一种基于机器视觉的烟丝检测方法技术

本发明专利技术提供一种基于机器视觉的烟丝检测方法，包括：利用机器视觉获取被测目标烟丝图像，并对目标烟丝图像进行增强处理和预处理；将处理后的目标烟丝图像转换为二值图像，并计算被测烟丝的二值图像中各连通区域的面积；将面积小于设定的面积阈值的连通区域剔除，保留面积大于等于所述面积阈值的连通区域；求取保留的连通区域的最小外接矩形，并根据最小外接矩形求取被测目标烟丝图像长度；根据标准样本的图像长度与实际长度的比例数据，将被测目标烟丝图像长度换算为实际长度

【技术实现步骤摘要】
一种基于机器视觉的烟丝检测方法


[0001]本专利技术涉及烟丝质量管理的
，尤其涉及一种基于机器视觉的烟丝检测方法
。

技术介绍

[0002]近年来，消费者对卷烟产品质量的关注程度日益增高，烟丝质量是影响卷烟质量的一项重要指标，不但影响卷烟外观质量，而且直接影响消费者在吸食时的满足感
。
烟丝一般由烟叶经初烤
、
加潮
、
叶梗分离
、
复烤
、
切片
、
加香
、
切丝
、
烘丝
、
混合等复杂工艺制成
。
在繁杂的加工过程中，将不可避免地掺入部分非烟杂质，如人造合成有机物
、
虫卵
、
木材
、
石头
、
玻璃等，而烟丝中异物的含量
、
类别
、
大小等参数均是影响卷烟产品质量的关键
。
同时，烟丝长宽形态
、
含梗率
、
整丝率
、
中丝率
、
碎丝率与烟丝密度是评价烟丝质量的一项重要的卷烟工艺指标，传统测量方式多为人工测量，劳动强度大，采样周期长，评价客观性差，对烟丝检测准确率较低，尤其对烟丝长度检测误差较大
。
因此，如何准确和便捷地对烟丝进行检测，具有重要的意义
。

技术实现思路

[0003]本专利技术提供一种基于机器视觉的烟丝检测方法，解决现有烟丝检测存在烟丝长度检测不精准和效率低的问题，能提高烟丝的检测效率及检测品质
。
[0004]为实现以下目的，本专利技术提供以下技术方案：
[0005]一种基于机器视觉的烟丝检测方法，包括：
[0006]利用机器视觉获取被测目标烟丝图像，并对目标烟丝图像进行增强处理和预处理；
[0007]将处理后的目标烟丝图像转换为二值图像，并计算被测烟丝的二值图像中各连通区域的面积；
[0008]将面积小于设定的面积阈值的连通区域剔除，保留面积大于等于所述面积阈值的连通区域；
[0009]求取保留的连通区域的最小外接矩形，并根据最小外接矩形求取被测目标烟丝图像长度；
[0010]根据标准样本的图像长度与实际长度的比例数据，将被测目标烟丝图像长度换算为实际长度
。
[0011]优选的，所述对目标烟丝图像进行增强处理和预处理，包括：
[0012]判断被测烟丝的类型，定义投影为直线的烟丝为规则烟丝，否则为不规则烟丝
。
[0013]优选的，所述将处理后的目标烟丝图像转换为二值图像，包括：
[0014]若被测烟丝为规则烟丝，则将颜色大于设定的颜色阈值的像素点换算成1，将颜色小于等于所述颜色阈值的像素点换算成0，以得到所述二值图像
。
[0015]优选的，所述将处理后的目标烟丝图像转换为二值图像，还包括：
[0016]若被测烟丝为不规则烟丝，则先将图像进行局部标准差滤波处理，再创建一个腐蚀结构对象窗口，将滤波后的图像进行逐步腐蚀处理，进而将经过腐蚀处理后的图像在不改变图像的基本结构的条件下，将所有的对象都简化成连续的线条，保留图像的基本轮廓，最后对轮廓图进行填充，将线条内的区域像素全部转换成0，线条外面的区域全部转换成1，得到所述二值图像
。
[0017]优选的，所述计算被测烟丝的二值图像中各连通区域的面积，包括：
[0018]创建一个
n
维单位矩阵，根据单位矩阵找到二值图像的连通区域，并计算各个连通区域的面积
。
[0019]优选的，所述求取保留的连通区域的最小外接矩形，包括：
[0020]对属于同一个像素连通区域的所有像素点分配相同的编号，对属于不同的像素连通区域分配不同的编号，根据不同编号标记的像素点，计算出每个像素连通区域的最小外接矩形
。
[0021]优选的，所述根据最小外接矩形求取被测目标烟丝图像长度，包括：
[0022]若被测烟丝为规则烟丝，最小外接矩形的长度即为被测目标烟丝图像长度；
[0023]若被测烟丝为不规则烟丝，求取最小外接矩形中被测烟丝所占像素点的数量
m
，根据不规则烟丝的标准样本的数据，计算每个像素点对应的实际长度，则为被测烟丝的实际长度
y
＝
x1+x2+x3+
…
+x
m
‑2+x
m
‑1+x
m
；
[0024]其中，
y
是计算出的被测烟丝的实际长度，
x
是每个像素点对应的实际长度；
m
是每根被测烟丝所占像素点的数量
。
[0025]优选的，所述根据标准样本的图像长度与实际长度的比例数据，包括：
[0026]对已知长度的标准样本，得到标准样本的最小外接矩形后，根据最小外接矩形求取标准样本的图像长度，并建立标准样本的图像长度与实际长度的比例关系
。
[0027]优选的，还包括：
[0028]构建烟丝图像集，将获取的目标烟丝图像存入烟丝图像集中；
[0029]对目标烟丝图像去噪处理，使所述目标烟丝图像中的目标烟丝相互不重合；
[0030]对目标烟丝图像进行图像分割得到各目标烟丝区域，并获取各目标烟丝区域的最小外接矩形，以最小外接矩形对角线的长度作为目标烟丝长度；
[0031]根据目标烟丝长度和预设的整丝
、
中丝
、
碎丝尺寸区间，分别得到目标烟丝图像中处于整丝
、
中丝
、
碎丝尺寸区的目标烟丝数量，进而得到目标烟丝整丝率
、
中丝率
、
碎丝率
。
[0032]优选的，还包括：
[0033]根据目标烟丝长度计算引入的均值
、
变异系数
、
偏度和峰度的评价指标；
[0034]通过评价指标分析目标烟丝尺寸分布的集中位置
、
分散程度
、
长度的分布是正态分布还是偏态分布；
[0035]根据所述评价指标得到目标烟丝综合性能评价，以对烟丝质量进行评价
。
[0036]本专利技术提供一种基于机器视觉的烟丝检测方法，利用机器视觉来对样本进行检测，以获取目标烟丝图像，处理后转换为二值图像，进而计算二值图像中的连通区域的面积及最小外接矩形，并由最小外接矩形获得目标烟丝图像长度
。
解决现有烟丝检测存在烟丝长度检测不精准和效率低的问题，能提高烟丝的检测效率及检测品质
。
附图说明
[0037]为了更清楚地说明本专利技术的具体实施例，下面将对实施例中所需要使用的附图作简单地介绍
。
[0038]图1为本本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于机器视觉的烟丝检测方法，其特征在于，包括：利用机器视觉获取被测目标烟丝图像，并对目标烟丝图像进行增强处理和预处理；将处理后的目标烟丝图像转换为二值图像，并计算被测烟丝的二值图像中各连通区域的面积；将面积小于设定的面积阈值的连通区域剔除，保留面积大于等于所述面积阈值的连通区域；求取保留的连通区域的最小外接矩形，并根据最小外接矩形求取被测目标烟丝图像长度；根据标准样本的图像长度与实际长度的比例数据，将被测目标烟丝图像长度换算为实际长度
。2.
根据权利要求1所述的基于机器视觉的烟丝检测方法，其特征在于，所述对目标烟丝图像进行增强处理和预处理，包括：判断被测烟丝的类型，定义投影为直线的烟丝为规则烟丝，否则为不规则烟丝
。3.
根据权利要求2所述的基于机器视觉的烟丝检测方法，其特征在于，所述将处理后的目标烟丝图像转换为二值图像，包括：若被测烟丝为规则烟丝，则将颜色大于设定的颜色阈值的像素点换算成1，将颜色小于等于所述颜色阈值的像素点换算成0，以得到所述二值图像
。4.
根据权利要求3所述的基于机器视觉的烟丝检测方法，其特征在于，所述将处理后的目标烟丝图像转换为二值图像，还包括：若被测烟丝为不规则烟丝，则先将图像进行局部标准差滤波处理，再创建一个腐蚀结构对象窗口，将滤波后的图像进行逐步腐蚀处理，进而将经过腐蚀处理后的图像在不改变图像的基本结构的条件下，将所有的对象都简化成连续的线条，保留图像的基本轮廓，最后对轮廓图进行填充，将线条内的区域像素全部转换成0，线条外面的区域全部转换成1，得到所述二值图像
。5.
根据权利要求4所述的基于机器视觉的烟丝检测方法，其特征在于，所述计算被测烟丝的二值图像中各连通区域的面积，包括：创建一个
n
维单位矩阵，根据单位矩阵找到二值图像的连通区域，并计算各个连通区域的面积
。6.
根据权利要求5所述的基于机器视觉的烟丝检测方法，其特征在于，所述求取保留的连通区域的最小外接矩形，包括：对属于同一个像素连通区域的所有像素点分配相同的编号，对属于不同的像素连通区域分配不同的编号，根据不同编号标记的像素点，计算出每个像素连通区域的最小外接矩形
。7.
根据权利要求6所述的基于机器视觉的烟丝检测方法，其特征在于，所述根据最小外接矩形求取被测目标...

【专利技术属性】
技术研发人员：冯海，王淼，丁男哲，张怡，陈日感，王晖，陈嘉杰，赵易，宋磊，吴迪雅，詹国军，
申请(专利权)人：浙江中烟工业有限责任公司，
类型：发明
国别省市：