的空白图像，最后使用
OpenCV
的
cv2.boundingRect()
截取烟支图像并显示结果，抠取出烟支的形状
、
轮廓和特征，得到烟支图像，以减少背景干扰，使其更易于进行形状分析
、
长度测量
、
分类和识别；
[0016](Ⅱ)、
调整图像大小
[0017]读取上述烟支图像，指定目标图像尺寸，使用
OpenCV
的
cv2.resize()
函数的双线性插值算法进行图像缩放，然后，显示缩放后的烟支图像；
[0018](Ⅲ)、
去除噪声
[0019]使用
OpenCV
的
cv2.GaussianBlur()...

【技术保护点】

【技术特征摘要】
1.
一种烟支外观检测方法，其特征在于：它包括以下步骤：
(
一
)、
烟支外观的图像处理
(a)、
图像采集选择光线充足且均匀的环境，用一台高像素的数码相机，对准一根烟支且保持烟支在图像中居中且无遮挡，以获得清晰度和细节丰富的图像，采集多个角度和距离的图像，以捕捉上述烟支外观的不同特征的烟支外观图像，重复上述步骤采集多根烟支外观图像，以增加特征提取的准确性和可靠性；
(b)、
图像预处理
(Ⅰ)、
抠取烟支图像使用
OpenCV
的
cv2.cvtColor()
函数
,
将上述烟支外观图像转换成灰度图像，使用
OpenCV
的
cv2.Canny()
进行边缘检测，使用
OpenCV
的
cv2.findContours()
查找轮廓，然后使用
OpenCV
的
cv2.drawContours()
筛选最大的轮廓，创建用于绘制轮廓的空白图像，最后使用
OpenCV
的
cv2.boundingRect()
截取烟支图像并显示结果，抠取出烟支的形状
、
轮廓和特征，得到烟支图像，以减少背景干扰，使其更易于进行形状分析
、
长度测量
、
分类和识别；
(Ⅱ)、
调整图像大小读取上述烟支图像，指定目标图像尺寸，使用
OpenCV
的
cv2.resize()
函数的双线性插值算法进行图像缩放，然后，显示缩放后的烟支图像；
(Ⅲ)、
去除噪声使用
OpenCV
的
cv2.GaussianBlur()
高斯滤波器对烟支图像中的噪声进行去除，以提高图像质量和清晰度；通过调整图像大小和去除噪声，确保烟支图像清晰且无干扰，这样的预处理操作有助于提高后续特征提取和分类的准确性和稳定性；
(
二
)、
烟支外观的图像特征提取通过分析烟支图像，从中提取相关的颜色特征和纹理特征，并将其转化为计算机处理的特征向量，以便后续烟支的分析
、
分类和处理，将提取到的颜色特征和纹理特征组合为一个特征向量；
(c)、
颜色特征提取使用
OpenCV
中的
cvtColor
函数将步骤
(Ⅲ)
的烟支图像转换为包括：色相
、
饱和度和值和亮度的
HSV
颜色空间，通过上述转换的
HSV
颜色空间，即用色调
、
饱和度和亮度这三个通道来更准确地描述这支烟的颜色，以利于后续的颜色特征提取和分析；
(d)、
用小波包分析方法对颜色特征进行降维
,
将颜色特征数据降至
24
维，得到烟支颜色特征向量；
(e)、
纹理特征提取使用局部二值模式
(Local Binary Patterns,LBP),
从步骤
(Ⅲ)
的烟支图像来提取烟支纹理特征，
LBP
算法基于局部像素点之间的灰度差异进行计算，得到烟支纹理特征向量；
(f)、
合成特征向量将步骤
(d)
得到的烟支颜色特征向量和步骤
(e)
得到的烟支纹理特征向量合成为一个特征向量；
(
三
)、
训练
Adaboost
用于分类识别
Adaboost
由三个基分类器组成，它们分别为线性核函数支持向量机
、
多项式核函数支
持向量机和
RBF
核函数支持向量机，
Adaboost
通过上述三个基分类器构建成一个强分类器，用步骤
(g)
的上述大量特征向量和其对应的结果标签，对上述
Adaboost
进行训练，通过多次迭代得到训练好的
Adaboost
，将特征向量输入训练好的
Adaboost
，...

【专利技术属性】
技术研发人员：朱培根，董晓婉，濮小杰，李军，李鹏飞，李新，贺梓轩，李永胜，张贝贝，张海玲，高玲玲，杨鸣，
申请(专利权)人：红云红河烟草集团有限责任公司，
类型：发明
国别省市：