【技术实现步骤摘要】
本申请涉及卷烟处理，尤其涉及一种用于对卷烟散盘的自动识别装置及方法。
技术介绍
1、卷烟是一种由烟草制品制成的，供人们吸食的圆柱形烟草制品，主要由烟叶、卷烟纸、滤嘴等组成，而卷烟散盘是指将一定数量的卷烟以散乱的状态放置在一个盘子或容器中，以便于卷烟机进行卷制，这种散盘的方式可以提高卷烟的生产效率，同时也可以减少卷烟在运输和存储过程中的损坏。
2、在卷烟生产过程中，对卷烟散盘进行自动识别是非常重要的，现有识别基本通过肉眼识别，难以迅速准确地知道有多少散盘被用于生产，因而难以有效地安排生产计划，降低了生产效率，且人工计数散盘数量可能会出现错误，且品质控制效果较低，易出现生产错误和品牌混淆，同时破损的烟箱可能导致卷烟受潮、变形或污染，从而影响产品质量，自动识别破损烟箱可以及时发现问题，避免将受损产品发送到市场，而人工识别则难以做到这一点，且破损的烟箱在运输过程中可能会进一步损坏，甚至导致安全事故，破损烟箱需要修复或替换，增加了成本，自动识别破损可以帮助企业及时发现并处理问题，从而降低成本，鉴于此，提供一种用于对卷烟散盘的自动识别装置以克服上述问题。
技术实现思路
1、为解决或部分解决相关技术中存在的问题，本申请提供一种用于对卷烟散盘的自动识别装置及方法，能够实现散盘数量的自动识别、品牌的自动识别和烟箱外表面破损自动识别的目的。
2、本申请提供一种用于对卷烟散盘的自动识别装置，包括用于对散盘的数量自动识别、品牌的自动识别、烟箱外表面破损自动识别的高分辨率摄像头组和预
3、所述的用于对卷烟散盘的自动识别方法的步骤为：
4、散盘数量的自动识别；
5、散盘品牌的自动识别；
6、烟箱外表面破损自动识别。
7、可选的，在一些方案中，所述的散盘数量的自动识别步骤为：
8、s1、散盘图像采集：使用高分辨率摄像头拍摄卷烟散盘的图像，并分辨出每个散盘；
9、s2、散盘图像处理：将采集到的图像传输到自动视觉识别系统进行处理，并分割图像，将散盘从背景中分离出来；
10、s3、散盘数量统计：通过自动视觉识别系统计数，对分割后的散盘进行计数，从而得到散盘的数量。
11、可选的，在一些方案中，所述的散盘品牌的自动识别步骤为：
12、第一步、品牌标识图像采集：使用摄像头拍摄卷烟散盘上的品牌标识部；
13、第二步、品牌图像处理：对采集到的品牌标识图像进行预处理，以及通过去噪提高识别准确率；
14、第三步、品牌识别：
15、a：将预处理后的图像输入到ocr设备中，通过ocr技术识别图像中的文字信息，即品牌名称；
16、b：将预处理后的图像输入到已经训练好的深度学习模型中，模型将自动识别出品牌名称；
17、使用测试集对a和b两种方法进行测试，即将预处理后的图像分别输入到ocr设备和深度学习模型中，记录下每个图像的品牌识别结果，对比两种方法的识别结果与人工标注的真实品牌名称，计算准确率、召回率和f1分数三种指标；
18、第四步、数据库比对：将识别到的品牌名称与数据库中的品牌信息进行比对，确认品牌身份。
19、可选的，在一些方案中，在品牌识别过程中，还包括准备数据集、标注数据集、实验设置、模型训练与部署、性能评估、优化与迭代和持续监控与反馈，对使用ocr技术和深度学习模型的品牌识别方法进行对比和验证，以选择出更适合卷烟散盘品牌识别的方案。
20、可选的，在一些方案中，在s2中，分割图像包括对通过灰度化对图像预处理、使用滤波去除图像中的噪声、对比度增强，灰度化的转换公式为：[g＝0.299
imes r+0.587
imes g+0.114
imes b]，其中(g)是灰度值，(r，g，b)分别是红、绿、蓝颜色通道的值；滤波的算法为：[g(x,y)＝\frac{1}{2\pi\sigma^2}\sum_{s＝-\infty}^{\infty}\sum_{t＝-\infty}^{\infty}f(x-s,y-t)e^{-\frac{(s^2+t^2)}{2\sigma^2}}]，其中(f(x,y))是输入图像，(g(x,y))是滤波后的图像，(\sigma)是高斯函数的标准差，还可通过形态学操作中的膨胀和腐蚀来清理和改进分割结果，即去除小的噪声点，连接断裂的边缘，或分离接触在一起的散盘，膨胀的算法为：(a\oplus b＝{z|(\hat{b})_z\cap a\neq\emptyset})，其中(\hat{b})是结构元素(b)的反射，腐蚀的算法为：(a\ominus b＝{z|b_z\subseteq a})，其中(b_z)是结构元素(b)平移(z)后的结果。
21、可选的，在一些方案中，在s2中，如果散盘与背景之间的颜色或亮度差异明显，即需要对比度增强，则根据图像的局部特性动态地选择阈值，即：首先计算图像的灰度直方图，即设图像灰度级为l，n为灰度级i的像素数，n为图像总像素数，则灰度直方图可以表示为：[p(i)＝\frac{n_i}{n},\quad 0\leq i\leq l-1]，其中p(i)是灰度级i出现的概率，再计算类间方差，即遍历所有可能的阈值t，对于每个阈值t，将图像分为两类：一类是所有灰度值小于或等于t的像素，另一类是所有灰度值大于t的像素，计算两类的权重和平均灰度，使用这些值计算类间方差σ2(t)，该值衡量了两类像素平均灰度的差异，并选择最佳阈值，即选择使类间方差σ2(t)最大的阈值t作为最佳阈值，最后应用阈值进行分割，即使用选定的最佳阈值t将图像分割为前景和背景，灰度值小于或等于t的像素即为前景，灰度值大于t的像素即为背景，在计算类间方差中，对于阈值t，前景和背景的权重分别为：[\omega_0(t)＝\sum_{i＝0}^{t}p(i)]，[\omega_1(t)＝\sum_{i＝t+1}^{l-1}p(i)]，其中ω_0(t)和ω_1(t)分别是前景和背景的像素比例，前景和背景的平均灰度分别为：[\mu_0(t)＝\sum_{i＝0}^{t}\frac{i p(i)}{\omega_0(t)}]，[\mu_1(t)＝\sum_{i＝t+1}^{l-1}\frac{ip(i)}{\omega_1(t)}]，类间方差为：[\sigma^2(t)＝\omega_0(t)\omega_1(t)\left[\mu_0(t)-\mu_1(t)\right]^2。
22、可选的，在一些方案中，烟箱外表面破损自动识别的步骤为：
23、ⅰ、烟箱图像采集：使用高分辨率摄像头拍摄烟箱的外表面，捕捉到可能存在的破损区域；
24、ⅱ、烟箱图像处理：将采集到的图像传输到自动视觉识别系统进行处理，通过图像增强技术，突出显示破损区域，识别破损的边缘；
25、ⅲ、破损检测：自动视觉识别系统将根据处理后的本文档来自技高网...
【技术保护点】
1.一种用于对卷烟散盘的自动识别装置及方法，其特征在于：所述的用于对卷烟散盘的自动识别装置包括用于对散盘的数量自动识别、品牌的自动识别、烟箱外表面破损自动识别的高分辨率摄像头组和预设有自动视觉识别系统的计算机，高分辨率摄像头组和计算机电性连接。
2.基于权利要求1所述的用于对卷烟散盘的自动识别装置的识别方法，其特征在于：所述的用于对卷烟散盘的自动识别方法的步骤为：
3.根据权利要求2所述的用于对卷烟散盘的自动识别方法，其特征在于：所述的散盘数量的自动识别步骤为：
4.根据权利要求2或3所述的用于对卷烟散盘的自动识别方法，其特征在于：所述的散盘品牌的自动识别步骤为：
5.根据权利要求4所述的用于对卷烟散盘的自动识别方法，其特征在于：在品牌识别过程中，还包括准备数据集、标注数据集、实验设置、模型训练与部署、性能评估、优化与迭代和持续监控与反馈，对使用OCR技术和深度学习模型的品牌识别方法进行对比和验证，以选择出更适合卷烟散盘品牌识别的方案。
6.根据权利要求3或5所述的用于对卷烟散盘的自动识别方法，其特征在于：在S2中，分割
7.根据权利要求6所述的用于对卷烟散盘的自动识别方法，其特征在于：在S2中，如果散盘与背景之间的颜色或亮度差异明显，即需要对比度增强，则根据图像的局部特性动态地选择阈值，即：首先计算图像的灰度直方图，即设图像灰度级为L，n为灰度级i的像素数，N为图像总像素数，则灰度直方图可以表示为：[P(i)＝\frac{n_i}{N},\quad 0\leq i\leqL-1]，其中P(i)是灰度级i出现的概率，再计算类间方差，即遍历所有可能的阈值T，对于每个阈值T，将图像分为两类：一类是所有灰度值小于或等于T的像素，另一类是所有灰度值大于T的像素，计算两类的权重和平均灰度，使用这些值计算类间方差σ2(T)，该值衡量了两类像素平均灰度的差异，并选择最佳阈值，即选择使类间方差σ2(T)最大的阈值T作为最佳阈值，最后应用阈值进行分割，即使用选定的最佳阈值T将图像分割为前景和背景，灰度值小于或等于T的像素即为前景，灰度值大于T的像素即为背景，在计算类间方差中，对于阈值T，前景和背景的权重分别为：[\omega_0(T)＝\sum_{i＝0}^{T}P(i)]，[\omega_1(T)＝\sum_{i＝T+1}^{L-1}P(i)]，其中ω_0(T)和ω_1(T)分别是前景和背景的像素比例，前景和背景的平均灰度分别为：[\mu_0(T)＝\sum_{i＝0}^{T}\frac{i P(i)}{\omega_0(T)}]，[\mu_1(T)＝\sum_{i＝T+1}^{L-1}\frac{i P(i)}{\omega_1(T)}]，类间方差为：[\sigma^2(T)＝\omega_0(T)\omega_1(T)\left[\mu_0(T)-\mu_1(T)\right]^2。
8.根据权利要求7所述的用于对卷烟散盘的自动识别方法，其特征在于：烟箱外表面破损自动识别的步骤为：
9.根据权利要求8所述的用于对卷烟散盘的自动识别方法，其特征在于：在步骤Ⅱ中，识别破损边缘的具体步骤为：
10.根据权利要求9所述的用于对卷烟散盘的自动识别方法，其特征在于：用像素点邻域灰度值的中值来代替该点的灰度值，即去噪提高品牌图像处理过程中的识别准确率，具体步骤为：
...【技术特征摘要】
1.一种用于对卷烟散盘的自动识别装置及方法，其特征在于：所述的用于对卷烟散盘的自动识别装置包括用于对散盘的数量自动识别、品牌的自动识别、烟箱外表面破损自动识别的高分辨率摄像头组和预设有自动视觉识别系统的计算机，高分辨率摄像头组和计算机电性连接。
2.基于权利要求1所述的用于对卷烟散盘的自动识别装置的识别方法，其特征在于：所述的用于对卷烟散盘的自动识别方法的步骤为：
3.根据权利要求2所述的用于对卷烟散盘的自动识别方法，其特征在于：所述的散盘数量的自动识别步骤为：
4.根据权利要求2或3所述的用于对卷烟散盘的自动识别方法，其特征在于：所述的散盘品牌的自动识别步骤为：
5.根据权利要求4所述的用于对卷烟散盘的自动识别方法，其特征在于：在品牌识别过程中，还包括准备数据集、标注数据集、实验设置、模型训练与部署、性能评估、优化与迭代和持续监控与反馈，对使用ocr技术和深度学习模型的品牌识别方法进行对比和验证，以选择出更适合卷烟散盘品牌识别的方案。
6.根据权利要求3或5所述的用于对卷烟散盘的自动识别方法，其特征在于：在s2中，分割图像包括对通过灰度化对图像预处理、使用滤波去除图像中的噪声、对比度增强，灰度化的转换公式为：[g＝0.299\times r+0.587\times g+0.114\times b]，其中(g)是灰度值，(r，g，b)分别是红、绿、蓝颜色通道的值；滤波的算法为：[g(x,y)＝\frac{1}{2\pi\sigma^2}\sum_{s＝-\infty}^{\infty}\sum_{t＝-\infty}^{\infty}f(x-s,y-t)e^{-\frac{(s^2+t^2)}{2\sigma^2}}]，其中(f(x,y))是输入图像，(g(x,y))是滤波后的图像，(\sigma)是高斯函数的标准差，还可通过形态学操作中的膨胀和腐蚀来清理和改进分割结果，即去除小的噪声点，连接断裂的边缘，或分离接触在一起的散盘，膨胀的算法为：(a\oplus b＝{z|(\hat{b})_z\cap a\neq\emptyset})，其中(\hat{b})是结构元素(b)的反射，腐蚀的算法为：(a\ominus b＝{z|b_z\subseteq a})，其...
【专利技术属性】
技术研发人员：刘挺，沐文斌，居振，吕永贵，杨韬，舒云华，刀荣贵，尚斐，陈旭颖，李林珈，靳丽娜，
申请(专利权)人：红塔烟草集团有限责任公司，
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。