【技术实现步骤摘要】
本专利技术涉及烟丝组分检测的，特别涉及一种基于图像识别的烟丝组分检测方法。
技术介绍
1、配方烟丝是叶丝、梗丝、膨胀叶丝、再造烟丝等组分按配方比例均匀掺配后得到的产品。叶丝与梗丝、膨胀叶丝、再造烟丝的掺配，对卷烟降焦减害、改善感官质量非常重要。因此，快速准确地测定各组分在产品中的比例，对于保持产品质量、考查各组分的配方设计目标值、稳定烟丝混合工艺质量及同质化生产具有重要意义。目前，烟草行业多采用的烟丝组分比例测定机制是将样品烟丝通过烟丝振动分选筛，使不同长度的烟丝实现分离，结果以各层或某层筛网上的累计质量占总质量的比例来表示；此外，还有利用膨胀叶丝在无水乙酮中的漂浮率远高于其他组分，提出一种基于乙酮比重法的膨胀叶丝组分比例测定方法；也有通过建立烟丝梗丝含量与热解曲线突变温度区间的拟合模型，提出一种烟丝中梗丝含量的预测；以及，在一些研究中利用近红外光谱技术，建立了梗丝、再造烟丝在烟丝中比例的预测模型。但这些技术手段都存在对测试样品具有测试周期长、破坏性、时效性差等不足。因此，如何快速、无损和准确的判别配方烟丝组分，具有重要的意义。
技术实现思路
1、本专利技术提供一种基于图像识别的烟丝组分检测方法，解决现有配方烟丝组分判别需要对测试样品进行破坏性测试，且测试周期长的问题，能提高配方烟丝组分检则的便捷性和准确性。
2、为实现以上目的，本专利技术提供以下技术方案：
3、一种基于图像识别的烟丝组分检测方法，包括：
4、将烟丝振动仪设置在暗室内，所述烟丝振
5、在所述背景板上方设有环形光源和工业相机，所述工业相机在所述环形光源下对平铺的待测烟丝进行烟丝图像拍摄；
6、所述工业相机与计算机信号连接，所述计算机上设置有图像处理程序和神经网络算法；
7、通过所述图像处理程序和所述神经网络算法对所烟丝图像进行图像处理并识别，以确定烟丝种类。
8、优选的，通过所述图像处理程序对所述烟丝图像进行图像处理，包括：
9、对所述烟丝图像进行灰度处理、高斯滤波、开运算处理、二值化、轮廓提取、计算面积和掩膜操作，以对单根烟丝的提取。
10、优选的，通过所述图像处理程序对所述烟丝图像进行图像处理，还包括：
11、对所述烟丝图像进行灰度处理、开运算、膨胀处理、距离变换、连通域处理、分水岭算法、轮廓提取、计算面积和掩膜操作，以对多根粘连烟丝的处理，并将相互粘连的烟丝进行分割成独立的烟丝块。
12、优选的，通过所述图像处理程序对所述烟丝图像进行图像处理，还包括：
13、对所述烟丝图像进行r、g、b三通道图片转换和h、s、v三通道图片转换，并将得到的六张图，进行符合聚类指标的轮廓标定，进而根据轮廓标定结果进行烟丝块裁剪、计算烟丝块的面积，以对多根堆叠烟丝的处理，并将表层烟丝根据颜色阈值分布分割成相互独立的烟丝块。
14、优选的，还包括：
15、建立无背景干扰和图片大小一致的叶丝、膨胀叶丝、再造烟丝、梗丝的组分烟丝数据集；
16、对所述组分烟丝数据集的每种烟丝进行h、s、v、r、g、b的通道转换，分别统计每张图片中烟丝轮廓区域内的平均h值、s值、v值、r值、g值、b值；
17、对叶丝、膨胀叶丝、再造烟丝和梗丝对应的每根烟丝建立数据存储表，利用dbscan聚类算法，进行聚类，以找到独立的部分并记录其中六个数据的区间范围。
18、优选的，通过神经网络算法对所述烟丝图像进行识别，包括：
19、构建卷积神经网络，通过所述组分烟丝数据集进行多轮数训练，达到对叶丝、膨胀叶丝、再造烟丝和梗丝的识别；
20、所述卷积神经网络包括：第一批量归一化层b1，第一卷积层c2、第二批量归一化层b3、第一池化层p4，第一激活层r5，第二卷积层c6，第三批量归一化层b7，第二激活层r8，第二池化层p9，展平层f10，全连接层f11。
21、优选的，通过神经网络算法对所述烟丝图像进行识别，还包括：
22、将烟丝图像按照不同类型划分为训练集和验证集，以对所述卷积神经网络进行训练，
23、将训练集中的烟丝图像进行分组，每一组从训练集合随机选组32张图像，随机选取的作用防止模型在训练过程中对有序的烟丝图像的文件存储顺序作为分类依据；
24、获取烟丝图像后，从烟丝图像的文件路径获得对应的分类标签，将分类标签与烟丝图像进行绑定。
25、优选的，通过神经网络算法对所述烟丝图像进行识别，还包括：
26、通过第一批量归一化层b1对输入烟丝图像的像素值进行归一化，使像素值从[0,255]变换到[0,1]，以便于进行运算和计算梯度；
27、通过第一卷积层c2对第一批量归一化层b1的输出向量矩阵进行纹理特征以及边缘特征的提取，卷积核大小为7*7，经过第一卷积层c2，图像尺寸变成56x56；
28、通过第二批量归一化层b3对第一卷积层c2卷积后信号进行归一化，以使神经网络在权重更新循优过程中更加平滑；
29、通过第一池化层p4对第二批量归一化层b3的输出矩阵降维，并采用最大池化，且矩形区域为2*2，步长为1；
30、通过第一激活层r5对第一池化层p4输出进行分线性映射；
31、通过第二卷积层c6对第一激活层r5输出的矩阵信息进行卷积运算，以提取特征，卷积核大小为3*3，经过第二卷积层c6，图像尺寸变成28*28；
32、通过第三批量归一化层b7对第二卷积层c6进行归一化；
33、通过第二激活层r8对第三批量归一化层b7输出矩阵进行非线性映射；
34、通过第二池化层p9用于对第二激活层r8输出的矩阵进行处理，采用自适应池化提取特征，矩阵区域为2*2，步长为1；
35、对全连接层f11设置2048个神经元，与第二池化层p9输出特征相连，4个输出连接将2048个特征完成输出，以分类为4类烟丝标签中的一类。
36、优选的，还包括：
37、将经过图片预处理后得到的烟丝块，送入所述卷积神经网络中，以进行烟丝种类识别，并将识别后的烟丝块进行叶丝、膨胀叶丝、再造烟丝或梗丝归类。
38、优选的，还包括：
39、在一平面内铺展相同面积的梗丝、叶丝、再造烟丝和膨胀叶丝，分别放置电子天平进行重量称重，进而计算得到四类烟丝各自对应的密度；
40、对烟丝图像中的单根烟丝、多根粘连烟丝、重叠烟丝进行对象提取，并分别计算出四类烟丝各自对应的面积；
41、根据所述密度和所述面积分别计算出四类烟丝各自对应的总质量，并利用实际总重量进行比对和修正，进而得到烟丝组分占比。
42、本专利技术提供一种基于图像识别的烟丝组分检测方法，在暗室中通过工业相机对平铺在背景板上的烟丝进行拍照，背景本文档来自技高网...
【技术保护点】
1.一种基于图像识别的烟丝组分检测方法，其特征在于，包括：
2.根据权利要求1所述的基于图像识别的烟丝组分检测方法，其特征在于，通过所述图像处理程序对所述烟丝图像进行图像处理，包括：
3.根据权利要求2所述的基于图像识别的烟丝组分检测方法，其特征在于，通过所述图像处理程序对所述烟丝图像进行图像处理，还包括：
4.根据权利要求3所述的基于图像识别的烟丝组分检测方法，其特征在于，通过所述图像处理程序对所述烟丝图像进行图像处理，还包括：
5.根据权利要求4所述的基于图像识别的烟丝组分检测方法，其特征在于，还包括：
6.根据权利要求5所述的基于图像识别的烟丝组分检测方法，其特征在于，通过神经网络算法对所述烟丝图像进行识别，包括：
7.根据权利要求6所述的基于图像识别的烟丝组分检测方法，其特征在于，通过神经网络算法对所述烟丝图像进行识别，还包括：
8.根据权利要求7所述的基于图像识别的烟丝组分检测方法，其特征在于，通过神经网络算法对所述烟丝图像进行识别，还包括：
9.根据权利要求8所述的基于图像
10.根据权利要求9所述的基于图像识别的烟丝组分检测方法，其特征在于，还包括：
...【技术特征摘要】
1.一种基于图像识别的烟丝组分检测方法，其特征在于，包括：
2.根据权利要求1所述的基于图像识别的烟丝组分检测方法，其特征在于，通过所述图像处理程序对所述烟丝图像进行图像处理，包括：
3.根据权利要求2所述的基于图像识别的烟丝组分检测方法，其特征在于，通过所述图像处理程序对所述烟丝图像进行图像处理，还包括：
4.根据权利要求3所述的基于图像识别的烟丝组分检测方法，其特征在于，通过所述图像处理程序对所述烟丝图像进行图像处理，还包括：
5.根据权利要求4所述的基于图像识别的烟丝组分检测方法，其特征在于，还包括：
【专利技术属性】
技术研发人员：刘穗君，刘颖，刘磊，柳宾，文金昉，胡冰，李松，尹鑫，毛俊梁，郭亚东，李超，
申请(专利权)人：河南中烟工业有限责任公司，
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。