[發(fā)明專利]基于機(jī)器視覺的煙葉部位識(shí)別方法、電子設(shè)備及存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 201810030983.1
• 申請(qǐng)日: 2018-01-12
• 公開（公告）號(hào): CN108268895A
• 公開（公告）日: 2018-07-10
• 發(fā)明（設(shè)計(jì)）人: 徐瑋杰;楊凱;任偉;瞿永生;戴澤元;張?chǎng)?/a>;沈晗;焦亮
• 申請(qǐng)（專利權(quán)）人: 上海煙草集團(tuán)有限責(zé)任公司
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62;G06K9/34;G06K9/46
• 代理公司: 上海光華專利事務(wù)所(普通合伙) 31219
• 代理人: 龐紅芳

本發(fā)明提供一種基于機(jī)器視覺的煙葉部位識(shí)別方法、電子設(shè)備及存儲(chǔ)介質(zhì)，所述方法包括：獲取煙葉的標(biāo)準(zhǔn)分級(jí)樣本，采集煙葉樣本圖像并獲取所有合格的煙葉樣本圖像；基于煙葉顏色與背景顏色不同，從合格的所述煙葉樣本圖像中分割出煙葉所在的煙葉區(qū)域；分別獲取所述煙葉區(qū)域的RGB、HSV的均值與標(biāo)準(zhǔn)偏差和煙葉的面積和長(zhǎng)寬；將RGB、HSV的均值與標(biāo)準(zhǔn)偏差和煙葉的面積和長(zhǎng)寬標(biāo)記為煙葉等級(jí)識(shí)別的特征向量，并根據(jù)不同煙葉的特征向量形成特征矩陣；對(duì)所述特征矩陣進(jìn)行分解，建立煙葉部位識(shí)別的識(shí)別模型；根據(jù)所述識(shí)別模型識(shí)別煙葉部位。本發(fā)明避免了在大量煙葉部位混淆，等級(jí)識(shí)別中出錯(cuò)，具有準(zhǔn)確、快速的識(shí)別能力。

技術(shù)領(lǐng)域

本發(fā)明涉及煙草技術(shù)領(lǐng)域，特別是涉及圖像機(jī)器視覺技術(shù)領(lǐng)域，具體為一種基于機(jī)器視覺的煙葉部位識(shí)別方法、電子設(shè)備及存儲(chǔ)介質(zhì)。

背景技術(shù)

機(jī)器視覺系統(tǒng)可以快速獲取大量煙葉外觀信息并自動(dòng)進(jìn)行數(shù)據(jù)處理，易于同生產(chǎn)中其它維度信息相集成，在提高煙葉分選的柔性和快速評(píng)價(jià)方面有較大基準(zhǔn)尺度不變性的優(yōu)勢(shì)。在一些人工頻繁操作，人工視覺難以滿足要求的應(yīng)用領(lǐng)域，常用機(jī)器視覺替代人工視覺。一般的，在工業(yè)分級(jí)過程中有三個(gè)外觀質(zhì)量因素占主要的因素，“顏色的均勻度”，“顏色的鮮亮程度”，“煙葉的油分”等，而煙葉的形態(tài)，輪廓，顏色是可以通過煙葉的相機(jī)拍照獲取煙葉的圖像信息，進(jìn)而對(duì)圖像的信息進(jìn)行監(jiān)控，信息提取，模式識(shí)別進(jìn)行處理的，為實(shí)際的工業(yè)分級(jí)的機(jī)器視覺運(yùn)用提供了研究的數(shù)據(jù)來(lái)源與理論基礎(chǔ)。

但是，目前多部分研究成果都是靜態(tài)的，即先從室內(nèi)或者生產(chǎn)線采集靜態(tài)圖像，再用計(jì)算機(jī)對(duì)圖像進(jìn)行處理。而實(shí)際應(yīng)用中要求識(shí)別的算法要能夠適應(yīng)復(fù)雜多變的條件。雖然一些動(dòng)態(tài)的算法已經(jīng)過得了成功，但分類精度仍不是很高；在煙草行業(yè)中基于機(jī)器視覺的部位的識(shí)別依然存在幾個(gè)問題；

1)煙葉質(zhì)量的波動(dòng)性；通常，煙葉質(zhì)量會(huì)因?yàn)槟攴荨a(chǎn)區(qū)、品種以及等級(jí)的不同而產(chǎn)生差異，因此圖像識(shí)別的算法應(yīng)該充分考慮到煙葉質(zhì)量差異的存在，并作出相應(yīng)的算法轉(zhuǎn)換和調(diào)整，這對(duì)實(shí)現(xiàn)煙葉的自動(dòng)化檢測(cè)造成了一定的困難。在實(shí)際生產(chǎn)過程中需要擴(kuò)大樣本數(shù)量，同時(shí)也應(yīng)該關(guān)注煙葉樣本的選擇標(biāo)準(zhǔn)。

2)拍攝條件的多變性；一般地，圖像采集要求在具有可控光照、色溫以及沒有環(huán)境因素影響的實(shí)驗(yàn)室或者溫室等理想條件下進(jìn)行，但在實(shí)際應(yīng)用中環(huán)境多變、圖像背景復(fù)雜，光照、風(fēng)速的不可控性以及設(shè)備的機(jī)械震動(dòng)等許多因素都能導(dǎo)致圖像質(zhì)量下降、噪聲增加，大大增加了圖像預(yù)處理的難度，降低了處理結(jié)果的準(zhǔn)確性和快速性。

3)剔除非分級(jí)的干擾信息；由于煙葉自身的收縮性，即使相機(jī)拍攝時(shí)煙葉擺放在相同位置，同一煙葉不同放樣形態(tài)也有差異，因此必須要從顏色空間中找出待分析煙葉樣本的基于顏色的位置不變形特征；由于煙葉的梗在傳統(tǒng)的煙葉分級(jí)中不占主要的影響因素，而梗的煙葉顏色往往比較深，會(huì)對(duì)煙葉的顏色的均勻度表征產(chǎn)生干擾；如何剔除非決定工業(yè)分級(jí)的變量也是一個(gè)關(guān)鍵的難點(diǎn)，如果根據(jù)梗的顏色深淺進(jìn)行剔除，對(duì)于上部煙葉或者中部偏上的煙葉等級(jí)會(huì)增加誤剔率，對(duì)于下部煙葉與中部偏下的煙葉等級(jí)又會(huì)剔不掉。

發(fā)明內(nèi)容

鑒于以上所述現(xiàn)有技術(shù)的缺點(diǎn)，本發(fā)明的目的在于提供一種基于機(jī)器視覺的煙葉部位識(shí)別方法、電子設(shè)備及存儲(chǔ)介質(zhì)，用于解決現(xiàn)有技術(shù)中無(wú)法對(duì)煙葉部位快速、準(zhǔn)確識(shí)別的問題。

為實(shí)現(xiàn)上述目的及其他相關(guān)目的，本發(fā)明提供一種基于機(jī)器視覺的煙葉部位識(shí)別方法，所述基于機(jī)器視覺的煙葉部位識(shí)別方法包括：獲取煙葉的標(biāo)準(zhǔn)分級(jí)樣本，采集煙葉樣本圖像并獲取所有合格的煙葉樣本圖像；基于煙葉顏色與背景顏色不同，從合格的所述煙葉樣本圖像中分割出煙葉所在的煙葉區(qū)域；分別獲取所述煙葉區(qū)域的RGB、HSV的均值與標(biāo)準(zhǔn)偏差和煙葉的面積和長(zhǎng)寬；將RGB、HSV的均值與標(biāo)準(zhǔn)偏差和煙葉的面積和長(zhǎng)寬標(biāo)記為煙葉等級(jí)識(shí)別的特征向量，并根據(jù)不同煙葉的特征向量形成特征矩陣；對(duì)所述特征矩陣進(jìn)行分解，建立煙葉部位識(shí)別的識(shí)別模型；根據(jù)所述識(shí)別模型識(shí)別煙葉部位。

于本發(fā)明的一實(shí)施例中，所述基于機(jī)器視覺的煙葉部位識(shí)別方法還包括：配置采集煙葉樣本圖像的采集環(huán)境和采集設(shè)備的采集參數(shù)。