[發明專利]基于智能圖像處理和模型估計的煙葉葉面積質量測定方法

有效

• 申請號: 201310060528.3
• 申請日: 2013-02-26
• 公開（公告）號: CN103175835A
• 公開（公告）日: 2013-06-26
• 發明（設計）人: 楊征宇;余苓;任偉;楊凱;楊斌;徐其敏;陳清
• 申請（專利權）人: 上海煙草集團有限責任公司;華環國際煙草有限公司
• 主分類號: G01N21/84
• 分類號: G01N21/84
• 代理公司: 上海光華專利事務所 31219
• 代理人: 余明偉

技術領域

本發明屬于煙草技術領域，涉及一種測定煙葉葉面積質量的方法，特別是涉及一種基于智能圖像處理和模型估計的煙葉葉面積質量測定方法。

背景技術

煙葉葉面積質量是煙葉物理特征的重要指標之一，該指標的測定對于煙葉質量評價有較高參考價值，并且是原料成本核算、卷煙質量控制以及加工工藝選擇的重要參考。目前，測定煙葉葉面積質量的方法通常是葉面積質量法（質量法），即通過已知面積的打孔器在平鋪煙葉上，通過人工選取的方式在非葉梗區域（葉梗區域不在煙葉葉面積及質量的計算范圍內）選擇六個打孔區域，之后放入烘箱中干燥兩小時，取出放入干燥皿中冷卻，稱量其重量，通過質量與面積的比，進而求得煙葉葉面積質量。該方法的缺點是：主觀性較強、效率低下、測量結果誤差較大。

此外，中國發明專利CN101393101A（200810230653.3）涉及的《采用近紅外光譜測定煙葉葉面密度的方法》，對于上述傳統的依賴人工打孔的煙葉葉面積質量測定提出了改進，通過六點法（固定地選取主梗兩側各三個點）進行近紅外密度檢測。該方法的主要改進之處在于對傳統方法中的干燥、冷卻、稱重過程的簡化，使得檢測時間縮短。但該方法仍然采用了點取樣估算總體平均密度的方式，因此無法真正意義上描述整張煙葉的平均密度；由于取樣數量的減少，甚至一定程度上較原有方法的六點抽樣，在估算總體密度時存在一定的劣勢。此外，該方法雖然對于樣品制作的要求降低，但近紅外檢測設備昂貴且對操作人員及檢測環境要求較高，進而增加了該方法的經濟成本。

上述兩種方法都采用了隨機取樣的方式，通過計算取樣點的密度估算煙葉總體的密度，在一定程度上為煙葉葉面積質量測定工作帶來不確定性。

因此，急需一種能夠高效、快速、準確測定煙葉葉面積質量的方法。

發明內容

鑒于以上所述現有技術的缺點，本發明的目的在于提供一種基于智能圖像處理和模型估計的煙葉葉面積質量測定方法，用于解決現有技術無法高效、快速、準確測定煙葉葉面積質量的問題。

為實現上述目的及其他相關目的，本發明提供一種基于智能圖像處理和模型估計的煙葉葉面積質量測定方法。所述煙葉葉面積質量測定方法包括：

S1，采集煙葉圖像，即通過煙草及其加工制品的圖像數據獲取裝置完成煙葉圖像的采集；

S2，通過智能圖像處理提取煙葉圖像；即通過智能圖像處理獲取的煙葉圖像的光線，識別獲取煙葉圖像的煙葉輪廓，并采用煙葉圖像的聚類分析獲得煙葉主梗區域和葉片區域的面積信息，計算煙葉的實際面積；

S3，利用圖像法二元線性模型估計煙葉面積質量，即利用煙葉總質量作為因變量，煙葉主梗區域面積和葉片區域面積作為自變量，建立關于主梗密度參數和葉片密度參數的二元線性模型進行密度參數的估計。

優選地，所述煙草及其加工制品的圖像數據獲取裝置包括：

透明吸附板，用于吸附固定待拍攝的煙葉；

物料照明光源，用于照射固定待拍攝的煙葉；

吸氣設備，用于將煙葉吸附在所述透明吸附板上；

圖像采集設備，用于獲取煙葉圖像數據，并將煙葉圖像數據傳輸出去；

計算機，用于保存輸入的煙葉圖像數據并對其進行后續處理。

優選地，所述步驟S2包括：

S21，處理光線，將采集到的煙葉圖像的背景變成均勻的50%灰度，采用線性插值算法修正每幅圖像的亮度；

S22，識別獲取煙葉圖像的煙葉輪廓；即通過采用圖像外輪廓識別算法提取煙葉的外圍輪廓；

S23，聚類分析煙葉圖像，獲取煙葉主梗區域和葉片區域；

S24，計算煙葉實際面積，獲取煙葉主梗區域和葉片區域的面積信息。

優選地，所述圖像外輪廓識別算法包括：基于小波變換的圖像輪廓識別算法、基于robert因子的圖像輪廓識別算法、基于laplace算子的圖像輪廓識別、以及基于高斯濾波的輪廓識別算法。

優選地，所述聚類分析包括K-means聚類、FCM聚類和凝集聚類。